更改

[[文件:木星大红斑.png|右|无框|225x225px]]

[[文件:木星大红斑.png|右|无框|225x225px]]

预测等价性（predictive equivalence）是计算内在涌现（简称内在计算，intrinsic computation）的核心思想<ref>Rupe, A., & Crutchfield, J. P. (2024). On principles of emergent organization. ''Physics Reports''.<nowiki>https://doi.org/10.1016/j.physlet.2024.06.017</nowiki></ref>，即系统的历史能够用来预测其未来行为的一种等价性。通过构建预测模型，内在计算能够识别系统中的结构，并量化这些结构的复杂性和稳定性。它可以让我们能够将[[自组织]]视为系统中规律性和规则性的涌现，而这些规律性和规则性是系统在特定的初始条件和外部驱动下自发形成的。内在计算的一个重要应用是在于理解从完全规则到完全无序之间组织结构的差异和过渡。比如，木星的大红斑是一个经典的自组织现象，其规模和稳定性无法通过流体力学方程的求解而获得直接解释。然而，内在计算能够通过分析该现象的历史数据，构建出一个能够准确预测其未来行为的模型，从而揭示出其背后的自组织机制。

内在计算（intrinsic computation）的核心思想是预测等价性<ref>Rupe, A., & Crutchfield, J. P. (2024). On principles of emergent organization. ''Physics Reports''.<nowiki>https://doi.org/10.1016/j.physlet.2024.06.017</nowiki></ref>，即系统的历史能够用来预测其未来行为的一种等价性。通过构建预测模型，内在计算能够识别系统中的结构，并量化这些结构的复杂性和稳定性。它可以让我们能够将[[自组织]]视为系统中规律性和规则性的涌现，而这些规律性和规则性是系统在特定的初始条件和外部驱动下自发形成的。内在计算的一个重要应用是在于理解从完全规则到完全无序之间组织结构的差异和过渡。比如，木星的大红斑是一个经典的自组织现象，其规模和稳定性无法通过流体力学方程的求解而获得直接解释。然而，内在计算能够通过分析该现象的历史数据，构建出一个能够准确预测其未来行为的模型，从而揭示出其背后的自组织机制。

=== 因果态的主要性质 ===

=== 因果态的主要性质 ===