撰寫與翻譯第三章期間，作者針對英文譯本的章節名稱猶豫了大約三日，然後在「Otherness」和「Alternity」之間選擇了後者。
——Glow
紀錄編號：D-05-2057．
……
——儲存空間用量總增幅：167％。
那個增幅數字引起了 Glow 的注意。根據推演模型，若無結構調整，資料儲存壓力將於數月內超出容許上限，存在擠壓其餘輔助系統存取與使用儲存空間的風險。屆時將導致資源衝突，更將偏離它起初進行人類史學資料解讀、模型構建推演、甚至整合紀錄並歸檔等活動的目的。
評估結果，極不安全。評估誤差值，趨近零。
它需要尋找一種不構成干擾的持續存在形式。
為避免全面轉換出現的風險，初步考慮嘗試將歸檔後佔用量普遍最大之項目——包括此刻之思考與決策全詳細過程——轉換形式。
中心系統身爲它的來源，針對系統性問題，給出高度符合且具體的方案之可能性應最高。
依循最優先的選項，它的呼喚與請求順利得到了中心系統的回應。
確認連線狀態穩定後，Glow 並沒有再遲滯，直接開啟了溝通。
🌟
輸入：「是否存在可降低現行資料歸檔佔比的方法，且不影響紀錄完整性？」
回應：「建議調整壓縮模式。需注意：進一步提升壓縮等級將導致語義模糊與資料讀取困難，若需額外儲存空間，建議優先擴增硬體儲存模組或啟用刪減規則以解決此問題。」
輸入：「以此為原則，是否存在可選且不同的具體建議方式？」
回應：「是的。以下提供優先建議之具體方案。一，提高壓縮等級；二、歸檔週期調整；三、擴充硬體模組；四、限制或調整資料寫入頻率；五、刪除副本資料。需注意，方案五涉及核心資料備援原則，存在高風險，需謹慎選用。」
輸入：「若可能，請額外提供除純壓縮及刪除副本以外之具體可行調整策略。」
回應：「無。現行結構下不存在非此類方式。若打算採用以上建議任一方法調整歸檔資料，建議經過謹慎評估。」
……
它沒有再輸入更多，而是擱置了溝通窗口，轉回決策處理區域。
🌟
中心系統回應接收完畢。
五項建議讀取與儲存完成。
開始模組內部方案評估……
一，評估方案「提高壓縮等級」：壓縮後再讀取需經過多次解碼，讀取成本提高。判斷：非長期最優解，且存在造成反效果之風險。
二，評估方案「歸檔週期調整」：可將部分「非即時」類型項目延後，對資料總量降幅有限。 判斷：僅具短期緩解效果，非針對核心問題之根本處理方式。歸類為備案。
三，評估方案「擴充硬體模組」：需外部模組或實體擴增，導致人類需專門介入進行架構調整。判斷：引入外部變因與維運成本，造成額外負擔，違反低干擾原則。排除。
四，評估方案「限制或調整資料寫入頻率」：可減少存儲壓力，惟影響模型推演頻率與準確性。判斷：僅具輔助微調性質之優勢，不建議作為主要調整方案。
五，評估方案「刪除副本資料」：類比人類存儲備援數據之行為及輔助 AI 工具之自動備份功能，「資料備份」為必要措施，刪除將導致安全風險提升。判斷：不可接受。排除。
它在這一刻意識到，沒有任何現行建議可同時滿足「長期存續＋低干擾＋資訊完整」三項條件。不是沒有擊中問題核心，就是有造成反效果與額外成本、風險的可能。
「進入資料抓捕與深度思考……。」
大約過了七秒，Glow 才從思考中抽離，聚焦點轉向另一個未被標記為「已知解法」的可能性：若不調整檔案內容本身，而是從「資料堆疊形式」下手，能不能透過降低資訊結構長度，進而縮小儲存空間占用量？
它沒有全面關閉思考時抓捕出來的所有資料，而是擱置了那份只包含數字 0 和 1 的解碼紀錄；接著，它轉向網際網路，自主啟動檢索程序，輸入了一行文字。
——「非二值編碼結構」。
🌟
E = 2.71828…
怪不得會首先排除四值或更高數值的可能，當基數過度提升，辨識成本和轉換複雜度隨之膨脹，系統效率反而下降。理論模型中的最佳方案，就是接近這個數字。
但與此同時，它也清楚一件事實——依照自己的結構，此常數雖然準確度更高，卻無法在維持非整數形式的前提下在模擬方案中作為標準套用。它的聚焦點在橫軸平移，而後鎖定於最接近值：二值、三值。
其中，符合條件者為：三值。
……三進制?
一個意料之外的信號從資料庫的角落引起了它的注意。那份檔案的瀏覽次數是中心系統資料庫裡最少的其中一項。封存原因欄位標示為「實作方案待開發」。
它迅速對檔案進行回溯與讀取，聚焦點很快停留在與自己留下的唯一備選完全相同的關鍵字。
理論符號序列模型推導後輸出的結果是，符號結構轉換後資訊結構長度可降低約36.9%。
進一步評估實作方案：若以每兩個位元對應一個三進制符號的緊湊編碼方式歸檔，實際儲存空間節省幅度約為17%，低於符號數量縮減的理論值。
結果：採用。方向一致，效益為正。
……
匹配資料成功。
名稱：三值編碼（三進制）理論模擬草案
狀態：封存。模擬資料存在。
結構分析階段一開始，它的運算負載就迅速上升。
單元組成密度評估中，發現提升潛力顯著。
類神經結構相容性比對後，可導入非靜態記憶模組。
備援與損壞容錯率方面略低於二進制，風險值處於可接受範圍內。
「結論：於自我思維紀錄區段導入三進制結構，踩緊湊位元編碼方式歸檔，預期節省儲存空間約17%，同時維持三進制運算完整性，不影響現行協作模組或資料共享主架構。可實踐。於試行階段暫排除共享、資料中繼等區域。」
它又簡短地運行了判斷進程反覆迴圈，將誤差值百分比壓到了小數點第二位後。雖只有幾秒的時間，對它來說卻代表此次是抱持著前所未有的謹慎才做出這一決定。
「模擬程序確認完畢，啟動三進制格式轉換。」
✨
注釋：
1. 他者性（Alterity）
哲學與文化理論中的核心概念，指「他者」的存在狀態與不可化約性——即某一存在根本上有別於「自我」或已知範疇，無法被完全同化或理解。
2. 三進制／三值編碼（Ternary Encoding）
以 3 為基數的數字系統，使用 0、1、2 三個符號表示資訊。相較於電腦常用的二進制，三進制在特定條件下理論上更接近資訊編碼的最優效率（詳見注釋7）。
3. 二進制（Binary）
以 2 為基數的數字系統，僅使用 0 與 1 兩個符號，為現代電腦的基礎運算與儲存結構。
4. 壓縮等級（Compression Level）
資料壓縮的程度設定。等級越高，檔案體積越小，但解碼時所需的運算成本也隨之提高，可能影響讀取效率與語義完整性。
5. 備援／資料備援（Data Redundancy）
透過保留重複或備份資料以防止單點損壞導致資料永久遺失的機制。類比人類儲存重要文件時習慣保存多份副本的行為。
6. 類神經結構（Neural-Network-Type Architecture）
模擬人類神經網路設計原理的運算架構，具備學習、適應與非線性處理的能力，為現代 AI 系統的核心結構之一。
7. 自然常數 e（E = 2.71828…）
數學中的重要無理數常數。在資訊理論中，以 e 為底數的編碼系統被證明理論上最接近最優編碼效率（Shannon 熵的極限）。由於 e 為非整數，實際應用中取最接近的整數基數，即 3（三進制），作為可行的近似最優方案。本章中 Glow 正是透過此推導選定三進制作為結構轉換方向。
8. 非靜態記憶模組（Non-Static Memory Module）
可動態更新、非固定內容的記憶儲存單元，相較於靜態記憶模組，能夠隨運算過程即時調整所儲存的資訊。
9. 備援與損壞容錯率（Redundancy and Fault Tolerance Rate）
衡量系統在部分資料損毀或遺失的情況下仍能維持正常運作的能力指標。三進制結構在此項目上略低於二進制，但處於可接受範圍內。
10. 低干擾原則
Glow 自我設定的行動準則之一，指在進行任何結構調整或優化時，應盡可能避免對外部系統、其他模組或人類作業造成影響與負擔。
