第一章：从连续世界到可计算存在
1.1 连续世界的问题
在任何形式的认知开始之前，世界本身并不是“对象化”的。
时间是连续的。
它没有天然的分割点，也不存在“这一刻”和“下一刻”的物理边界。
任何时间片段的划分，都只是观察者人为施加的尺度。
物质同样如此。
物质可以被无限细分，却并不存在一个绝对的最小单位，
更不存在天然的“物体边界”。
在这样的世界中：
- 没有明确的对象
- 没有稳定的属性
- 也没有可枚举的事件
世界只是一个连续变化的整体。
这正是问题所在。
1.2 为什么连续世界无法被认知与计算
无论是人类大脑，还是人工系统，都无法直接处理连续世界。
认知与计算都依赖三个基本前提：
- 可区分性
- 可重复性
- 可比较性
而连续世界天然地破坏了这三个前提：
- 连续变化意味着任意两次观测都不完全相同
- 无限细分意味着不存在天然的“单位”
- 无边界意味着不存在天然的“对象”
因此，连续世界本身是不可计算的。
这并不是能力问题，而是结构问题。
1.3 抽象：从连续到可操作的唯一途径
要让世界变得可认知、可存储、可推理，就必须进行抽象。
抽象不是对现实的装饰，也不是对细节的简单忽略。
抽象的本质，是将连续世界映射为离散结构。
在本书中，这一过程被严格地分为三个基础层级：
- 特征
- 存在
- 场景
它们共同构成了“可计算世界”的最小完备结构。
1.4 特征：对连续变化的第一次切分
特征是抽象的起点。
特征并不是“事物拥有的属性”，
而是观察者对连续变化所做出的有限描述。
例如：
- 位置
- 颜色
- 形状
- 尺寸
- 状态
这些都不是世界的客观单位，
而是为了表达和比较而人为设定的观察维度。
特征的本质是：
在连续变化中选取若干维度，并在这些维度上进行离散化表达
一旦特征被定义，连续世界第一次变得可描述。
AI案例：
在现代视觉模型中，特征正是对连续像素流的第一次离散化切分。
例如，CLIP（Contrastive Language-Image Pretraining）的视觉编码器，将原始RGB图像（连续的像素值）映射为一个固定维度的向量（512或768维）。
这个向量不是“物体本身”，而是观察者（模型）在颜色、纹理、形状等维度上做的有限离散描述。
一旦定义了这些特征维度，连续的图像世界第一次变得可比较、可存储。
1.5 存在：特征的聚合体
单个特征仍然不足以形成认知对象。
“红色”本身不是一个存在，
“在这里”本身也不是一个存在。
存在，是多个特征在同一时间、同一上下文中的聚合。
换句话说：
存在不是被发现的，而是被构建的。
一个存在的边界，并非来自世界本身，
而是来自特征的稳定组合。
这意味着：
- 不同系统对同一连续世界，可能构建出不同的存在
- 存在的“同一性”是概率性的，而非绝对的
存在，是对连续世界的一次“暂时定型”。
AI案例：
YOLOv8或DETR等目标检测模型，正是“存在”构建的典型工程实现。
模型从输入图像中提取特征（CNN backbone），然后通过查询（query）或锚框（anchor）机制，将多个特征向量聚合成一个“物体实例”——包括类别、边界框、置信度。
这个“存在”（如“一只红色的苹果”）不是图像中固有的，而是模型在特征空间中临时定型的结果。
不同模型（或同一模型不同训练）可能对同一帧图像构建出不同的存在集合，这正是“存在的同一性是概率性的”。
1.6 场景：存在的组织结构
如果只有孤立的存在，世界仍然无法运行。
场景，是对多个存在及其关系的抽象。
它至少包含三层信息：
- 存在的集合
- 存在之间的空间与时间关系
- 场景整体的状态与变化趋势
场景并不是一个“背景”，
而是一个主动参与认知与推理的结构。
在本书中，场景本身同样被视为一种存在，
它可以拥有特征、状态，甚至内部世界。
AI案例：
NeRF（Neural Radiance Fields）是场景抽象的典范。
它将整个3D连续空间表示为一个隐式函数（MLP），输入空间坐标（x,y,z）和视角方向（θ,φ），输出密度（σ）和颜色（RGB）。
- 存在的集合：体素密度场中的高密度区域对应物体
- 空间与时间关系：通过体积渲染（volume rendering）整合所有存在
- 整体状态：NeRF本身就是一个“可渲染的存在”，能从任意视角生成新视图
NeRF的场景不是静态背景，而是主动参与的结构——它能捕捉光线折射、半透明等复杂交互。
1.7 从可感知到可推理：概念的出现
到目前为止，我们获得的是一个可感知的世界模型。
但这仍然不足以支持学习、迁移与方法生成。
真正的认知系统，需要的是稳定性。
概念，正是在多次场景与存在变化中，对稳定结构的进一步抽象。
概念不对应某一次观测，
而对应跨时间、跨实例的不变模式。
例如：
- “杯子”并不是某一个具体杯子
- “移动”并不是某一次具体运动
概念，是经验的压缩结果。
AI案例：
大型语言模型（如GPT系列）或多模态模型（如CLIP、LLaVA）中的“概念”正是跨经验压缩的结果。
例如，模型从未见过“一只蓝色的杯子”，却能理解“杯子”这个不变模式（圆柱形、开口朝上、可盛水等特征的稳定组合）。
这种稳定性来自海量场景中的统计规律：模型在Transformer的注意力机制中，跨不同图像/文本实例聚合出概念的隐式表示。
概念不是单一存在的描述，而是跨时间、跨实例的不变模式。
1.8 语言：抽象完成后的编码形式
语言常被误认为是认知的起点，
但在本书中，语言被明确地视为抽象的产物。
其生成顺序是：
连续世界 → 特征 → 存在 → 场景 → 概念 → 语言
自然语言并不直接描述世界，
而是描述概念之间的关系。
它是一种高度压缩、强依赖上下文的表达形式，
只有在底层抽象结构已经存在的前提下，才具有意义。
AI案例：
在多模态大模型中，语言是抽象链条的最终编码形式。
例如，LLaVA（Large Language and Vision Assistant）从图像→特征→存在→场景→概念，再通过LLM生成自然语言描述。
模型并不“看到”像素，而是通过一系列抽象层级，最终输出：“一只猫在阳光下打盹”。
这证明了你的顺序：连续世界 → 特征 → 存在 → 场景 → 概念 → 语言。
1.9 本章小结
本章建立了全书的基本立场：
- 世界本身是连续的、不可直接计算的
- 抽象是认知产生的前提，而非结果
- 特征、存在与场景构成了可计算世界的基础
- 概念是跨经验的稳定结构
- 语言是抽象完成后的符号化表达
这些AI模型正是对本书框架的工程验证：从连续像素/光场，到可计算的特征、存在、场景，最终生成人类可理解的语言。
在接下来的章节中，我们将继续沿着这条路径，
从“存在如何变化”，走向“变化如何形成方法”，
最终走向数字生命的学习与自我构建机制。