Erik Hoel的因果涌现理论提出了一个挑战还原论的核心命题：在某些条件下，宏观层面的描述可以比微观层面的描述具有更强的因果力。这意味着，"整体大于部分之和"不仅是一个修辞性的表达，而是一个可以用信息论严格量化的物理事实。因果涌现的度量——有效信息（Effective Information, EI）——衡量了一个系统在特定尺度上的因果确定性：EI越高，该尺度的因果力越强。

    活性算法将因果涌现纳入其核心框架，并进一步指出：临界态正是因果涌现的物理温床。在亚临界区，系统过于有序，微观与宏观之间呈简单的线性叠加关系，宏观没有独立的因果力；在超临界区，系统过于混沌，微观涨落淹没了任何宏观模式，因果力分散在无数不可预测的微观轨迹中。只有在临界态上，微观自由度通过长程关联形成集体模式，这些模式既具有稳定性（能够抵抗微小扰动），又具有灵活性（能够在不同状态间跃迁），从而展现出超越微观还原论的宏观因果力。

    从活性算法的角度看，因果涌现解决了"谁在推断"的本体论问题。如果智能仅仅是微观粒子运动的副产品，那么推断就只是一个描述性的隐喻，没有独立的物理实在性。但如果宏观结构本身具有因果力——如果神经网络的状态、基因调控的模式、社会制度的框架——能够真正地"做功"、能够改变微观轨迹的概率分布，那么推断就是一个物理过程，而不仅仅是计算模拟。临界态上的因果涌现，使得"模型"不再是对世界的被动映射，而是对世界主动施加影响的因果实体。活性算法中的世界模型 U(s) ，正是这样一种具有因果涌现力的宏观结构：它通过约束微观自由度的演化，实现了跨尺度的预测与控制。

支持单位：