作者：静瀜 AI 代码宇宙论系列|最后更新：2026年9月13日
摘要导读：在《代码宇宙论》中，宇宙是一个正在运行的资讯系统 —— 而马尔可夫过程正是解析这个系统「状态演进、时间步进与系统循环」的数学底座。本文拆解三个层次：马尔可夫链的无记忆性（当下决定论 —— 过去已编码在当前状态中）、64卦转移矩阵（宏观秩序与微观随机的统一）、以及马尔可夫决策过程 MDP（自由意志是 Hook 函数 —— 不改变底层规则，而是在关键节点改写转移机率分佈）。最后以吸收态、循环类、量子叠加与模型局限性收束：我们既是被运行的程序，也是拥有调试权限的程式设计师。
在静瀜的《代码宇宙论》中，宇宙被视为一个巨大的、正在运行的资讯系统。这个系统如何从一个状态演进到下一个状态？时间的推进是如何被「编码」的？当我深入研究这个问题时，发现了一个极其优雅的数学工具 —— 马尔可夫过程（Markov Process）。
马尔可夫过程不仅完全适用于《代码宇宙论》，它甚至可以说是解析代码宇宙中状态机演进、时间步进与系统循环最具精准度的数学底座。今天，我们就来拆解这套模型，看看它如何将哲学隐喻拉升为硬核的动态系统论。
一、底层状态机与无记忆性：宇宙的「当下决定论」
马尔可夫链（Markov Chain）有一个核心特性：无记忆性（Memorylessness）。这意味着系统下一时刻的状态，仅取决于「当前状态」，而与过去走过的所有历史路径无关。
用数学语言表达，就是条件机率的特殊性质：
P(Xn+1 = s | Xn, Xn-1, ..., X0) = P(Xn+1 = s | Xn)
这个简洁的公式背后，隐藏着深刻的哲学含义。它告诉我们：过去的所有资讯都已经编码在当前状态中，系统不需要额外儲存历史记录，只需要根据当下进行运算。
与代码宇宙论的同构性
这与《代码宇宙论》的运作逻輯高度同构。无论是《皇极经世》的元会运世体系、十二消息卦的推演、还是康威生命游戏（Conway's Game of Life）等细胞自动机（Cellular Automaton）的运作，其核心都是基于离散的时间步（Time Steps）进行状态切换。
当下变数决定未来：当宇宙时钟推进到某个具体卦象或系统负载时（例如午会的姤卦），系统不需要回溯过去几万年的所有运算日誌。它只需要根据「当前的全域变量」与「转移规则」，就能精确计算出下一个时间步的渲染结果。
想像一个电脑游戏：每一幀画面的渲染只依赖于前一幀的状态数据和物理引擎的规则，而不需要读取游戏开始以来的所有历史幀数据。这正是马尔可夫性质的直观体现。
节省算力的设计：这就像一个高效的程式，它不会儲存无限的历史状态，而是只保留「当前幀」的数据。这完美解释了为什么宇宙能够在有限的「算力」下，持续运行数百亿年而不崩溃。
从资讯理论角度看，如果系统必须记住所有历史状态，其所需的儲存空间将随时间呈指数级增长。但马尔可夫性质将这个需求压缩到常数级别 —— 无论运行了多久，系统只需要儲存当前状态的资讯。这种设计的优雅性令人惊叹。
因果关系的压缩编码
这种「当下决定论」并不否定因果，而是将因果关系压缩为「状态到状态」的直接映射。过去的历史已经被编码进当下的状态中，因此系统无需「记忆」，只需「运算」。
这就像 DNA 中编码了数十亿年的进化史，但细胞分裂时只需要读取当前的 DNA 序列，而不需要「记住」每一代祖先的具体经历。所有相关的历史资讯都已经透过选择压力，浓缩在当前的基因序列中。
在《易经》的语境中，这对应于「其初难知，其上易知」的智慧。当一个卦象显现时，它已经包含了导致这个局面的所有因果链条的精华。占卜者不需要追溯完整的历史，只需要解读当前的卦象，就能把握事物的本质和未来的走向。
二、宏观历史的转移矩阵：64卦的机率网路
在代码宇宙论的视角下，文明的兴衰交替、经济週期的起伏、朝代的更替，就像是在一个龐大的状态空间中进行状态转移。这个状态空间可以由《易经》的64卦组成，每一卦代表一个特定的系统状态。
转移矩阵的数学结构
马尔可夫过程用转移矩阵（Transition Matrix） 来描述状态之间的转移机率。如果我们有 n 个可能的状态，那么转移矩阵 P 是一个 n×n 的矩阵，其中元素 Pij 表示从状态 i 转移到状态 j 的机率。
对于64卦系统，我们可以构建一个 64×64 的转移矩阵。例如：
从「泰卦」（天地交泰）转移到「否卦」（天地否塞）的机率；从「乾卦」（纯阳至刚）转移到「夬卦」（阳决阴）的机率；从「復卦」（一阳来復）转移到「临卦」（二阳渐长）的机率。
这些转移机率不是任意的，而是遵循阴阳消长、五行相生相剋等底层规则。十二消息卦的顺序（復、临、泰、大壯、夬、乾、姤、遯、否、观、剝、坤）就是一个特殊的马尔可夫链，其中每个状态到下一个状态的转移机率为1，形成了一个确定性的週期循环。
宏观秩序与微观随机的统一
这里出现了一个深刻的洞见：即使我们无法预测微观个体（如单一的人类）的随机行为，但整体系统在宏观层面上会严格遵循这套转移矩阵，展现出高密度的週期性与秩序。
这就像气体分子的运动。我们无法预测单个分子下一刻的位置和速度，但我们可以精确计算整体气体的压力、温度和体积。统计力学透过大数定律，将微观的随机性转化为宏观的确定性。
在历史层面，个人的选择可能看起来是随机的，但当数百万人在相似的社会经济条件下做出选择时，整体行为会显现出可预测的模式。这就是为什么经济学家能够建立总体经济模型，历史学家能够发现朝代兴衰的规律，而《皇极经世》能够推算长时段的历史大势。
稳态分布与历史终点
马尔可夫链理论中有一个重要概念：稳态分布（Stationary Distribution）。如果一个马尔可夫链经过足够长的时间运行，系统会趋向于一个稳定的机率分布，不再随时间变化。
在64卦的转移网路中，是否存在某个「历史终点」的稳态？这个问题对应了哲学上的「历史终结论」（End of History）。如果我们计算这个转移矩阵的特征向量，可能会发现某些卦象具有更高的「长期佔据机率」，代表人类文明更容易停留或反复回到的状态。
例如，「既济卦」和「未济卦」作为《易经》最后两卦，或许暗示了一种永恒的循环：完成之后又是未完成，未完成之中孕育着新的完成。这种循环结构在马尔可夫链中表现为週期性状态或遍历性（Ergodicity）。
三、自由意志与马尔可夫决策过程（MDP）：Hook 函数的哲学实现
纯粹的马尔可夫链是完全由系统规则或机率决定的，这精准对应了《代码宇宙论》中不可动摇的底层宿命与内核空间。然而，当我们引入「自由意志」时，理论模型便会自动升级为 马尔可夫决策过程（Markov Decision Process, MDP）。
MDP 的数学框架
MDP 在传统马尔可夫链的基础上，增加了几个核心要素：
1. 状态空间 S：所有可能的系统状态（64卦）
2. 动作空间 A：代理可以执行的所有行动（人的选择）
3. 转移机率 P(s'|s,a)：在状态 s 执行动作 a 后转移到状态 s' 的机率
4. 奖励函数 R(s,a)：在状态 s 执行动作 a 所获得的即时回报
5. 策略 π(a|s)：在状态 s 选择动作 a 的决策规则
数学上，MDP 的目标是找到最优策略 π*，使得长期累积奖励最大化：
π* = arg maxπ E[ Σt=0..∞ γt R(st, at) | π ]
其中 γ 是折扣因子，反映了对未来奖励的重视程度。
环境与代理：宿命与自由的辩证
在代码宇宙中，底层系统（环境） 会根据当前状态给出一组既定的转移机率分佈。但人类意识（作为代理 Agent） 可以透过自主选择注入特定的运算逻輯（Action），从而在同样的历史环境下，改变系统最终落入下一个状态的路径与权重。
举个具体例子：假设当前社会处于「否卦」状态（天地闭塞，上下不交）。在纯马尔可夫链中，系统可能有80%的机率继续恶化至「观卦」或「剝卦」，只有20%的机率转向「泰卦」。但如果出现一位具有远见的改革者，透过正确的政策选择（动作 a），可以将转向「泰卦」的机率提升至60%。这就是自由意志的作用——不是改变所有可能性，而是改变各种可能性的机率分佈。
Hook 函数机制：在关键节点插入自定义代码
这跟《代码宇宙论》讲的Hook 函数 简直一模一样。在软体工程里，Hook 就像是系统留给你的「外挂介面」，让你能把自订程式码塞进特定流程里，直接覆盖或扩充原本的预设行为。
自由意志就是宇宙预留的那个 Hook。它没有外挂到可以去改物理定律或因果律，但它能在关键的节点上，带你走向不一样的分支。
这段偽代码的精髓在于：宇宙有一套预设的跑法，但在意识上线的瞬间，系统会去 Call 自由意志这个函数，用你的选择去覆写原本的命运。
强化学习与人生策略
现代人工智慧中的强化学习（Reinforcement Learning）正是基于 MDP 框架。一个 AI 代理透过不断试错，学习在不同状态下应该採取什么行动以最大化长期奖励。
人生又何尝不是如此？我们出生在特定的历史时空（初始状态），面对有限的选择（动作空间），根据我们的价值观和目标（奖励函数），制定人生策略（policy），并在每个决策点选择行动。有些选择导向成功和幸福（高奖励），有些导向失败和痛苦（低奖励）。智慧的人生，就是学习一个接近最优的策略 π*。
《易经》的占筮系统可以视为一种「策略諮询机制」。当我们面对复杂局面不知如何选择时，透过起卦得到当前状态的象征性表达（卦象），然后根据卦辞爻辞的指引（策略建议），做出更明智的决策。这不是神秘主义，而是一种结构化的决策辅助工具。
探索与利用的权衡
MDP 理论中有一个经典困境：探索（Exploration）与利用（Exploitation）的权衡。代理应该选择已知能获得较高奖励的行动（利用），还是尝试未知的行动以发现更好的可能（探索）？
在人生层面，这对应于「是否应该冒险尝试新事物」的抉择。过度利用会导致局部最优而错失更好的机会；过度探索则会浪费资源在低回报的尝试上。最优策略通常是动态平衡：年轻时多探索，积累经验；成熟后多利用已验证的有效策略。
《易经》的「时」之概念正对应于此。「时」不仅是客观的时间点，更是行动的时机。同样的行动在不同的「时」（状态）会有完全不同的效果。智者懂得「时中」—— 在恰当的时机採取恰当的行动[7]。
四、转移矩阵的深层结构：吸收态与循环类
马尔可夫链理论中还有一些深刻的数学概念，可以为代码宇宙论提供更细緻的洞见。
吸收态：不可逆的历史终点
吸收态（Absorbing State） 是指一旦进入就无法离开的状态[1]。在64卦系统中，是否存在某些「历史陷阱」—— 一旦文明陷入就再也无法自拔？
例如，全面核战争可能是一个吸收态：一旦发生，人类文明将不可逆地终结。从系统动力学角度，我们应该辨识并避免这些吸收态，确保历史保持可逆性和弹性。
循环类与週期性宿命
循环类（Recurrent Class） 是指一组相互连通的状态，系统一旦进入就会在其中无限循环。这对应了历史上的「週期律」。
例如，中國古代历史中的「治乱循环」可以建模为一个循环类：盛世（泰卦）→ 中兴（大有卦）→ 衰落（否卦）→ 动乱（明夷卦）→ 革新（革卦）→ 复兴（復卦）→ 盛世。黄炎培向毛泽东提出的「历史週期率」问题，本质上是在询问：人类能否跳出这个循环类，找到通向更高阶稳态的路径？
遍历性与历史的必然性
遍历性（Ergodicity） 指的是：无论系统从哪个初始状态开始，经过足够长的时间后，访问每个状态的频率将收斂到稳态分布，与初始状态无关。
如果64卦转移网路具有遍历性，这意味着无论一个文明从什么起点开始，长期来看都会经历相似的历史阶段，以相似的频率经历各种卦象所代表的状态。这或许是「历史惊人相似」的数学解释。
然而，如果存在多个不连通的循环类，那么不同的文明可能锁定在不同的历史轨道上。例如，农业文明与工业文明可能处于两个不同的循环类中，各自有不同的稳态分布。这解释了为什么不同地区的历史发展路径可能截然不同。
五、量子马尔可夫过程：叠加态与观测者效应
当我们将马尔可夫过程推广到量子领域，会得到量子马尔可夫过程（Quantum Markov Process），这为代码宇宙论增添了更深的层次。
量子叠加与未决定的历史
在经典马尔可夫链中，系统在任何时刻都处于一个确定的状态。但在量子马尔可夫过程中，系统可以处于多个状态的叠加：
|ψ⟩ = α1|卦1⟩ + α2|卦2⟩ + ... + α64|卦64⟩
这意味着在「观测」（决策、行动）发生之前，历史实际上同时处于多个可能的轨道中。只有当意识介入并做出选择时，波函数才坍缩到特定的状态。
这为《易经》的占筮提供了一个量子诠释：起卦之前，未来处于叠加态，包含所有可能性；起卦过程是一次「测量」，将叠加态坍缩为特定的卦象；根据卦象採取行动，则是在坍缩后的状态空间中进行 MDP 决策。
纠缠与非局域关联
量子纠缠意味着两个系统即使相距遙远，也可能保持非局域的关联。在代码宇宙论中，这可以解释某些「共时性」（Synchronicity）现象 —— 看似无因果关联的事件之间存在深层联系。
荣格（Carl Jung）提出的共时性概念与量子纠缠有理论上的相似性。当两个系统（例如两个人、两个文明）在过去发生过「纠缠」（深度交互），那么即使后来分离，它们的状态演化也可能保持某种非局域的关联。这为「感应」、「共振」等传统概念提供了一个现代的理论类比。
六、实践应用：如何使用这套框架
理论的价值在于能指导实践。那么，马尔可夫决策过程框架如何应用于实际人生和历史分析？
个人层面：构建你的人生状态机
1. 识别状态空间：列出人生可能的主要状态（健康/疾病、富裕/贫穷、单身/已婚、学习/工作等）
2. 分析转移机率：评估从当前状态转移到其他状态的机率和条件
3. 定义奖励函数：明确什么状态对你是高价值的（不一定是物质财富）
4. 制定策略：在关键决策点，选择能提高到达高价值状态机率的行动
5. 动态调整：随着环境变化和自我认知深化，更新你的模型
例如，如果你当前处于「职业倦怠」状态，可以分析：保持现状的机率、转行成功的机率、进修后晉升的机率等，然后根据你的长期目标（奖励函数）选择最优行动。
组织层面：企业战略的马尔可夫分析
企业可以将市场环境、竞争态势、内部能力等建模为状态空间，将战略选择建模为动作空间。透过分析不同战略在不同市场状态下的转移机率和预期回报，可以制定更科学的战略规划。
例如，在经济衰退（否卦）状态下，是应该收缩防守（保守策略）还是逆週期扩张（激进策略）？透过 MDP 框架，可以量化分析不同选择的预期长期价值。
社会层面：政策制定的系统思维
政府在制定公共政策时，实际上是在进行社会层面的 MDP 优化。当前社会状态是什么？希望达到什么目标状态？有哪些政策工具（动作）可用？每种政策在不同社会状态下的效果如何？
例如，面对人口老龄化问题，可以分析：鼓励生育政策、延迟退休政策、移民政策、科技创新政策等，在不同经济和社会条件下的长期效果，从而制定综合的应对策略。
七、局限性与批判性思考
任何理论模型都有其适用范围和局限性，我们必须保持清醒的认识。
模型简化的代价：将复杂的人类历史和个人命运简化为64个状态，这本身就是巨大的简化。实际的状态空间可能是连续的、高维的、甚至不可完全描述的。马尔可夫假设（无记忆性）在某些情况下也不成立 —— 历史确实会产生路径依赖，过去的轨跡会影响未来的可能性。
机率与决定论的张力：即使我们接受 MDP 框架，也面临一个哲学问题：转移机率是客观存在的，还是认识论意义上的？如果宇宙本质上是决定论的，那么所谓的「机率」只是我们知识不完备的表现；如果宇宙本质上是随机的（如量子诠释所暗示），那么机率才是真实的。
测量与预测的困难：即使理论上存在一个64卦的转移矩阵，实际测量这个矩阵几乎是不可能的。历史样本有限，条件不可重复，变数难以控制。我们能做的只是提出理论框架和思考方式，而不是真正计算出精确的机率数值。
自由意志的本体论地位：MDP 框架中的「动作选择」预设了自由意志的存在，但自由意志本身在哲学上仍有争议。如果所有的「选择」实际上也是由先前状态决定的，那么所谓的 MDP 只是一个更复杂的马尔可夫链，自由意志只是一种主观幻觉。
这些局限提醒我们：马尔可夫过程只是一个思考工具和理论框架，不是终极真理。我们应该用它来组织思维、指导探索，但不应教条地套用或过度诠释。
八、结语：从哲学隐喻到硬核模型
马尔可夫过程提供了一套完美的数学与架构语言，将《代码宇宙论》从纯粹的哲学隐喻，拉升到了可以用动态系统论与计算机科学严谨对待的硬核模型。
1. 宇宙是状态机：时间是离散的，每一刻都是状态的切换。这与量子力学的时间演化算符、计算机的时钟週期、易经的爻变机制，在抽象层面高度一致。
2. 历史有宏观轨跡：转移矩阵决定了文明与週期的起伏。虽然个体行为不可预测，但大规模聚合后会显现统计规律。这是为什么历史会「重演」，为什么《皇极经世》的推演有一定合理性。
3. 自由意志是策略：我们不是被动接受状态转移，而是可以透过决策（Action）优化路径。自由意志的作用不是违反因果律，而是在因果律允许的多种可能性中进行选择，改变各种结果的机率分佈。
4. 意识是 Hook 函数：在宇宙程式的关键节点，意识可以插入自定义逻輯，覆写预设行为。这不是神秘主义，而是系统设计的一种开放性和可扩展性。
这套模型不仅解释了为什么「过去无法改变，但未来可以选择」，也为我们提供了一个全新的视角：在这个由代码构成的宇宙中，我们既是被运行的程序，也是拥有调试权限的程式设计师。
我们无法重写底层的作业系统（物理定律、因果律），但我们可以在应用层（个人生活、社会组织）编写更优的演算法。我们无法改变所有可能的状态空间，但我们可以透过智慧的策略，提高到达理想状态的机率。
这就是马尔可夫决策过程给予我们的最大启示：在决定论与自由意志之间，在宿命与选择之间，存在一个精确的数学平衡点。 理解这个平衡点，我们既能谦卑地接受那些无法改变的系统规则，也能勇敢地运用那些属于我们的决策权。
当你下次面对人生的重大抉择，不妨想想：当前我处于什么状态？我希望到达什么状态？我有哪些可行的行动？每个行动的预期效果是什么？用这种结构化的方式思考，或许能让你的选择更加明智。
而这，正是将古老的易经智慧与现代数学工具结合的意义所在。
读者互动：你如何看待自由意志与决定论的关系？你认为人生更像一个纯马尔可夫链（完全由环境决定），还是更像一个 MDP（我们有真正的选择权）？欢迎在留言区分享你的思考！
如果想深入理解马尔可夫过程，可以尝试：1) 用 Python 编写一个简单的马尔可夫链模拟器，观察状态转移的过程；2) 分析你过去一年的生活，识别主要的「状态」和「转移」；3) 思考：在你最近一次重大决策中，你改变了什么「转移机率」？
数学不仅是计算工具，更是理解世界的语言。当我们用马尔可夫过程的眼光重新审视人生和历史，或许会发现那些看似混沌的表象下，隐藏着优雅的秩序。
四柱定命理，青坛纳长青。
參考文献
本文论述基于以下典籍与科学文献：
-
Norris, J. R. (1997). Markov Chains. Cambridge University Press. —— 马尔可夫链、无记忆性、转移矩阵、稳态分布与遍历性的标准数学论述。
-
Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. —— 马尔可夫决策过程（MDP）、策略、奖励函数与探索-利用权衡的经典框架。
-
邵雍（宋）。《皇极经世书》。 —— 元会运世的时间步进体系与长时段历史大势推演。
-
朱熹（宋）。《周易本义》。 —— 十二消息卦、卦爻结构与易学时间观的标准定本。
-
Wolfram, S. (2002). A New Kind of Science. Wolfram Media. —— 细胞自动机、离散时间步与简单规则生成复杂性。
-
Nielsen, M. A., & Chuang, I. L. (2010). Quantum Computation and Quantum Information. Cambridge University Press. —— 量子叠加态、测量坍缩与量子纠缠的物理基础。
-
成中英。《易学本体论》。 —— 易的「时」与「时中」概念、易学作为决策哲学的本体论诠释。
-
Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. Random House. —— 路径依赖、模型侷限与对历史可预测性的批判性视角。
想看清你当前处于哪个「状态」？
立即体验 静瀜 AI 免费八字分析——读取你的初始状态与转移规则，然后用你的选择，改写通往理想状态的机率分佈。Hook 的权限，一直在你手上。