唯一潜在模式理论：复杂系统中结构奇点的数学认知框架

本文引入唯一潜在模式理论（Theory of the Unique Latent Pattern, ULP），这是一种形式化的认知框架，重新定义了动态系统中 apparent complexity 的来源。与归因于内在随机性或涌现非线性性不同，ULP 断言，每一种可分析的系统都由其自身独特的、确定性的生成机制支配，这种机制并非由于本体论不确定性所致，而是由于认知约束所致。该理论采用非通用生成映射 $\mathcal{F}_S(P_S, t)$，其中每个系统 $S$ 都具备其自身的潜在结构 $P_S$，不可还原且不可复制到其他系统中。观察到的不规则现象被建模为通过观察者受限接口对该生成图的投影，引入认知噪声 $\varepsilon_S(t)$ 作为获取不完整的度量。通过将不确定性的焦点从系统转向观察者，ULP 重新框架化了混沌，使其成为表示失败的情境相对性。我们将此立场与混沌理论、复杂性科学和统计学习中的基本范式进行了比较。虽然这些范式假设或建模共享随机性或集体涌现，但 ULP 坚持每个实例都蕴含独特的结构身份。虽然该理论是概念性的，但它满足柏克式的可证伪性标准，邀请通过断言由不同潜在机制支配的系统在足够分辨率下不会保持不可区分性来进行经验挑战。这为AI、行为推断和认知诊断中的结构 individuated 模型开辟了新方向。