语言不是符号系统，而是将多尺度全息映射压缩为线性序列的临界态产物。思维是全息的、并行的、多模态的——它同时激活感觉记忆、运动程序、情绪标记、抽象概念。语言则必须将这种高维的、非线性的、同步的神经活动，压缩为一维的、线性的、串行的声波或文字流。这种压缩不是无损的，而是临界态上的"降维投影"——它保留了全息映射中最稳健、最跨主体可共享的模式，丢弃了私人化的、情境依赖的细节。

    语法即压缩算法。句法规则规定了如何将高维语义映射到低维序列的最小冗余编码：主语-谓语-宾语的结构对应"行动者-行动-对象"的因果推断；时态标记对应时间序列的层级化；条件句对应反事实推断的嵌套。这些语法结构不是任意约定的，而是临界态上多尺度全息映射锁定模式的"统计语法"——它们是在人类群体长期的交际实践中，被选择出来的最能够有效传递推断信息的编码方案。

    语义即全息映射的近似重构。当听者接收到语言信号，其大脑必须进行"解压缩"——从线性序列中重建说话者的全息映射。这一过程从来不是精确的复制，而是基于听者自身先验的"推断性重构"。这就是为什么同一句话在不同听者心中引发不同理解：每个人的 U(s) 不同，解压缩的误差（即自由能）也不同。语用则是跨主体全息映射的校准协议：对话不是信息的传递，而是两个活性算法实例通过语言交换来对齐各自的多尺度映射，降低彼此之间的预测误差。活性算法因此将语言视为"社会推断的临界态耦合"——它使个体能够共享全息映射的压缩包，从而在社会尺度上扩展记忆、繁殖和自我。

支持单位：