被我們感覺到。
按照曆史顆粒的粗細，我們可以創建一棵“曆史樹”。還是拿我們的量子聯賽來說，一個球隊在聯賽中的曆史，最粗可以分到什麼程度呢？也許我們可以把它僅僅分成兩種：“得到聯賽冠軍”和“沒有得到聯賽冠軍”。在這個極粗的層麵上，我們隻具體關心有否獲得冠軍，別的一概不理，它們都將在計算中被加遍。但是我們也可以繼續“精確”下去，比如在“得到冠軍”這個分支上，還可以繼續按照勝率再區分成“奪冠並且勝率超過50％”和“奪冠但勝率不超過50％”兩個分支。類似地我們可以一直分下去，具體到總共獲勝了幾場，具體到每場的勝負……一直具體到每場的詳細比分為止。當然在現實中我們仍可以繼續“精粒化”，具體到誰進了球，球場來了多少觀眾，其中多少人穿了紅衣服，球場一共長了幾根草之類。但在這裏我們假設，一場球最詳細的信息就是具體的比分，沒有更加詳細的了。這樣一來，我們的曆史樹分到具體的比分就無法再繼續分下去，這最底下的一層就是“樹葉”，也稱為“最精粒曆史”（maximally
fine-grainedhistories）。
對於兩片樹葉來講，它們通常是互相相幹的。我們無法明確地區分1:0獲勝和2:0獲勝這兩種曆史，因此也無法用傳統的概率去計算它們。但我們可以通過適當的粗粒化來構建符合常識的那些曆史，比如我們可以區分“勝”，“平”和“負”這三大類曆史，因為它們之間已經失去了幹涉，退相幹了。如此一來，我們就可以用傳統的經典概率來計算這些曆史，這就形成了“一族”退相幹曆史（adecoherentfamilyofhistories），隻有在同一族裏，我們才能運用通常的理性邏輯來處理它們之間的概率關係。有的時候，我們也不說“退相幹”，而把它叫做“一致曆史”（consistenthistories），DH的創建人之一格裏菲斯就愛用這個詞，因此“退相幹曆史”也常常被稱為“一致曆史”解釋，更加通俗一點，也可以稱為“多曆史”（manyhistories）理論。
一般來說，在曆史樹上越接近根部（往上），粗粒化就越厲害，其幹涉也就越小。當然，並非所有的粗粒曆史之間都沒有幹涉，可以被賦予傳統概率，具體地要符合某種“一致條件”（consistencycondition），而這些條件可以由數學嚴格地推導出來。
現在讓我們考慮薛定諤貓的情況：當那個決定命運的原子衰變時，就這個原子本身來說，它的確經曆著衰變/不衰變兩種可能的精粒曆史。原子本身隻是單個粒子，我們忽略的東西並不多。但一旦貓被拖入這個劇情之中，我們的曆史劇本換成了貓死/貓活兩種，情況就不同了！無論是“貓死”還是“貓活”都是非常模糊的陳述，描述一隻貓具體要用到10^27個粒子，當我們說“貓活”的時候，我們忽略了這隻貓與外界的一切作用，比如它如何呼吸，如何與外界進行物質和能量交換……等等。就算是“貓死”，它身上的n個粒子也仍然要和外界發生相互作用。換句話說，“貓活”和“貓死”其實是兩大類曆史的總和，就像“勝”是“1:0”，“2:0”，“2:1”……等曆史的總和一樣。當我們計算“貓死”和“貓活”之間的幹涉時，我們其實窮盡了這兩大類曆史下的每一對精粒曆史之間的幹涉，而它們絕大多數都最終抵消掉了。“貓死”和“貓活”之間那千絲萬縷的聯係於是被切斷，它們退相幹，最終隻有其中的一個真正發生！如果從密度矩陣的角度來看問題，則其表現為除了矩陣對角線上的那些經典概率之外，別的幹涉項都迅速消減為0：矩陣“對角化”了！而這裏麵既沒有自發的隨機定域，也沒有外部的“觀測者”，更沒有看不見的隱變量！