基于五维数学，本文将偶然性定义为估计协同系数ˆκ与实际值κ_act之间的显著偏差（偏差程度∆κ=|κ_act−ˆκ|/ˆκ）。区分了两种类型：负偏差（高估计，低实现）和正偏差（低估计，高实现）。我们证明了κ_act的长期下降等价于熵的增加，且偶然性的概率与κ_act低于临界阈值正相关。以挑战者号灾难、罕见输入下的人工智能误判以及一座老桥意外稳定为例，展示了该框架的定量能力。随后，我们将其扩展到通过κ守护机制实现的人工智能安全治理。最后，我们讨论宇宙大爆炸作为原初偶然事件的意义。本研究将偶然性从哲学猜想转化为可计算的偏差指标，为系统科学、工程可靠性及人工智能安全提供了统一的认知论和工具论基础。
赵桂如（星期二，）研究了该问题。