# 數值資訊物件論：從線性浮點表示到無界探針矩陣與微觀數字世界 ## Numerical Information Object Theory: From Linear Floating-Point Projection to Unbounded Probe Matrices and the Microscopic World of Numbers **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **文件性質：** 綜合總論草稿／內部研究母篇 **版本：** v0.1 **日期：** 2026-09-22 **狀態：** DRAFT / THEORY INTEGRATION / SERIES-SEED **Canonical Source：** UTF-8 Markdown **數學原始碼規範：** inline math 僅使用 `$...$`，display math 僅使用 `$$...$$` --- # 摘要 現代數值計算通常把一個數值視為計算流程中的終端量：輸入一個 scalar，經過某個函數或算子後得到另一個 scalar。浮點數系統則進一步把這種視角工程化為有限位元模式、指數、尾數、捨入模式與例外值。這套方法極其成功，但也形成了一個長期被忽略的認識論壓縮：我們經常把「當前被投影出的數值」誤認為「該數值狀態的全部資訊」。 本文提出一個工作性理論框架：**數值資訊物件論**。其核心不是聲稱每個抽象實數都天然藏有任意無限資訊，而是區分「抽象值」與「在實際表示、生成、量測、計算、比較、索引、關聯、歷史與證書脈絡中的數值資訊物件」。一個可用於計算的數值狀態可以被表示為某個更完整物件的有限投影： $$ x=\pi_{\mathrm{scalar}}(\mathfrak N_x), $$ 其中 $x$ 是當前 scalar projection，而 $\mathfrak N_x$ 是帶有身份、索引、關係、來源、生成歷史、精度、不確定度、表示方式、局部結構與可探測方向的數值資訊物件。 本文進一步提出三個核心構造。 第一，**資訊探針族**。對同一個數值資訊物件，不必先將其強制轉換為另一種進位制或表示格式，便可由不同探針抽取其不同資訊方向： $$ P_\lambda:\mathfrak N_x\rightarrow \mathcal I_\lambda, \qquad \lambda\in\Lambda. $$ 第二，**無界展開有限矩陣**。任一實際時刻只能維持有限資訊矩陣： $$ M_t(x)\in\mathcal M_{n_t}, \qquad n_t<\infty, $$ 但矩陣的可展開維度沒有固定上界： $$ \sup_t n_t=\infty. $$ 這使系統同時保持工程上的有限可執行性與理論上的無界可擴展性。 第三，**數值同一性單元原理**。本文提出「每一個數都是一」的精確化版本：不是宣稱不同數值彼此相等，而是對每個可識別數值物件 $\mathfrak N_x$，都可視為一個保持自身同一性的局部資訊單元。索引、切片、投影與探測可以改變我們看見什麼，但不必破壞其作為同一研究對象的身份。 此框架將 EveMissLab 既有多條研究線重新接合：ICNS 處理數符的可解譯性；MNVP 處理數值語義的感知投影；CAIR 區分權威本體與多重投影；ISQL 提供語義錨點、地址、關係與狀態操作；同一性微積分與主動索引微積分提供切片、索引與同一性守恆；BCODR 提供雙向責任定位、重疊、原子分解與結構閉包；完成—投影雙向語義則處理實數、浮點、精確表示與跨域橋接。本文將這些理論收束到一個共同問題： $$ \boxed{ \text{數值不是只有值；值只是數值資訊物件的一個投影。} } $$ 本文的目的不是一次完成全部形式化，而是建立可後續拆分成系列論文、可工程化、可驗證、可與既有數學兼容的母體框架。 **關鍵詞：** 數值資訊物件、浮點數、資訊探針、無界展開有限矩陣、數值同一性、ISQL、ICNS、MNVP、CAIR、主動索引微積分、BCODR、跨域橋接、資訊光譜、表示投影 --- # 1. 問題：我們把投影誤認為整體 ## 1.1 傳統數值計算的隱含模型 傳統計算通常寫成： $$ x\xrightarrow{f}y. $$ 其中 $x$ 與 $y$ 被視為完整數值對象，而 $f$ 是從一個值映射到另一個值的函數。 在有限機器中，這一視角被實作成： $$ \text{bit pattern} \rightarrow \text{floating-point value} \rightarrow \text{operation} \rightarrow \text{floating-point value}. $$ 此模型對大量工程任務足夠有效，但它將許多資訊壓在值的外部，例如： - 這個值如何產生； - 它由哪個模型或量測鏈得到； - 它屬於哪個語義域； - 它是否為版本欄位而非實數； - 它的精度與解析度為何； - 它與哪些其他值共享來源； - 它是否是某個動態狀態的投影； - 它在另一個表示域中的對應是否為 exact、approximate、quotient 或 completion； - 它是否攜帶一個尚未顯式標記但可被辨識的結構角色。 因此，真正需要修正的不是浮點格式本身，而是下列默認同一： $$ \boxed{ \text{current scalar representation} = \text{whole numerical object}. } $$ 本文否定這個默認。 --- ## 1.2 第一個區分：抽象值與數值資訊物件 本文不主張一個純抽象數 $x\in\mathbb R$ 在沒有任何外部結構時，自動蘊含任意額外資訊。 本文主張的是：當一個數被實際使用時，它往往不是裸值，而是存在於某個可識別結構中。 定義一個數值資訊物件： $$ \boxed{ \mathfrak N_x = \left\langle \iota_x, v_x, \Sigma_x, R_x, A_x, H_x, P_x, Q_x, C_x, \mathcal B_x \right\rangle. } $$ 其中： - $\iota_x$：identity，數值物件身份； - $v_x$：value layer，當前或規範值； - $\Sigma_x$：representation / semantic schema； - $R_x$：relation structure； - $A_x$：address / index structure； - $H_x$：history / derivation； - $P_x$：provenance； - $Q_x$：quality / uncertainty / precision state； - $C_x$：constraints / context； - $\mathcal B_x$：bridge set，與其他表示域或完成域之間的橋接關係。 通常使用者只看到： $$ \pi_{\mathrm{scalar}}(\mathfrak N_x)=x. $$ 因此，scalar 不再被視為整體，而是： $$ \boxed{ x = \text{a projection of } \mathfrak N_x. } $$ --- # 2. 資訊差：存在、可辨識、可定址與可計算不是同一件事 ## 2.1 資訊存在不等於資訊可用 一個數值狀態可能已經具有某種結構差異，但系統尚未把它定義成可操作對象。 本文區分四層： $$ \boxed{ \text{latent} \rightarrow \text{distinguishable} \rightarrow \text{addressable} \rightarrow \text{computable}. } $$ ### 2.1.1 潛在資訊 某種差異已存在於來源、關係、歷史、表示或鄰域中，但尚未形成顯式欄位。 ### 2.1.2 可辨識資訊 存在某個測試、規則、探針或語義條件，可以判定兩個狀態在該方向不同。 ### 2.1.3 可定址資訊 該差異具有穩定 index、label、path、schema 或 semantic anchor。 ### 2.1.4 可計算資訊 該差異可以進入算子、矩陣、圖、約束、路由、證書或 Runtime。 這四層之間不能直接畫等號。 --- ## 2.2 ISQL 的先行啟示 ISQL 類系統能夠從複雜語義狀態中切出地址、錨點、關係與狀態片段，不是因為系統憑空創造了那些資訊，而是因為： $$ \boxed{ \text{已有差異} + \text{識別規則} + \text{定址機制} \Rightarrow \text{可操作資訊}. } $$ 因此，數值資訊物件論把這個思想移入數值域： $$ \boxed{ \text{數值微觀資訊} \neq \text{新增 metadata 的集合而已}. } $$ 更重要的是建立： $$ \boxed{ \text{辨識哪些結構值得成為可計算維度的方法。} } $$ 這就是資訊探針的角色。 --- # 3. 資訊探針：不必先改寫數字，便能進入微觀資訊空間 ## 3.1 探針的基本定義 令： $$ \Lambda $$ 為探針索引空間。 對任意： $$ \lambda\in\Lambda, $$ 定義： $$ \boxed{ P_\lambda: \mathfrak N_x \rightarrow \mathcal I_\lambda. } $$ $P_\lambda$ 不一定回傳 scalar，也可以回傳： - 類別； - 子圖； - 局部矩陣； - interval； - topology signature； - support pattern； - provenance chain； - relation neighborhood； - spectral coordinate； - certificate state； - uncertainty object； - address set。 因此，probe 並不是一般意義上的「讀取欄位」。 它也可以是一個結構辨識器。 --- ## 3.2 探針與表示轉換的差別 舊式策略可能是： $$ x_{10} \rightarrow x_2 \rightarrow x_{16} $$ 透過改變表示去觀察結構。 這仍然是有效方法，但它只是探針的一種特殊情況。 數值資訊物件論允許： $$ \boxed{ \text{keep identity} + \text{change observation operator}. } $$ 即： $$ \mathfrak N_x \xrightarrow{P_\lambda} \mathcal I_\lambda $$ 而不要求： $$ \mathfrak N_x \rightarrow \mathfrak N_x' $$ 先做完整表示轉換。 因此，進位制轉換從主方法降為： $$ \boxed{ \text{one probe family among many}. } $$ --- ## 3.3 探針可以是局部的 對大型數值資訊物件，不必一次讀取全部資訊。 令： $$ U\subseteq\mathfrak N_x $$ 表示目前局部研究域。 則可定義： $$ P_{\lambda,U}(\mathfrak N_x). $$ 這允許： $$ \boxed{ \text{local numerical microscopy}. } $$ 也就是本文所稱的「進入微觀數字世界」。 這裡的「微觀」不是更多小數位數，而是： $$ \boxed{ \text{對同一數值身份的更細資訊分解。} } $$ --- # 4. 光譜式資訊分辨 ## 4.1 從二元探針到光譜探針 若探針只回答： $$ 0/1, $$ 它只能表示某個差異是否存在。 但許多數值資訊具有連續或多尺度結構。 因此定義光譜探針： $$ \boxed{ P_\lambda(\mathfrak N_x), \qquad \lambda\in\Lambda. } $$ 其中 $\lambda$ 可以表示： - scale； - frequency； - semantic depth； - relation strength； - uncertainty level； - topological radius； - temporal depth； - derivation depth； - precision scale； - observation orientation。 於是，對一個數值物件可以得到資訊譜： $$ \boxed{ \mathcal S_x = \left\{ (\lambda,P_\lambda(\mathfrak N_x)) : \lambda\in\Lambda \right\}. } $$ --- ## 4.2 光譜不是裝飾 若不同 $\lambda$ 對同一對象產生不同結構，則數值物件的資訊不應再被壓成單一 scalar summary。 例如： $$ P_{\lambda_1}(\mathfrak N_x) \neq P_{\lambda_2}(\mathfrak N_x) $$ 可能不是噪音，而是： $$ \boxed{ \text{scale-dependent informational structure}. } $$ 這使 ISQL 的光譜語義、既有多尺度研究以及數值資訊物件論產生自然接口。 --- # 5. 無界展開有限矩陣 ## 5.1 基本定義 對每個時間或研究階段 $t$，系統只實際維護有限探針集合： $$ \Lambda_t = \{ \lambda_1,\ldots,\lambda_{n_t} \}. $$ 其中： $$ n_t<\infty. $$ 定義有限資訊向量： $$ \mathbf p_t(x) = \begin{bmatrix} P_{\lambda_1}(\mathfrak N_x)\\ P_{\lambda_2}(\mathfrak N_x)\\ \vdots\\ P_{\lambda_{n_t}}(\mathfrak N_x) \end{bmatrix}. $$ 當探針輸出之間需要記錄耦合關係時，建立： $$ \boxed{ M_t(x) = \left[ m_{ij}^{(t)}(x) \right]_{1\le i,j\le n_t}. } $$ 稱為： $$ \boxed{ \text{Unboundedly Expandable Finite Matrix} } $$ 暫譯： **無界展開有限矩陣**。 --- ## 5.2 有限性與無界性的同時成立 每一時刻： $$ \boxed{ n_t<\infty. } $$ 但對整個可延伸研究過程： $$ \boxed{ \sup_t n_t=\infty. } $$ 這兩句不矛盾。 前者保證： - 可儲存； - 可計算； - 可驗證； - 可部署； - 可在有限機器執行。 後者保證： - 不預先凍結最大資訊維度； - 新 probe 可以持續加入； - 新關係可以被發現； - 新表示可以接入； - 新理論不必重寫整個本體。 因此： $$ \boxed{ \text{finite actualization} + \text{unbounded extensibility}. } $$ 是本理論的重要工程原則。 --- ## 5.3 動態矩陣不是單純追加欄位 最弱版本可以是： $$ M_t\subseteq M_{t+1}. $$ 但完整版本允許： - 新增維度； - 合併維度； - 重索引； - 壓縮； - 局部展開； - 刪除冗餘探針； - 調整耦合； - 重新配置矩陣拓撲。 因此更一般地寫成： $$ \boxed{ M_{t+1} = \mathcal U \left( M_t, \Delta_t, \Gamma_t \right), } $$ 其中： - $\Delta_t$：新探針、新觀察、新證書； - $\Gamma_t$：重索引、壓縮、耦合與治理規則； - $\mathcal U$：矩陣更新算子。 --- # 6. 資訊缺口驅動的探針選擇 ## 6.1 不應無限盲目展開 若探針可以無限增加，最直接風險就是： $$ \text{probe explosion}. $$ 所以需要定義資訊缺口： $$ \boxed{ G_t = \mathcal G \left( M_t, \mathcal O_t, \mathcal T \right), } $$ 其中： - $M_t$：現有資訊矩陣； - $\mathcal O_t$：目前觀察或證書； - $\mathcal T$：研究目標。 再由： $$ \boxed{ Q_{t+1} = \Phi(G_t,M_t) } $$ 選擇下一輪最值得使用的 probe。 整體流程： $$ \boxed{ M_t \rightarrow G_t \rightarrow Q_{t+1} \rightarrow \Delta M_{t+1} \rightarrow M_{t+1}. } $$ 這使無界展開不是無目的增長，而是： $$ \boxed{ \text{gap-directed expansion}. } $$ --- # 7. BCODR 作為數值微觀資訊定位器 ## 7.1 從幾何證明空間到一般資訊空間 BCODR 的核心不是圓本身，而是： $$ \boxed{ \text{bidirectional expansion} \rightarrow \text{overlap} \rightarrow \text{atomic decomposition} \rightarrow \text{role separation} \rightarrow \text{structural closure}. } $$ 因此可以將其抽象化為兩類資訊場： $$ \mathcal C^+_x, \qquad \mathcal C^-_x. $$ 其中可以分別表示： - supporting evidence； - excluding evidence； - forward derivation； - backward certificate； - candidate family； - constraint family； - generation field； - reconstruction field。 關鍵區域為： $$ \boxed{ \mathcal C^+_x \cap \mathcal C^-_x. } $$ --- ## 7.2 重疊不等於同一 BCODR-LUC 的一個重要教訓是： $$ \boxed{ \text{same container overlap} \neq \text{same point identity} \neq \text{same mechanism identity}. } $$ 這應直接成為數值資訊物件論的保護條件。 因此對 probe 結果也必須分： $$ \text{projection overlap}, $$ $$ \text{point alignment}, $$ $$ \text{seed alignment}, $$ $$ \text{structural alignment}. $$ 一個數值對象在兩個探針下看起來接近，不代表它們捕捉到同一資訊機制。 --- ## 7.3 結構責任而非只找答案 傳統計算常問： $$ \text{what is }x? $$ BCODR 型方法則可問： $$ \boxed{ \text{which substructure is still responsible for uncertainty?} } $$ 於是數值資訊物件的計算結果可以不是 scalar，而是： $$ \boxed{ \text{surviving informational spine}. } $$ 這使數值計算從單值輸出擴展成可追溯責任結構。 --- # 8. 每一個數都是一：數值同一性單元原理 ## 8.1 命題不是「所有數都相等」 本文提出： > 每一個數都是一。 但這句話必須形式化，避免誤讀成： $$ 1=2=3. $$ 本文真正主張的是： $$ \boxed{ \forall x, \quad \mathfrak N_x \text{ can be treated as one identity-preserving informational unit.} } $$ 這裡的「一」不是數值 $1$，而是： $$ \boxed{ \text{unit of identity}. } $$ --- ## 8.2 同一性微積分的數值版本 同一性微積分的基本精神是： $$ \text{切片} \neq \text{本體分裂}. $$ 對數值資訊物件，可定義： $$ \boxed{ d_I(\mathfrak N_x) = \{ (\mathfrak N_x,i) : i\in I \}. } $$ 其中每個 $(\mathfrak N_x,i)$ 都是對同一數值身份的不同索引視圖。 遺忘索引： $$ \boxed{ \int_{\mathrm{id}} (\mathfrak N_x,i) = \mathfrak N_x. } $$ 因此： $$ \boxed{ \int_{\mathrm{id}}\circ d_I = \operatorname{id}_{\mathfrak N_x}. } $$ 這提供了數值微觀切片的身份守恆原理。 --- ## 8.3 主動索引版本 當 index 不只被動存在，而可以移動、組合與重定址時： $$ \boxed{ \widehat{\mathcal E}_{i\rightarrow j} : (\mathfrak N_x,i) \mapsto (\mathfrak N_x,j). } $$ 此時： - probe； - index； - address； - matrix coordinate； - semantic anchor； 可以成為同一操作家族的不同層。 這提供了「進入數值內部」的操作學，而不要求破壞數值身份。 --- # 9. 浮點數的重新定位 ## 9.1 浮點不再是終點 傳統視角： $$ \text{real-world state} \rightarrow \text{float} \rightarrow \text{calculation}. $$ 本文改寫為： $$ \boxed{ \mathfrak N_x \xrightarrow{\pi_{\mathrm{float}}} f_x. } $$ 其中： $$ f_x $$ 只是有限機器上的 projection。 因此： $$ \boxed{ f_x \neq \mathfrak N_x. } $$ --- ## 9.2 完成、投影與橋接 既有完成—投影雙向語義已經指出，不同表示域之間不能天真地視為同一集合中的可逆變換。 令跨域橋接為： $$ \mathfrak B: X \rightsquigarrow Y. $$ 一個完整橋接至少需要記錄： $$ \boxed{ \mathfrak B = \left( X, Y, \llbracket-\rrbracket_X, \llbracket-\rrbracket_Y, B, \overline B, \kappa, \varepsilon, \mathsf{Exc}, \mathsf{Exec} \right). } $$ 因此： $$ \mathbb R \xrightarrow{\text{rounding}} \mathbb F $$ 不是： $$ \mathbb R \cong \mathbb F. $$ 反過來從 float 回到更完整語義時，也不是單純 inverse。 需要知道： - 原始 domain； - rounding； - precision； - enclosure； - exceptions； - semantic interpretation； - execution context。 --- ## 9.3 從浮點研究進入數值顯微學 原先跨進位制或跨表示研究的問題是： > 換一個表示，能否看到原表示忽略的結構？ 本文將此問題一般化為： > 不必先換完整表示，能否用 probe 直接辨識某個結構方向？ 形式化為： $$ \boxed{ \mathfrak N_x \xrightarrow{P_\lambda} \mathcal I_\lambda. } $$ 因此，浮點不再只是誤差工程問題，也成為： $$ \boxed{ \text{projection theory 的一個主要實例。} } $$ --- # 10. ICNS、MNVP、CAIR、ISQL、AIC 與 BCODR 的統一接口 ## 10.1 ICNS：這個數到底是什麼 ICNS 解決： $$ \boxed{ \text{surface numeral} \neq \text{semantic numeral object}. } $$ 其責任是讓裸數符變成可判定、可解析、可比較的數值語義。 在本文中，ICNS 可視為： $$ \boxed{ \mathfrak N_x \text{ 的語義入口層之一。} } $$ --- ## 10.2 MNVP：我們如何看見它 MNVP 處理： $$ \text{Semantic Numerical Object} \rightarrow \text{Perceptual Representation}. $$ 因此在本文中： $$ \boxed{ \mathrm{MNVP} \approx \text{projection-to-human-perception layer}. } $$ 數值資訊物件論則處理更上游的： $$ \boxed{ \text{what can be projected at all?} } $$ --- ## 10.3 CAIR：投影不是權威本體 CAIR 的核心原則是： $$ \boxed{ \text{projection} \neq \text{canonical authoritative object}. } $$ 本文把這個原則推入數值域： $$ \boxed{ x = \pi(\mathfrak N_x) \neq \mathfrak N_x. } $$ 因此 CAIR 與本文共享一個深層結構： $$ \boxed{ \text{one canonical object} \rightarrow \text{many legitimate projections}. } $$ --- ## 10.4 ISQL：定址、關係與狀態運算 ISQL 使： - anchor； - relation； - address； - state； - semantic path； 變成可計算對象。 本文借用同一精神，把數值內部資訊從： $$ \text{latent distinction} $$ 提升成： $$ \text{addressable distinction}. $$ 因此： $$ \boxed{ \mathrm{ISQL} \text{ 可成為數值資訊物件的語義定址層。} } $$ --- ## 10.5 AIC：索引不是註解，而是自由度 主動索引微積分提供： $$ \text{index} \rightarrow \text{computational degree of freedom}. $$ 因此 probe、matrix coordinate 與 semantic address 可以進一步統一： $$ \boxed{ P_\lambda \leftrightarrow i_\lambda \leftrightarrow a_\lambda. } $$ 這使數值微觀資訊空間具備可操作幾何。 --- ## 10.6 BCODR：多方向資訊責任定位 BCODR 提供： $$ \boxed{ \text{bidirectional structural localization}. } $$ 本文則把它視為 probe orchestration 的一種特殊高價值策略： $$ \boxed{ P_+, P_- \rightarrow \text{overlap field} \rightarrow \text{atomic responsibility} \rightarrow \text{surviving spine}. } $$ --- # 11. 一個統一抽象 將上述理論壓成一個流程： $$ \boxed{ \text{Numeral} \xrightarrow{\mathrm{ICNS}} \mathfrak N_x \xrightarrow{\mathrm{ISQL/AIC}} \text{addressable information structure} \xrightarrow{\mathrm{Probe}} M_t(x) \xrightarrow{\mathrm{BCODR/Spectral}} \text{localized informative structure} \xrightarrow{\mathrm{CAIR}} \text{canonical state} \xrightarrow{\mathrm{MNVP}} \text{human-perceptual projection}. } $$ 浮點、十進位、二進位、圖形、向量、矩陣、符號表示都可以只是不同 projection 或 bridge target。 因此： $$ \boxed{ \text{數值計算} \rightarrow \text{數值資訊空間計算} } $$ 是本文提出的主要範式轉換。 --- # 12. 動態數值資訊空間 ## 12.1 局部資訊鄰域 對任一數值資訊物件定義局部鄰域： $$ \mathcal U_r(\mathfrak N_x). $$ $r$ 不一定是歐氏距離，也可以是： - semantic distance； - provenance distance； - derivation depth； - relation hop； - scale difference； - certificate distance。 因此，數值微觀世界不必被限制成一條實數線。 --- ## 12.2 動態鄰域 隨著 probe 新增： $$ \mathcal U_t(\mathfrak N_x) $$ 可能改變。 這代表： $$ \boxed{ \text{我們不是改變數值身份， 而是在改變可觀察資訊鄰域。} } $$ --- ## 12.3 非線性數值世界 傳統 scalar view： $$ \cdots