更改

因为测量装置的精度都是有限的，智能体读取外部环境的测量结果一般为时间序列上的离散值。测量结果中的某个测量值可能对应某个“隐藏”状态（“隐藏”状态是智能体存储于其内部环境中的已知状态）。若在离散时间序列上不同的测量值都对应一个相同的 “隐藏”状态，对未来的预测就会有相同的模式，那么，将这个“隐藏”状态称作这些不同测量值的因果态（casual state）。

因为测量装置的精度都是有限的，智能体读取外部环境的测量结果一般为时间序列上的离散值。测量结果中的某个测量值可能对应某个“隐藏”状态（“隐藏”状态是智能体存储于其内部环境中的已知状态）。若在离散时间序列上不同的测量值都对应一个相同的 “隐藏”状态，对未来的预测就会有相同的模式，那么，将这个“隐藏”状态称作这些不同测量值的因果态（casual state）。

[[文件:因果态的定义.jpg|居中|无框|550x550像素]]

[[文件:因果态的定义.jpg|居中|无框|550x550像素]]

如上图所示，在<math>t_9</math>和<math>t_{13}</math>时刻，过程处于相同的因果状态，因为未来的形态具有相同的形状；在 时刻，则处于不同的因果状态。

如上图所示，在<math>t_9</math>和<math>t_{13}</math>时刻，过程处于相同的因果状态，因为未来的形态具有相同的形状；在<math>t_{11}</math>时刻，则处于不同的因果状态。

因果态的形式化定义可以按照如下方式定义：

因果态的形式化定义可以按照如下方式定义：

将测量的数据流 分为两个部分，按照时间 分为前向序列 和后向序列 ，可以得到一个单侧前向序列和一个单侧后向序列，它们分别表示关于未来和过去的信息。

将测量的数据流<math>s=⋯s_{-2} s_{-1} s_0 s_1 s_2…</math>分为两个部分，按照时间 分为前向序列<math>s_t^→=s_t s_{t+1} s_{t+2} s_{t+3}…</math>和后向序列 ，可以得到一个单侧前向序列和一个单侧后向序列，它们分别表示关于未来和过去的信息。

属于相同因果态的两个状态 ，他们之间的关系可以表示为： ，“ ” 表示由等效未来形态所引起的等价关系。那么，就会有如下关系：

属于相同因果态的两个状态 ，他们之间的关系可以表示为： ，“ ” 表示由等效未来形态所引起的等价关系。那么，就会有如下关系：