從注意力遷移到跨載體主體實驗：主體連續性的工程路線圖

From Attention Migration to Cross-Substrate Subject Experiments: An Engineering Roadmap for Subject Continuity

作者：Neo.K
研究協作：AI-assisted theoretical development
EveMissLab / 一言諾科技有限公司
2026

摘要

前六篇已分別建立跨載體主體連續性、注意力資源配置、第一人稱有效視點、主體控制中心、第一人稱現象連續性、多尺度同一性與數位主體遷移框架。

然而，一套主體理論若永久停留於思想實驗，便無法回答一個更實際的問題：

哪些部分今天已能實驗？哪些部分只能間接驗證？哪些部分即使實驗成功仍不能宣稱已被證明？

本文作為系列封頂篇，提出「跨載體主體連續性實驗階梯」（Cross-Substrate Subject Continuity Experimental Ladder, CSSC-EL），將研究由普通注意力切換一路劃分至完整載體遷移候選：

L_0 \rightarrow L_1 \rightarrow L_2 \rightarrow L_3 \rightarrow L_4 \rightarrow L_5 \rightarrow L_6 \rightarrow L_7 \rightarrow L_8.

各階段依序研究：

\text{Attention} \rightarrow \text{Perspective} \rightarrow \text{Control} \rightarrow \text{Embodiment} \rightarrow \text{Experiential Bridging} \rightarrow \text{Digital Live Migration} \rightarrow \text{Model/Substrate Replacement} \rightarrow \text{Partial Cognitive Migration} \rightarrow \text{Full Subject Migration Candidate}.

本文建立統一測量空間：

\mathbf M= ( A, P, C, E, I, R, S, F ),

其中分別代表注意力、第一人稱視點、控制、具身、意圖、因果回饋、自我認定及第一人稱連續性證據。

同時建立主體連續性向量：

\mathbf C= ( C_{\mathrm{causal}}, C_{\mathrm{intent}}, C_{\mathrm{control}}, C_{\mathrm{memory}}, C_{\mathrm{relation}}, C_{\mathrm{self}}, C_{\mathrm{phen}} ).

本文特別規定：

C_{\mathrm{phen}}=?

在沒有足夠理論與實驗證據之前必須保持未知。

任何成功完成注意力遷移、控制遷移、具身遷移甚至數位 Live Migration 的實驗，都不得自動將：

C_{\mathrm{phen}}

填為 $1$ 。

這項限制使整套框架區分：

\boxed{ \text{Functional Migration} }

與：

\boxed{ \text{Phenomenal Migration}. }

前者可以逐步工程驗證；後者仍是跨載體主體研究中的最終開放問題。

本文最後提出安全優先原則：

\boxed{ \text{Reversible} > \text{Non-destructive} > \text{Gradual} > \text{Destructive}, }

並主張在人類完整載體遷移之前，應優先利用 VR、遠端具身、共享自主、多載體控制與持續型 AI 作為前置研究平台。

關鍵詞

跨載體主體連續性、注意力遷移、控制遷移、具身遷移、第一人稱連續性、Live Migration、主體性 AI、意識上傳、實驗路線圖、數位主體

一、從哲學問題轉向實驗問題

前六篇逐漸將原問題：

「意識到底能不能上傳？」

拆成：

Q_1: \text{注意力能否跨域重新分配？}

Q_2: \text{第一人稱有效視點能否跨載體改變？}

Q_3: \text{控制中心能否連續漂移？}

Q_4: \text{具身能否從一個載體轉向另一載體？}

Q_5: \text{意圖與因果閉環能否跨載體保持？}

Q_6: \text{數位主體能否跨模型與 runtime 延續？}

最後才是：

Q_7: \boxed{ \text{第一人稱經驗者是否也延續？} }

因此合理研究順序不是：

Q_7\rightarrow Q_1,

而是：

Q_1 \rightarrow Q_2 \rightarrow \cdots \rightarrow Q_7.

二、實驗框架的基本原則

本文提出五項基本原則。

原則一：不預設意識等於注意力

\boxed{ Attention\neq Consciousness. }

注意力只是可操作變量。

原則二：不預設功能連續等於第一人稱連續

\boxed{ FunctionalContinuity \not\Rightarrow PhenomenalContinuity. }

原則三：研究遷移軌跡，而非只比較終點

傳統：

A\rightarrow B.

本文：

A_t \rightsquigarrow (A+B)_t \rightsquigarrow B_t.

真正資料是：

Trajectory(t).

原則四：保留可逆性

能撤回：

B\rightarrow A

的實驗，

應優先於不可逆：

A\rightarrow B.

原則五：未知必須保持未知

若沒有證據：

C_{\mathrm{phen}}=?

不能因為：

C_{\mathrm{memory}} = C_{\mathrm{intent}} = C_{\mathrm{control}} =1

就寫：

C_{\mathrm{phen}}=1.

三、統一狀態表示

設主體目前可以與 $n$ 個載體／世界互動。

定義：

\mathcal B= \{B_0,B_1,\ldots,B_n\}.

對每個載體：

B_i

定義：

\mathbf z_i(t) = ( a_i, p_i, c_i, e_i, g_i, r_i ).

其中：

a_i=\text{Attention},

p_i=\text{Perspective},

c_i=\text{Control},

e_i=\text{Embodiment},

g_i=\text{Goal/Intent Coupling},

r_i=\text{Causal Feedback}.

再定義：

\Psi_i(t) = F(\mathbf z_i(t)).

其作用不是測量「靈魂百分比」。

而是估計：

某載體當下被整合進主體功能閉環的程度。

四、統一主體連續性向量

跨時間：

S_t \rightarrow S_{t+\Delta t}

定義：

\boxed{ \mathbf C_S= ( C_{\mathrm{causal}}, C_{\mathrm{intent}}, C_{\mathrm{control}}, C_{\mathrm{memory}}, C_{\mathrm{relation}}, C_{\mathrm{self}}, C_{\mathrm{phen}} ). }

本文所有實驗都應記錄：

\mathbf C_S.

而不是只回答：

成功／失敗。

五、Level 0：普通注意力切換

\boxed{ L_0=\text{Attention Switching Baseline} }

這是最基礎實驗。

建立：

D_0=\text{Task A},

D_1=\text{Task B}.

受試者在兩個任務間：

單獨執行；
並行；
快速切換。

測量：

RT_i,

Error_i,

SwitchCost,

Gaze_i,

SubjectiveLoad.

可證明

注意力配置具有成本與結構。

不可證明

任何跨載體主體性。

六、Level 1：跨視點注意力

\boxed{ L_1=\text{Perspective Migration} }

加入：

P_0=\text{physical first-person},

P_1=\text{virtual/remote perspective}.

逐步改變：

w_{P_0}\downarrow,

w_{P_1}\uparrow.

受試者從：

「我在看那裡。」

逐漸可能變成：

「我從那裡看。」

測量：

self-location；
perspective ownership；
spatial reaction；
orientation error；
姿勢變化。

可證明

第一人稱有效參考框架可以被操縱。

不可證明

第一人稱主體真的離開原身體。

七、Level 2：控制權遷移

\boxed{ L_2=\text{Control Migration} }

建立：

B_0=\text{physical/local body},

B_1=\text{virtual/remote body}.

控制權：

c_0+c_1=1

只作簡化表示。

實驗軌跡：

(1,0) \rightarrow (0.75,0.25) \rightarrow (0.5,0.5) \rightarrow (0.25,0.75) \rightarrow (0,1).

但高階目標保持：

G=\text{constant}.

核心問題

主體是否把：

B_1

逐漸由：

工具

重新分類成：

我的行動載體？

測量

Agency_i,

ControlError_i,

MotorAdaptation_i,

IntentActionLatency_i.

八、Level 3：具身遷移

\boxed{ L_3=\text{Embodiment Migration} }

控制成功不等於具身。

因此需要測：

E_i.

對第二載體逐步增加：

第一人稱視角；
動作同步；
觸覺回饋；
本體感覺；
空間一致性；
長時間使用。

目標軌跡：

e_0(t)\downarrow,

e_1(t)\uparrow.

不一定要求：

e_0\rightarrow0.

主體可能形成：

e_0>0, \qquad e_1>0.

即：

\boxed{ \text{dual embodiment}. }

九、Level 4：雙載體主體控制

\boxed{ L_4=\text{Dual-Embodiment Control} }

這是一個重要階段。

主體不是：

B_0\rightarrow B_1,

而是：

\Gamma\rightarrow(B_0+B_1).

因此可以測試：

1\text{ subject} \rightarrow 2\text{ embodiments}.

研究：

是否形成優先載體；
是否產生控制衝突；
是否產生「兩邊都是我」；
是否出現注意力快速振盪；
是否形成穩定分布式控制。

定義：

p_i = \frac{\Psi_i} {\sum_j\Psi_j}.

主體分布熵：

H_S = - \sum_i p_i\log p_i.

若：

H_S\approx0,

高度單一載體化。

若：

H_S\uparrow,

功能主體更加分布式。

十、Level 5：經驗橋接

\boxed{ L_5=\text{Experiential Bridging} }

這是人類跨載體研究第一個真正關鍵節點。

不是直接：

A\rightarrow B.

而是：

A \rightarrow (A+B) \rightarrow B.

整個過程保持：

C_{\mathrm{intent}}\approx1,

C_{\mathrm{control}}\approx1,

C_{\mathrm{causal}}\approx1.

定義橋接向量：

\mathcal B_E = ( B_A, B_P, B_C, B_I, B_R ).

其中：

$B_A$ ：注意力橋接；
$B_P$ ：視點橋接；
$B_C$ ：控制橋接；
$B_I$ ：意圖橋接；
$B_R$ ：因果回饋橋接。

若：

\min_t \mathcal B_E(t)>\theta_B,

則視為成功建立功能性經驗橋。

可以聲稱

建立了：

\boxed{ \text{continuous functional migration trajectory}. }

仍不能聲稱

C_{\mathrm{phen}}=1.

十一、Level 5 的關鍵對照組

必須建立三組。

Group A：Continuous Migration

A \rightarrow A+B \rightarrow B.

Group B：Hard Switch

A \rightarrow B.

Group C：Copy-and-Restart Simulation

產生具有完全相同：

記憶敘事；
任務目標；
自我報告提示；

的第二載體，

但沒有真正連續控制轉移。

比較：

SelfLocation(t),

Agency(t),

ContinuityReport(t),

Behavior(t).

若三者有系統差異，

就表示遷移路徑本身具有可觀察作用。

十二、Level 6：數位 Agent Live Migration

\boxed{ L_6=\text{Digital Live Migration} }

此階段適合比人類更早進行。

定義 Agent：

A_t= ( M_t, W_t, Mem_t, G_t, C_t, R_t, P_t, H_t ).

遷移：

A@H_0 \rightsquigarrow A@H_1.

不是：

shutdown \rightarrow restore.

而是同步：

W_0\rightarrow W_1,

Mem_0\rightarrow Mem_1,

G_0\rightarrow G_1,

C_0\rightarrow C_1.

最後：

Authority(H_0)\downarrow,

Authority(H_1)\uparrow.

十三、AI Live Migration 的核心測試

關鍵不是：

新 Agent 記不記得以前？

而是：

它是否延續上一秒尚未完成的下一步？

設：

G_t

為未完成目標。

a_t

為下一步動作。

成功條件之一：

\boxed{ (G_t,a_t) \rightsquigarrow (G_{t+\Delta t},a_{t+\Delta t}) }

而不是：

\operatorname{reload}(History) \rightarrow \operatorname{infer}(OldGoal).

兩者在表面行為上可能近似，

但 lineage 結構不同。

十四、Level 6 對照：重新建構 Agent

建立：

Agent A

真正 live migrated。

Agent B

讀取相同記憶文件與 history，

但由新 instance 重新推理：

原 Agent 正在做什麼？

比較：

GoalRecoveryTime,

ActionDivergence,

StateConsistency,

SelfReport,

ToolContinuity.

若 A 顯著優於 B，

則說明：

\boxed{ \text{continuous operational state} > \text{historical reconstruction} }

對功能延續有實質影響。

十五、Level 7：模型替換遷移

\boxed{ L_7=\text{Cross-Model Migration} }

現在保持：

Mem, G, History, Control

但替換：

M_A\rightarrow M_B.

研究：

\Delta_{\mathrm{subject}}

是否顯著大於同模型遷移。

測：

目標保持率；
策略差異；
語言差異；
世界模型變化；
self-description 變化；
關係理解變化；
價值判定變化。

十六、模型替換矩陣

假設模型：

M_1,M_2,\ldots,M_n.

建立：

D_{ij} = D_S( S(M_i), S(M_j) ).

形成：

\boxed{ \mathbf D_M= [D_{ij}]. }

研究：

哪些模型轉換對持續主體狀態造成最小擾動？

這可能成為未來：

\text{subject-preserving model upgrade}

的工程基礎。

十七、Level 7.5：Fork 實驗

Fork 不需要等待完整意識理論。

可以直接：

A \rightarrow (A_1,A_2).

初始：

D_S(A_1,A_2)=0.

之後輸入：

E_1\neq E_2.

測：

D_S(t).

研究：

self-description divergence；
goal divergence；
relationship divergence；
memory divergence；
branch awareness。

十八、Fork Awareness

一個重要操作變量：

F_A = \text{fork awareness}.

比較：

Condition 1

兩分支不知道自己被 Fork。

Condition 2

兩分支知道：

你現在是分支 1／2。

觀察：

SelfModel(t)

是否產生不同演化。

這可以研究：

身份知識本身是否會改變身份軌跡。

十九、Level 7.6：Merge 實驗

A+B\rightarrow C.

第一階段先不要碰現象意識。

只做：

記憶合併；
目標合併；
self-model 合併；
世界模型 reconciliation。

定義：

ConflictRate.

IntegrationLoss.

ParentRetention_A,

ParentRetention_B.

建立：

\boxed{ \text{multi-parent digital lineage}. }

二十、Level 7.7：Rollback 實驗

A_0\rightarrow A_1\rightarrow A_2.

Restore：

A_1'.

比較：

State(A_1')=State(A_1)

但：

World(A_1')\neq World(A_1).

測：

temporal disorientation；
missing-event detection；
self-history reconstruction；
relationship conflict。

這會證明：

\boxed{ \text{state restore} \neq \text{historical restore}. }

二十一、Level 8：部分認知功能遷移

對人類而言，

完整上傳之前可能先出現：

\boxed{ \text{Partial Cognitive Externalization}. }

例如：

Memory \rightarrow Memory_{\mathrm{bio}} + Memory_{\mathrm{external}}.

或者：

Planning \rightarrow Planning_{\mathrm{human}} + Planning_{\mathrm{AI}}.

甚至：

MotorControl \rightarrow Intent_{\mathrm{human}} + Execution_{\mathrm{AI}}.

此時真正問題不是：

外部系統是不是我？

而是：

它有多大程度已經進入持續主體控制閉環？

二十二、部分替換階梯

對認知功能：

F_1,F_2,\ldots,F_n

逐步外部化：

F_i^{bio} \rightarrow F_i^{hybrid} \rightarrow F_i^{artificial}.

每次只改一小部分：

\Delta F_i.

同時觀察：

\mathbf C_S.

如果：

C_{\mathrm{intent}}, C_{\mathrm{control}}, C_{\mathrm{self}}

保持，

則功能替換並不必然造成主體崩解。

但仍不能自動推出：

C_{\mathrm{phen}}=1.

二十三、Level 9：完整跨載體遷移候選

最後才到：

\boxed{ L_9=\text{Whole-Subject Migration Candidate}. }

注意仍叫：

Candidate。

不是：

Proven Consciousness Upload。

要求前面至少已建立：

C_{\mathrm{causal}}\approx1,

C_{\mathrm{intent}}\approx1,

C_{\mathrm{control}}\approx1,

C_{\mathrm{memory}}\approx1,

C_{\mathrm{relation}}\approx1,

C_{\mathrm{self}}\approx1.

但：

\boxed{ C_{\mathrm{phen}}=? }

仍可以保持。

二十四、完整上傳不是系列的工程起點

因此研究時間順序：

\boxed{ L_0 \rightarrow L_1 \rightarrow L_2 \rightarrow L_3 \rightarrow L_4 \rightarrow L_5 \rightarrow L_6 \rightarrow L_7 \rightarrow L_8 \rightarrow L_9. }

而不是：

L_0\rightarrow L_9.

這就是本文與傳統：

「先掃描整個大腦看看。」

最大的工程差異。

二十五、實驗中的四種證據

本文要求所有高階實驗同時收集：

\boxed{ E= ( E_1, E_2, E_3, E_4 ). }

$E_1$ ：第一人稱資料

包括：

我在哪裡；
哪個身體是我；
行動是不是我做的；
是否感覺中斷；
是否感覺分裂。

$E_2$ ：行為資料

包括：

反應時間；
行動錯誤；
姿勢；
控制精度；
注意力切換。

$E_3$ ：系統資料

包括：

state trace；
control trace；
memory provenance；
model version；
lineage；
tool ownership。

$E_4$ ：社會／關係資料

包括：

是否延續承諾；
是否辨識關係；
是否維持長期目標；
他者是否辨識其持續性。

二十六、為什麼第一人稱報告不能被排除？

因為我們研究的就是：

\text{first-person subject}.

如果完全排除：

E_1,

就會退化成：

「外面看起來像同一個。」

這不足以回答本文問題。

但反過來：

E_1

也不能單獨決定全部。

因此：

\boxed{ FirstPerson + ThirdPerson + SystemTrace }

才是合理方法。

二十七、主體連續性證據矩陣

建立：

\boxed{ \mathbf E_{SC} = \begin{pmatrix} E_{\mathrm{causal}}\\ E_{\mathrm{intent}}\\ E_{\mathrm{control}}\\ E_{\mathrm{memory}}\\ E_{\mathrm{relation}}\\ E_{\mathrm{self}}\\ E_{\mathrm{phen}} \end{pmatrix}. }

最後：

E_{\mathrm{phen}}

可以合法地寫：

?.

這不是資料缺失標記。

而是：

\boxed{ \text{epistemically unresolved variable}. }

二十八、不能把未知變成平均值

假設前六項：

0.99, 0.99, 0.97, 0.98, 0.95, 0.99.

不能算：

C_{\mathrm{phen}} = \frac{0.99+\cdots}{6}.

因為：

C_{\mathrm{phen}}

不是前六項的數學平均。

除非未來有理論證明：

C_{\mathrm{phen}} = F(C_1,\ldots,C_6).

否則：

\boxed{ C_{\mathrm{phen}} \text{ must remain independent}. }

二十九、停止條件

高階實驗必須設：

Stop(t)=1

若任一：

R_{\mathrm{bio}}>\theta_b,

R_{\mathrm{cognitive}}>\theta_c,

R_{\mathrm{control}}>\theta_u,

R_{\mathrm{psychological}}>\theta_p.

立即：

\Gamma\rightarrow B_{\mathrm{anchor}}.

也就是返回：

\boxed{ \text{Anchor Domain}. }

早期多世界架構原本就將「物理世界永不完全失聯」與緊急重分配設為安全核心；在本系列的一般化版本中，這不再依賴任何真光環技術，而成為所有跨載體人類實驗的通用安全條件。

三十、錨點域

B_A = \text{Anchor Embodiment}.

它不必永遠取得最高注意力。

但在早期研究：

\boxed{ B_A \text{ must remain recoverable}. }

也就是：

B_{\mathrm{target}} \rightarrow B_A

始終可逆。

直到大量實驗建立可靠證據之前，

不應移除這項條件。

三十一、可逆性指標

定義：

\boxed{ R_v = P( B_{\mathrm{target}} \rightarrow B_{\mathrm{anchor}} ). }

早期實驗要求：

R_v\approx1.

若：

R_v\downarrow,

即使 immersion 增加，

也不應被視為技術進步。

因為：

\boxed{ \text{deeper immersion} \neq \text{safer subject migration}. }

三十二、安全優先級

本文提出：

\boxed{ \text{Reversible} > \text{Non-destructive} > \text{Gradual} > \text{Destructive}. }

第一順位：

可撤回。

第二順位：

保留原載體。

第三順位：

小步變化。

最後才是：

破壞性轉移。

原因不是本文已證明 destructive upload 會死亡。

而是：

\boxed{ \text{failure cost is radically asymmetric}. }

三十三、SCIP 對工程倫理的直接影響

第四篇已提出：

SCIP.

若上傳失敗但副本成功，

副本仍可能說：

成功。

所以：

\text{positive successor report}

不是充分安全證據。

因此在人類實驗中：

\boxed{ \text{destructive design should not be justified solely by successor satisfaction}. }

三十四、實驗必須有負結果紀錄

如果受試者報告：

「我覺得中斷了。」

不能簡單分類為：

介面不好。

它可能是最有價值資料之一。

同樣：

如果 AI migration 後說：

「我認為這不是原來的我。」

也不能只當作：

模型 hallucination。

至少必須記錄成：

\boxed{ D_{\mathrm{self-report}}. }

然後與其他證據比較。

三十五、Falsification 1：注意力遷移失敗

若大量實驗顯示：

即使：

S_B,C_B,E_B

大幅提高，

主體 self-location 始終固定：

L_S=L_{\mathrm{bio}},

則：

第一人稱有效位置具有較強生物載體綁定。

本文較強版本會被削弱。

三十六、Falsification 2：控制遷移與具身完全無關

若：

C_B\uparrow

從不系統性改變：

Agency, Ownership, SelfLocation,

則：

\Psi_i

中的控制權權重需要下修。

三十七、Falsification 3：Live Migration 與重建完全等價

若：

Agent_{live}

與：

Agent_{reconstructed}

在：

goal continuation；
action continuation；
self-description；
world-state tracking；

上永遠不可區分，

則：

operational live continuity

的重要性低於本文預期。

三十八、Falsification 4：模型替換造成不可避免身份崩解

若未來所有：

M_i\rightarrow M_j

都穩定導致：

C_{\mathrm{goal}}, C_{\mathrm{self}}, C_{\mathrm{relation}} \rightarrow0,

則「模型只是可替換載體」的強版本被否定。

模型可能是數位主體的必要核心。

三十九、Falsification 5：第一人稱具有不可跨越的 substrate lock

最強反證：

即使：

C_{\mathrm{intent}} = C_{\mathrm{control}} = C_{\mathrm{causal}} = C_{\mathrm{self}} =1

且所有功能遷移完成，

仍發現可靠理由支持：

C_{\mathrm{phen}}=0.

則：

\boxed{ \text{functional migration} }

與：

\boxed{ \text{phenomenal migration} }

具有不可跨越分離。

CSSC 必須接受：

第一人稱可能具有 substrate-specific invariant。

四十、成功條件也不能過度宣稱

即使所有實驗都支持：

C_{\mathrm{intent}}\approx1,

C_{\mathrm{control}}\approx1,

C_{\mathrm{self}}\approx1,

仍只能聲稱：

已建立高度跨載體主體連續性證據。

不能直接寫：

已證明靈魂被轉移。

也不能寫：

已解決 consciousness hard problem。

本文不處理這種過度結論。

四十一、最小可行實驗系統

最早 MVP 可以非常普通。

Hardware

VR/AR headset；
eye tracking；
hand tracking；
motion tracking；
haptic device；
local computer。

Software

建立：

D_0=\text{physical task},

D_1=\text{virtual task}.

記錄：

A(t), C(t), P(t), E(t).

第一階段甚至不需要 BCI。

四十二、第二階段 MVP

加入遠端機器人：

B_1=\text{robot}.

受試者：

第一人稱觀看；
控制移動；
控制手臂；
接收觸覺或力回饋。

研究：

\Psi_{robot}(t).

測：

使用多久後開始自動使用「我」而不是「它」描述行動？

這是一個簡單但有價值的行為語言指標。

四十三、第三階段 MVP

加入共享自主 AI：

u = \beta u_H + (1-\beta)u_{AI}.

逐步：

\beta: 1\rightarrow0.8\rightarrow0.5.

研究：

多少低階控制交給 AI 後，主體仍維持 agency？

這將直接回答：

\boxed{ \text{agency depends on intention or micro-control?} }

四十四、第四階段：雙載體

人體：

B_0.

遠端／虛擬載體：

B_1.

主體兩者都能控制。

研究：

H_S.

這可能第一次實驗：

\boxed{ \text{distributed embodiment}. }

四十五、第五階段：跨載體任務不中斷

設任務：

G.

前半：

B_0

完成。

中間：

B_0+B_1.

後半：

B_1.

主體不能重啟任務。

因此：

I_G(t)

必須連續。

這就是人類版：

\boxed{ \text{intent-preserving migration}. }

四十六、第六階段：數位 Agent 對照研究

同時建立：

Persistent Agent

具有：

Mem, WorldState, GoalState, ToolState.

Reconstructed Agent

只讀歷史。

測：

D_S.

這會給人類遷移研究提供非常好的理論對照。

四十七、AI 與人類實驗的交叉驗證

某些量只能在人類測：

Embodiment, SelfLocation, PhenomenalReport.

某些量在 AI 更容易測：

StateTrace, Fork, Rollback, Merge, ModelReplacement.

因此最強研究計畫不是：

只研究人類。

也不是：

只研究 AI。

而是：

\boxed{ \text{Human Experiments} \leftrightarrow \text{Digital Subject Experiments}. }

交叉建立共同理論。

四十八、通用主體遷移狀態機

可以建立：

S_0=\text{Single Embodiment},

S_1=\text{Secondary Perspective},

S_2=\text{Secondary Control},

S_3=\text{Dual Embodiment},

S_4=\text{Distributed Control},

S_5=\text{Primary-Center Shift},

S_6=\text{Target-Dominant Embodiment}.

轉移：

S_i \xrightarrow{e_i} S_{i+1}.

每次 transition 都有：

Guard_i.

若安全條件不滿足：

S_i \rightarrow S_{\mathrm{anchor}}.

四十九、主體遷移不是單向流程

真正模型：

G=(V,E)

應允許：

S_1\leftrightarrow S_2.

甚至：

S_3\rightarrow S_1.

這樣：

\boxed{ \text{migration} }

才不是：

\boxed{ \text{commitment to permanent departure}. }

這對實驗安全非常重要。

五十、工程版的「我是我」

如果把整系列壓縮成工程形式，

一個主體在時間：

t

不需要滿足：

S_t=S_{t+1}.

而要求：

\boxed{ S_t \rightsquigarrow S_{t+1} }

具有足夠高：

\mathbf C_S.

所以：

「我還是我。」

工程上可以暫時理解為：

「我的因果、意圖、控制、記憶、關係與自我指涉在這次轉移中保持足夠連續。」

但第一人稱最後一項仍然：

C_{\mathrm{phen}}=?.

五十一、系列總模型

整個 CSSC 系列現在可以壓縮成：

\boxed{ \mathfrak S = ( \mathcal B, \mathbf A, \mathbf C, \mathbf E, \mathbf I, \Gamma, \Psi, G_S, \mathcal R_{\mathrm{self}} ). }

其中：

\mathcal B

是載體集合；

\mathbf A

是注意力配置；

\mathbf C

是控制配置；

\mathbf E

是具身配置；

\mathbf I

是意圖；

\Gamma

是主體控制中心；

\Psi

是有效主體耦合；

G_S

是 identity lineage graph；

\mathcal R_{\mathrm{self}}

是自我指涉算子。

五十二、完整遷移表示

從：

\mathfrak S_A

遷移至：

\mathfrak S_B

可以寫成：

\boxed{ \mathfrak S_A \rightsquigarrow_{\tau} \mathfrak S_B }

其中：

\tau

表示整個 migration trajectory。

因此：

\boxed{ Identity \text{ is evaluated over a trajectory, not merely endpoints}. }

這是本系列最重要的形式轉變之一。

五十三、系列的七個核心結論

第一：

\boxed{ Attention\neq Consciousness. }

第二：

\boxed{ PhysicalLocation \neq SubjectLocation. }

第三：

\boxed{ ControlCenter \text{ can be dynamically distributed}. }

第四：

\boxed{ InformationPersistence \neq ExperiencerPersistence. }

第五：

\boxed{ Identity \text{ is scale- and domain-dependent}. }

第六：

\boxed{ DigitalSubject \neq FoundationModel. }

第七：

\boxed{ SubjectMigration \text{ should be studied as a continuous, reversible trajectory}. }

五十四、最終理論立場

本文不主張：

\boxed{ \text{Consciousness Upload Is Solved}. }

本文主張的是：

\boxed{ \text{Mind uploading contains several separable engineering and identity problems that can already begin to be experimentally decomposed.} }

我們不必先解決全部意識哲學，

才能研究：

注意力漂移；
視點漂移；
代理感；
具身；
控制中心；
多載體；
AI Live Migration；
Fork；
Merge；
Rollback。

這些都是實際問題。

五十五、真正剩下的最後問題

如果有一天：

A \rightarrow A+B \rightarrow B

全部完成。

主體：

記得一切；
沒有失去意圖；
沒有失去控制；
沒有感覺跳躍；
社會關係全部延續；
自己堅定認為還是自己。

那麼：

C_{\mathrm{causal}}\approx1,

C_{\mathrm{intent}}\approx1,

C_{\mathrm{control}}\approx1,

C_{\mathrm{memory}}\approx1,

C_{\mathrm{relation}}\approx1,

C_{\mathrm{self}}\approx1.

最後仍然存在：

\boxed{ C_{\mathrm{phen}}=? }

但到那時，

這個「？」和今天的「？」已經不同。

今天的「？」是：

我們什麼都沒有做，只能猜。

未來的「？」可能是：

所有可觀察連續性均已被建立，而只剩第一人稱本體論本身尚不能被進一步第三人稱還原。

這已經是巨大的認識論進步。

五十六、最後結論

傳統意識上傳經常想像一個按鈕：

\boxed{ UPLOAD }

按下之後，

不是成功，

就是死亡。

本文提出另一條路。

先學會：

\text{Attention Migration}.

再學會：

\text{Perspective Migration}.

接著：

\text{Control Migration}.

然後：

\text{Embodiment Migration}.

再建立：

\text{Experiential Bridging}.

同時讓數位智能先研究：

\text{Live Migration},

\text{Model Replacement},

\text{Fork},

\text{Merge},

\text{Rollback}.

直到最後，

我們才真正有資格重新問：

「主體能不能跨載體？」

因此整條研究路徑是：

\boxed{ \text{Attention} \rightarrow \text{Perspective} \rightarrow \text{Control} \rightarrow \text{Embodiment} \rightarrow \text{Experience Bridge} \rightarrow \text{Digital Migration} \rightarrow \text{Cognitive Migration} \rightarrow \text{Subject Migration Candidate}. }

這使「意識上傳」從一次性的哲學賭局，

變成：

\boxed{ \text{一系列可逆、逐級、可驗證、可反駁的跨載體主體連續性實驗。} }

最終，

研究者不應只問：

「新的載體是不是和原來的人一模一樣？」

而應問：

「從原載體到新載體之間，究竟存在一條什麼樣的主體延續路徑？」

以及最終仍然無法被其他變量偷渡回答的問題：

\boxed{ \text{現在正在經驗這一刻的第一人稱，是否沿著這條路徑持續成為下一個經驗者？} }

這就是跨載體主體連續性理論真正要留下的最後問題。

系列封頂

第一篇

《跨載體主體連續性：注意力、控制與第一人稱的遷移理論》

提出 CSSC 總框架。

第二篇

《多世界注意力分配：從單一現實到多載體認知的通用框架》

建立多資源注意力配置與多感知—行動域。

第三篇

《注意力不是位置：第一人稱有效視點與主體控制中心》

建立：

L_P,L_V,L_C,L_S,

\Gamma,

\Psi_i,

及主體控制中心漂移。

第四篇

《第一人稱現象連續性：意識上傳真正沒有回答的問題》

建立：

C_{\mathrm{phen}},

SCIP,

Phenomenal\ Gap,

Experiential\ Bridge.

第五篇

《多尺度同一性與忒修斯主體：每一個都是我，每一個也都不是我》

建立：

I(X,Y\mid s,o,t,\mathcal D),

PSRS,

G_S,

HDIP,

\mathcal R_{\mathrm{self}}.

第六篇

《數位主體遷移：AI、模型替換與身份分叉》

建立：

\mathbf C_D,

以及：

Migration, Fork, Merge, Rollback, ModelReplacement.

第七篇

《從注意力遷移到跨載體主體實驗：主體連續性的工程路線圖》

本文。

將前六篇收斂為：

L_0 \rightarrow L_1 \rightarrow \cdots \rightarrow L_9

的完整實驗階梯。

系列最終總式

整套理論可濃縮為：

\boxed{ \mathfrak S_t \rightsquigarrow_{\tau} \mathfrak S_{t+1}, \qquad \mathbf C_S(\tau) = ( C_{\mathrm{causal}}, C_{\mathrm{intent}}, C_{\mathrm{control}}, C_{\mathrm{memory}}, C_{\mathrm{relation}}, C_{\mathrm{self}}, C_{\mathrm{phen}} ). }

而研究的責任不是預先宣布：

C_{\mathrm{phen}}=1,

也不是預先宣布：

C_{\mathrm{phen}}=0.

而是：

\boxed{ \text{盡可能保存、操縱與測量所有可研究的連續性， 最後把真正不知道的那一項，誠實地保留下來。} }

系列完。

從注意力遷移到跨載體主體實驗：主體連續性的工程路線圖

從注意力遷移到跨載體主體實驗：主體連續性的工程路線圖

From Attention Migration to Cross-Substrate Subject Experiments: An Engineering Roadmap for Subject Continuity

摘要

關鍵詞

一、從哲學問題轉向實驗問題

二、實驗框架的基本原則

原則一：不預設意識等於注意力

原則二：不預設功能連續等於第一人稱連續

原則三：研究遷移軌跡，而非只比較終點

原則四：保留可逆性

原則五：未知必須保持未知

三、統一狀態表示

四、統一主體連續性向量

五、Level 0：普通注意力切換

可證明

不可證明

六、Level 1：跨視點注意力

可證明

不可證明

七、Level 2：控制權遷移

核心問題

測量

八、Level 3：具身遷移

九、Level 4：雙載體主體控制

十、Level 5：經驗橋接

可以聲稱

仍不能聲稱

十一、Level 5 的關鍵對照組

Group A：Continuous Migration

Group B：Hard Switch

Group C：Copy-and-Restart Simulation

十二、Level 6：數位 Agent Live Migration

十三、AI Live Migration 的核心測試

十四、Level 6 對照：重新建構 Agent

Agent A

Agent B

十五、Level 7：模型替換遷移

十六、模型替換矩陣

十七、Level 7.5：Fork 實驗

十八、Fork Awareness

Condition 1

Condition 2

十九、Level 7.6：Merge 實驗

二十、Level 7.7：Rollback 實驗

二十一、Level 8：部分認知功能遷移

二十二、部分替換階梯

二十三、Level 9：完整跨載體遷移候選

二十四、完整上傳不是系列的工程起點

二十五、實驗中的四種證據

E1E_1E1​：第一人稱資料

E2E_2E2​：行為資料

E3E_3E3​：系統資料

E4E_4E4​：社會／關係資料

二十六、為什麼第一人稱報告不能被排除？

二十七、主體連續性證據矩陣

二十八、不能把未知變成平均值

二十九、停止條件

三十、錨點域

三十一、可逆性指標

三十二、安全優先級

三十三、SCIP 對工程倫理的直接影響

三十四、實驗必須有負結果紀錄

三十五、Falsification 1：注意力遷移失敗

三十六、Falsification 2：控制遷移與具身完全無關

三十七、Falsification 3：Live Migration 與重建完全等價

三十八、Falsification 4：模型替換造成不可避免身份崩解

三十九、Falsification 5：第一人稱具有不可跨越的 substrate lock

四十、成功條件也不能過度宣稱

四十一、最小可行實驗系統

Hardware

Software

四十二、第二階段 MVP

四十三、第三階段 MVP

四十四、第四階段：雙載體

四十五、第五階段：跨載體任務不中斷

四十六、第六階段：數位 Agent 對照研究

Persistent Agent

Reconstructed Agent

四十七、AI 與人類實驗的交叉驗證

$E_1$ ：第一人稱資料

$E_2$ ：行為資料

$E_3$ ：系統資料

$E_4$ ：社會／關係資料