语义和语法：范畴概率论的历史、现状和未来

如果让一个学概率论的学生形容「概率是什么」，他大概率会说：样本空间、σ 代数、测度、积分、条件期望。这是 Kolmogorov 在 1933 年定下的地基。

但如果让一个范畴论者说同样的话，他可能会画一张图：对象是系统，箭头是随机映射，复制和丢弃表示采样与边际化，一根线分叉表示「把这个变量复印一份再条件化」。

这两种说法不是同一门学科的两种口音。它们是两条并行的纲领，从不同的入口出发，走向各自的顶峰：

• 语义纲领：从「概率到底是什么」出发，把测度、分布、条件结构一步步范畴化，追问概率对象的内部组织方式。

• 语法纲领：从「概率推理怎么形式化」出发，先立公理，再把具体模型当实例，目标是建立不依赖具体测度的综合概率论。

到 2026 年，范畴概率论最有趣的事，不是「它已经统一了」，而是两条路线各自走到了对方门口，却还没有真正接上。

一、语义纲领：从 Kolmogorov 的测度，到多体因子化的代数

Kolmogorov 的公理系统回答的是：概率怎样成为一门分析学。概率空间、随机变量、条件期望，全都有明确定义。

范畴论进来，做的第一件事不是推翻它，而是翻译它。

1962 年，Lawvere 在一份后来才广为人知的手稿 The Category of Probabilistic Mappings 里，已经把「随机映射」当成范畴箭头来用：对象是可测空间，态射是从 X 到 Y 的 Markov kernel，复合就是核的积分。

1982 年，Giry 把这件事做成单子（monad）：在可测空间范畴上，构造出把每个空间 X 送到「X 上的概率测度空间」的函子，再配上单位和乘法。这个 Giry monad​ 的 Kleisli 范畴，就是随机映射的范畴 Stoch。从此，「先采样、再随机变换、再采样」不再是概率课本里的口头规则，而是范畴里的箭头复合。

后来人继续补砖：

• Leinster 把有限集上的离散概率写成 operad：单纯形 $\Delta_{n-1}$ 是操作空间，混合和熵的链规则有了组合结构。

• Panangaden 把 Markov kernel 介绍给计算机科学家，概率程序、标注迁移系统、bisimulation 开始和范畴概率接轨。

• 再到 DisCo 代数：不再满足于「一个变量随机变成另一个变量」，而是问——100 个变量的联合分布，沿任意划分怎么拆？哪块是骨架，哪块是纤维，压掉块内信息后丢的是什么依赖，拼回去和原分布差多少？

DisCo 的思路可以一句话概括：

拆：沿任意划分把联合测度分成骨架（块间耦合）和纤维（块内条件测度）；

压：把块内信息压成不变量（联合 CDF、条件分位数、块内熵）；

拼：用 operad / cooperad 式组合把局部零件焊回全局，并用条件 KL 记账。

到这一步，语义纲领已经把多体联合概率的内部组织说得相当完整。从测度论出发，经过范畴翻译，最终抵达了一个能处理任意变量组、任意划分、带信息度量的代数架构。它不缺内容，缺的是：把这些内容再从具体测度空间里抽出来，变成不依赖 Lebesgue 积分的公理。

二、语法纲领：综合概率论，从推理规则出发

语法纲领不关心你背后是不是测度空间。它问的是：

如果我只承认「随机映射」和「复制/丢弃/条件化」这几条规则，概率论里哪些定理还能证？

答案是：出乎意料地多。

Fritz 2020 年的 A synthetic approach to Markov kernels 把 Markov category​ 立成主轴：对象随便，态射是随机映射；copy–discard 结构用来表达采样与边际化；条件化、几乎必然相等、交换子结构用来表达条件独立、贝叶斯逆、充分统计量。

在这个框架里：

• de Finetti 定理可以不用测度论证明；

• Kolmogorov / Hewitt–Savage 零一律有范畴版本；

• d-separation 可以用 string diagram 的图论条件重写；

• 充分统计量、Blackwell 定理、遍历分解，也都能在「不碰 Radon–Nikodym 导数」的情况下被形式化。

更妙的是 string diagram：一个联合分布就是一根多端电线，边际化就是剪掉一根线，条件化就是在线中间插一个盒子。概率推理变成了连图和拆图。

语法纲领的顶峰是综合概率论——一个不预设测度空间的统一框架，在这个框架下，Kolmogorov 概率论、量子概率、imprecise probability 都只是它的模型（model），而不是它的定义。

综合概率论的优势是根本性的：

• 不绑定具体空间，一个定理证一次，多个领域自动成立；

• 和概率编程、机器学习、形式验证天然亲近；

• string diagram 让推理规则可视化，复合即连线。

但它有一个明确的缺口：缺乏粗粒化与「拆—压—拼」的公理化。

语法纲领目前能流畅处理的是单体生成、双体条件化、树状推理——「A 影响 B，B 影响 C」这类结构。它可以说「这里有一个态射 $I \to X\otimes Y\otimes Z$」，却不容易原生表达：

• 沿任意划分把变量组拆成骨架与纤维；

• 块内压缩后保留最小足够统计量；

• 非独立块之间的残余耦合；

• 拼回去之后的条件 KL 残差。

用大白话说：综合概率论能说「一个变量怎么变成另一个变量」，还不擅长说「一群变量怎么被切分、压缩、重装，并量化每一步的信息损失」。

三、两条平行路线，各自从具体走向抽象

语义纲领和语法纲领不是上下级关系。它们是两个平行的纲领，从不同的起点出发，都在做同一件事：把概率论从具体走向抽象。

	语义纲领	语法纲领
起点	测度、联合分布、条件核	随机映射、条件化、推理规则
问什么	概率对象内部怎么组织	概率推理怎么被公理化
强项	多体因子化、条件结构、信息度量	单体/双体推理、图式证明、跨模型通用性
顶峰	DisCo 代数：拆—压—拼的完整语义	综合概率论：不预设测度的统一语法
代表	Lawvere, Giry, Leinster, DisCo	Fritz, Perrone, Cho–Jacobs

语义纲领手里有多体因子化的完整内容——拆解、压缩、条件结构、拼合、KL 残差，在测度论层面已经说得清楚。

语法纲领手里有综合框架的望远镜——string diagram、几乎必然等式、不绑定模型的证明力。但望远镜里还没有装上「多体因子化」的镜片。

四、瓶颈：高维概率的真正难题

低维时代，几个变量、一张 DAG、一张联合表就够了。高维时代不一样：

• 单细胞数据：几万基因、百万细胞；

• 大模型：几万 token 的联合分布根本写不下；

• 扩散模型：连续噪声尺度上的无穷维纤维；

• 电网、交通、多智能体：变量既多又互相条件依赖。

这时真正的问题从来不是「怎么定义一个概率空间」，而是：

1. 100 个变量按哪种划分拆最省信息？

2. 哪部分是块间骨架，哪部分是块内纤维？

3. 压掉块内信息后，丢的是哪种依赖？

4. 近似分布和真分布差多少，用条件 KL 怎么记账？

DisCo 在语义层已经处理这些事。综合概率论在语法层还没有把它们变成一等公民。

这就是 2026 年范畴概率论的中枢瓶颈：

综合概率论要成为真正的「综合」，不能只覆盖「一个变量怎么变成另一个变量」。它必须覆盖「一群变量怎么被切分、压缩、重装」——也就是粗粒化与拆—压—拼的公理化。

五、合流：下一步是把语义内容翻译成语法原语

未来不会是某一派吞掉另一派。更可能的路线是：

1. 把「划分」变成语法原语

用彩色 operad 或 hypergraph category 表达「哪些变量属于同一块」。平面 string diagram 适合树，hypergraph 适合块。这样「非独立多体结构」不再是临时技巧，而是图语言本身。

2. 把 KL 残差变成 2-层结构

0-胞腔是对象，1-胞腔是随机映射，2-胞腔是两个核之间的近似程度。拼装时的信息损失不再是外挂的实值函数，而是范畴里的「方向」和「距离」。

3. 把期望、方差、条件期望补进 Markov category

语法纲领过去能说独立、条件化、充分统计，却不太能原生说「期望是多少」。近年已有工作用 presheaf 在 Markov category 上定义「函数」和「期望」，这是把信息度量接进综合框架的必要一步。

4. 分层公理

• L0：Markov category 基础，覆盖单体/双体推理；

• L1：多体因子化公理，覆盖划分、骨架、纤维——把 DisCo 的「拆」变成语法原语；

• L2：压缩度量公理，覆盖条件 KL、信息瓶颈——把「压」和「拼」的信息账本接进来；

• L3：正则性公理，覆盖 Polish space、Giry monad、正则条件概率。

这样，有限集上的学生、做机器学习的工程师、做测度论的专家，可以各取一层，而不会在错误模型里推出假定理。

六、一句话看未来

Kolmogorov 给了地基：概率是测度。

Lawvere–Giry 把概率变成范畴对象：随机映射是箭头。

Leinster 把单体混合写成 operad。

DisCo 把多体因子化写成代数：拆得开、压得准、拼得回。

Fritz–Perrone 把概率推理写成语法，目标是综合概率论。

到 2026 年，位置已经很清楚：

语义纲领把多体因子化的内容说清楚了。语法纲领的综合概率论已经成型，但还缺粗粒化与「拆—压—拼」的公理化。

下一阶段的核心工作，不是再发明一个新框架，而是做一道接口：

把 DisCo 的「拆得开、压得准、拼得回」，翻译成综合概率论的语法原语。

谁先把这道接口做出来，谁就站在范畴概率论的下一道门槛上——

那时我们才可能真正说：概率论不只有 Kolmogorov 的测度地基，也有自己的「综合语言」。

转载本文请联系原作者获取授权，同时请注明本文来自鲁学星科学网博客。
链接地址：https://blog.sciencenet.cn/blog-3582667-1556058.html

上一篇：从 Sklar 到 DisCo：让联合概率的”拆”和”拼”成为代数
下一篇：通往因果凝聚的四条路线

欢迎参加科学网十佳博文评选活动！

主办单位：    支持单位：