部分替換也會改變我：Substrate-Induced Identity Drift 與載體敏感度地圖

Partial Replacement Can Still Change the Self: Substrate-Induced Identity Drift and the Substrate Sensitivity Map

系列： Substrate-Constitutive Identity／載體構成論
Paper： 03
副題： Why One Percent of Replacement Need Not Mean One Percent of Identity Change
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
理論協作： Aletheia（GPT-5.6 Sol）
版本： v0.1
日期： 2026-09-03
文件性質： 公開理論論文／載體敏感度、神經增強、身份漂移與跨載體風險模型

摘要

跨載體身份討論經常隱含一個直覺模型：

如果只替換很少一部分，就只會造成很少改變；如果替換很多，才可能產生重大身份改變。

形式上，這相當於假設：

\boxed{ D_{\mathrm{self}} \propto R_{\mathrm{replace}} }

其中 $R_{\mathrm{replace}}$ 表示載體替換比例，而 $D_{\mathrm{self}}$ 表示自我改變程度。

本文主張，這個比例模型沒有充分理由成立。

對複雜認知系統而言：

\boxed{ \text{How much was replaced?} }

往往不如：

\boxed{ \text{What was replaced?} }

重要。

一個佔身體極大比例但對認知動力學影響有限的組件被替換，可能造成很小的身份效應；

反之，一個物理尺度非常小、但深度參與：

情緒調節；
reward processing；
記憶；
self-model；
agency；
bodily ownership；

的節點被修改，卻可能造成遠大於其物理比例的自我變化。

本文因此正式發展 Paper 01 所提出的：

Substrate-Induced Identity Drift

\boxed{ SIID }

並將其表示為：

\boxed{ \mathbf D_S = ( d_{\mathrm{per}}, d_{\mathrm{aff}}, d_{\mathrm{cog}}, d_{\mathrm{mem}}, d_{\mathrm{goal}}, d_{\mathrm{agency}}, d_{\mathrm{self}}, d_{\mathrm{rel}}, d_{\mathrm{dyn}}, d_{\phi?}} ) }

分別描述：

perceptual drift；
affective drift；
cognitive drift；
memory drift；
goal/value drift；
agency drift；
self-model drift；
relational drift；
dynamical drift；
phenomenal drift／未知。

本文進一步提出：

Substrate Sensitivity Map

\boxed{ \mathcal M_S }

不再把整個身體或計算機視為均勻載體，而對每一個組件或功能域：

s_i

建立：

\boxed{ \boldsymbol{\chi}_i = \frac{\partial\mathbf X}{\partial s_i} }

作為理論性的「自我敏感度向量」。

這裡的 $\boldsymbol{\chi}_i$ 不應被理解為目前已能直接測量的物理導數，而是表達：

對某組件的干預，會在多大程度上影響哪些 self-relevant dimensions？

本文進一步指出，身份影響不能只由局部組件本身決定，還應取決於：

\boxed{ SIID = F( Location, Function, Coupling, Centrality, Plasticity, Compensation, Duration, Reversibility, History ). }

因此即使兩個 intervention 都替換：

1\%

物理組件，

也可能：

D_{S}^{(A)} \ll D_{S}^{(B)}.

人類現有研究已提供這種「非均勻載體」觀點的初步經驗支持。義肢 embodiment 文獻通常將 ownership、body representation 與 agency 分離，而這三個維度本身可以受到不同操弄與回饋機制影響；感覺回饋與控制策略則能提高義肢被納入身體圖式與 ownership 的程度。

另一方面，DBS 與 neuromodulation 文獻持續討論 cognition、affect、agency、self-perception、authenticity 與 personal identity 的可能變化，但較新的回顧同時警告，不應把少數極端案例誇大成「局部腦刺激必然改寫人格」；疾病進程、藥物、症狀改善與社會重新適應均是重要混雜因子。

器官移植亦提供一項有用但必須謹慎解讀的案例。移植者確實可能面臨 modified body、foreign organ integration、body image、焦慮、抑鬱與免疫抑制治療等心理適應問題，但這不能被直接解讀成「捐贈者人格透過器官轉移」。

本文因此提出一個比「換多少％」更一般的原理：

Functional Sensitivity over Replacement Fraction Principle

\boxed{ \text{Identity impact is governed more by functional-coupling sensitivity than by raw replacement fraction.} }

中文而言：

替換一％的存在，不代表只改變一％的自己；真正重要的是，那一％在整個「我」裡究竟做了什麼。

一、忒修斯之船最大的問題可能不是「換了多少」

經典問題問：

船板逐步替換多少後，還是不是同一艘船？

因此自然形成：

R_{\mathrm{replace}} = \frac{\text{replaced parts}}{\text{total parts}}.

然後試圖找：

\theta

使：

R_{\mathrm{replace}}>\theta

之後：

IdentityBreak=1.

這種思考非常直觀。

但它暗含：

\boxed{ \text{all parts contribute equally to identity}. }

對認知主體而言，這幾乎肯定過度簡化。

二、一根手指與一個關鍵神經調節節點不是等價的「一個零件」

假設：

s_1=\text{one finger},

以及：

s_2=\text{a small but highly connected neural-regulatory subsystem}.

兩者質量甚至可能：

Mass(s_1)>Mass(s_2).

然而：

IdentitySensitivity(s_1)

完全可能遠低於：

IdentitySensitivity(s_2).

所以：

\boxed{ Mass \neq IdentityContribution. }

三、同樣，數量也不是關鍵

假設系統有：

10^{11}

個相關元件。

替換其中：

10^8

個低敏感元件，

與替換：

10^5

個控制極高層決策與調節的元件，

不能只以：

10^8>10^5

判斷身份影響。

所以：

\boxed{ ComponentCount \neq IdentityImpact. }

四、建立 Replacement Fraction Fallacy

本文定義：

Replacement Fraction Fallacy

若僅由：

R_{\mathrm{replace}}

直接推論：

D_{\mathrm{self}},

即：

D_{\mathrm{self}} = f(R_{\mathrm{replace}})

而忽略功能、耦合與系統位置，

則發生：

\boxed{ RFF. }

五、最簡單的線性模型

錯誤的最強形式是：

D_{\mathrm{self}} = kR_{\mathrm{replace}}.

例如：

10\%

載體換掉，

所以：

10\%

「不再是自己」。

這種百分比在本體與認知上都缺乏明確意義。

六、甚至單調性都不能先驗保證

我們甚至不應預設：

R_1<R_2 \Rightarrow D_1<D_2.

如果 $R_1$ 改的是高敏感節點，

而 $R_2$ 改的是大量冗餘結構，

完全可能：

R_1<R_2

但：

D_1>D_2.

七、因此載體必須從「材料總量」轉向「功能拓撲」

對主體系統：

S

建立組件集合：

S=\{s_1,s_2,\ldots,s_n\}.

每個：

s_i

具有：

function；
connectivity；
control influence；
redundancy；
plasticity；
feedback relation。

所以：

\boxed{ S }

本身是一個結構化網路，

不是一袋均勻物質。

八、建立 Substrate Graph

令：

\boxed{ G_S=(V_S,E_S). }

其中：

V_S=\{s_1,\ldots,s_n\}

為載體組件。

E_S

描述：

physical coupling；
information flow；
regulatory influence；
sensorimotor coupling；
biochemical modulation。

九、身份影響來自圖上的位置

假設：

Centrality(s_i)

很高。

它可能：

接收大量輸入；
調節大量輸出；
參與多個 feedback loop。

此時即使：

Size(s_i)\ll Size(S),

仍可能：

Impact(s_i)\gg0.

十、因此需要 Substrate Sensitivity Map

本文正式定義：

\boxed{ \mathcal M_S = \{ (s_i,\boldsymbol{\chi}_i) \}_{i=1}^n }

其中：

\boldsymbol{\chi}_i

描述：

s_i

對不同 identity dimensions 的敏感度。

十一、Sensitivity 不是一個值

例如：

\boldsymbol{\chi}_i = ( \chi_i^{per}, \chi_i^{aff}, \chi_i^{cog}, \chi_i^{mem}, \chi_i^{goal}, \chi_i^{agency}, \chi_i^{self} ).

某個節點可能：

\chi_i^{motor}\gg0

但：

\chi_i^{value}\approx0.

另一個可能相反。

十二、這就是為什麼「身份核心區」也不能只畫一個圈

不存在足夠證據讓我們簡單說：

大腦某一區就是「自我區」。

更可能是：

\boxed{ Self = distributed\ coupled\ processes. }

不同 self dimensions 依賴不同但重疊的網路。

十三、DBS 正好展示這種複雜性

DBS 只在非常局部範圍施加神經調控。

但相關 neuroethics 文獻仍持續討論：

mood；
motivation；
cognition；
agency；
authenticity；
identity。

這本身說明：

\boxed{ SmallSpatialIntervention }

可以具有：

\boxed{ LargeFunctionalReach }

的可能性。

十四、但 DBS 同樣告訴我們不能犯因果過度歸因

DBS 後一個人：

變開朗了。

不能立即：

DBS\Rightarrow PersonalityRewrite.

因為也可能：

Symptoms\downarrow \Rightarrow SocialActivity\uparrow \Rightarrow BehaviorChange.

或者：

MedicationChange \Rightarrow MoodChange.

因此 SIID 必須有：

\boxed{ causal attribution layer. }

十五、SIID 必須是反事實量

Paper 01 已提出：

\Delta_S = D \left( X_{\mathrm{actual}}^{S_1}, X_{\mathrm{counterfactual}}^{S_0} \right).

也就是：

真正因載體改變造成的額外漂移是多少？

這是 SIID 與一般人生改變最大的差別。

十六、因此 Before / After Comparison 不夠

錯誤：

D(X_{\mathrm{before}},X_{\mathrm{after}}) = SIID.

因為即使沒有 intervention：

X

也會改變。

正確概念：

\boxed{ SIID = ActualChange - CounterfactualNaturalChange }

在抽象意義上如此。

十七、需要 Control Trajectory

理想實驗：

X_A(t_0)=X_B(t_0).

其中：

A: S_0\rightarrow S_1,

B: S_0\rightarrow S_0.

比較：

D(X_A(t),X_B(t)).

人類幾乎做不到完美版本。

但 AI 系統可以逐漸逼近。

十八、因此 AI 將可能比人類更早建立真正 SSM

對 Agent：

A

複製兩份：

A_1,A_2.

保持：

初始 memory；
model；
goals；
input stream；

盡可能一致。

只改：

Substrate.

那麼：

\boxed{ Twin-Substrate Experiment }

就可以估計：

\mathbf D_S(t).

十九、建立完整 SIID Function

本文提出：

\boxed{ \mathbf D_S = F( \Delta S, \mathcal M_S, G_S, T, R, P, H, E ) }

其中：

$\Delta S$ ：具體載體變換；
$\mathcal M_S$ ：敏感度圖；
$G_S$ ：載體耦合拓撲；
$T$ ：作用時間；
$R$ ：可逆性；
$P$ ：系統可塑性；
$H$ ：既有歷史；
$E$ ：環境條件。

二十、Location

首先：

L(s_i)

表示介入位於什麼 subsystem。

例如：

motor；
sensory；
endocrine；
memory；
executive；
reward；
autonomic。

這比 replacement percentage 更重要。

二十一、Function

F(s_i)

描述該節點做什麼。

相同位置，

不同 stimulation／replacement mode 也可能影響不同 function。

所以：

\boxed{ Anatomy \neq Function. }

對 AI 亦如此：

hardware\ location

不等於：

computational\ role.

二十二、Coupling

定義：

\kappa_i

表示節點與全系統耦合程度。

如果：

\kappa_i\gg0,

局部干預更可能傳播。

因此：

\boxed{ IdentityImpact \propto \text{functional coupling} }

至少可作候選關係。

二十三、Centrality

圖論上可以考慮：

c_i.

包括：

degree centrality；
betweenness；
control centrality；

等候選。

但認知系統並不能直接只用普通圖中央性表示。

本文只是指出：

\boxed{ network position matters. }

二十四、Redundancy

若：

r_i\gg0

表示高度冗餘，

替換：

s_i

可能幾乎沒有輸出變化。

若：

r_i\approx0,

則系統脆弱。

所以：

\boxed{ Sensitivity }

與：

\boxed{ Redundancy }

通常具有重要關係。

二十五、Compensation

生物系統尤其具有：

\boxed{ compensatory plasticity. }

某個組件受損後，

其他網路可以逐漸重新組織。

因此：

ImmediateDrift

與：

LongTermDrift

可能方向不同。

二十六、可能先變很多，再逐漸恢復

D_S(t_1)\gg0,

但：

D_S(t_2)\downarrow.

也可能相反：

一開始看起來沒有差，

經過長期學習後：

D_S(t)\uparrow.

所以：

\boxed{ SIID }

必須是時間函數。

二十七、定義 Drift Trajectory

\boxed{ \Gamma_D = \{ \mathbf D_S(t): t\ge t_0 \}. }

不能只做：

手術後一週人格量表。

長期 trajectory 可能完全不同。

二十八、Reversibility

定義：

R_S

表示 intervention 可逆程度。

例如 DBS stimulation 可以在某些條件下調參或關閉；

而組織性 destruction 則未必可逆。

因此：

\boxed{ same drift magnitude }

在不同 reversibility 下具有不同風險。

二十九、建立 Identity Risk

可以暫定：

\boxed{ Risk_I = F( Magnitude, Uncertainty, Irreversibility, ValueSensitivity ). }

即使：

D_S

中等，

如果：

Irreversibility\gg0

且：

GoalDriftRisk\gg0,

仍然是高風險 intervention。

三十、Plasticity 也是雙刃劍

高可塑性：

P_S\gg0

可以幫助適應新載體。

但也表示：

\boxed{ new substrate can reshape the system more deeply over time. }

所以：

Plasticity

既是 compatibility mechanism，

也是 identity drift pathway。

三十一、這對人工神經義肢特別重要

義肢 embodiment 並不是單純：

裝上機械手。

現有研究將 embodiment 拆成 ownership、body representation、agency；使用者可以對義肢具有控制感而未必具有完整 ownership，反之亦然。

這意味：

\boxed{ EmbodimentIntegration }

本身就是多維過程。

三十二、感覺回饋可以改變這個整合

下肢與其他神經義肢研究顯示，恢復 somatosensory／proprioceptive feedback 有助於控制、ownership 與 embodiment，並降低對視覺監控的依賴。

因此：

\boxed{ ArtificialComponent }

不是永遠停留在：

外部工具。

它可能逐漸：

\boxed{ enter body schema. }

三十三、這正是 Partial Replacement Problem

假設：

Arm_{bio} \rightarrow Arm_{prosthetic}.

沒有理由說：

因為只是一條手臂，所以 identity effect = 10%。

真正可能變化：

BodyRepresentation,

Agency,

SensorimotorStrategy.

這些與質量比例沒有簡單關係。

三十四、但這也不代表義肢使用者變成另一個人

必須避免另一極端。

ProsthesisUse \not\Rightarrow IdentityBreak.

本文只主張：

\boxed{ embodiment-related self dimensions can adapt to artificial components. }

三十五、聽覺植入也是有趣的例子

人工耳蝸的作用不只是提供一個外部工具。

它直接改變：

\boxed{ sensory access to the world. }

而 deaf／hearing identity、社會歸屬與 self-perception 本身可以十分複雜；相關文獻也討論人工耳蝸及其可見性與身份、污名、生活品質之間的關係。

這提醒我們：

\boxed{ sensory substrate change}

可以透過：

Perception \rightarrow SocialRelation \rightarrow SelfModel

形成間接身份效應。

三十六、Identity Drift 可以是直接也可以是間接

Direct SIID

\Delta S \rightarrow \Delta Neural/CognitiveDynamics \rightarrow \Delta Self.

Mediated SIID

\Delta S \rightarrow \Delta Ability \rightarrow \Delta EnvironmentInteraction \rightarrow \Delta SocialHistory \rightarrow \Delta Self.

兩者都可能真實。

三十七、因此因果鏈長不代表不是載體效應

如果人工耳蝸：

\rightarrow new communication ability

\rightarrow new social network

\rightarrow new identity,

這仍是 substrate intervention 的下游效應。

只是：

\boxed{ mediated rather than immediate. }

三十八、建立 SIID Causal Depth

令：

h

為因果距離。

h=1

直接神經／動力改變。

h=2

功能改變後造成心理改變。

h>2

透過社會與歷史逐步形成。

因此：

\boxed{ SIID }

可以具有多時間尺度。

三十九、內分泌系統更直接打擊「腦是唯一載體」直覺

情緒、認知與動機並不是只由固定神經連線決定。

例如甲狀腺與性激素異常與 depression、anxiety、cognitive impairment 等神經精神表現之間存在重要關係；治療效果本身則依族群與條件具有高度異質性。

因此：

\boxed{ SelfRelevantDynamics }

至少受到：

\boxed{ brain-body biochemical coupling }

影響。

四十、但荷爾蒙不等於人格開關

不能寫：

Hormone_X \Rightarrow Personality_Y.

這是嚴重過度簡化。

正確：

HormonalState \rightarrow ModulationOfMood/Cognition/Motivation

具有條件依賴性。

四十一、這使 Whole Brain Copy 再次遇到問題

假設只重建：

NeuralConnectivity.

但沒有重建：

endocrine loop；
autonomic feedback；
visceral signals；
bodily chemistry。

則：

\boxed{ same connectome }

不必：

\boxed{ same self-generating dynamics. }

四十二、因此載體邊界本身是研究問題

到底：

Substrate(Self)

包含到哪？

只有 brain？

還是：

Brain+Body?

還是：

Brain+Body+Environment?

這就是 extended／embodied cognition 與 SCIH 的重要交界。

四十三、本文暫時採多層載體

定義：

\boxed{ S^\ast = ( S_N, S_B, S_E, S_R ) }

其中：

$S_N$ ：neural／computational substrate；
$S_B$ ：bodily-regulatory substrate；
$S_E$ ：embodiment interface；
$S_R$ ：relational/environmental coupling support。

四十四、這不等於環境就是「身體」

而是：

自我的實際動力可能依賴超出單一腦組織的持續耦合。

不同理論可以對：

S^\ast

邊界給不同權重。

四十五、器官移植是非常容易被誤用的例子

移植後確實可能出現：

身體意象改變；
對「外來器官」的整合困難；
anxiety；
depression；
altered body acceptance。

近期系統性回顧仍描述了這些心理適應挑戰。

四十六、但「捐贈者人格轉移」不能作為 SCIH 證據核心

目前無足夠可靠證據支持：

\boxed{ DonorPersonality \rightarrow Recipient }

這種強命題。

因此我們不需要它。

四十七、真正值得保留的是較弱而穩健的事實

\boxed{ Major bodily intervention }

可以透過：

bodily integration；
medication；
illness recovery；
social meaning；
physiological change；

影響心理與自我經驗。

這已足以支持：

BodyChange \not\perp SelfChange.

四十八、這個校正對 SCIH 很重要

如果理論需要：

心臟保存捐贈者記憶

才成立，

理論太脆弱。

SCIH 真正強的地方是：

即使完全不接受 cellular memory，載體—自我耦合仍然成立。

四十九、BCI 又增加 Agency 層

BCI 使使用者可以透過腦訊號控制外部裝置。

這立即產生：

這個動作是誰做的？

使用者、decoder、AI correction system 還是共同完成？

現有 BCI 倫理研究也已把 agency、control 與 mediated action 視為核心問題。

五十、因此部分替換不只改 Self，也可能改 Agency Topology

原本：

Human\rightarrow Action.

BCI：

HumanBrain \rightarrow Decoder \rightarrow AIController \rightarrow Action.

此時：

\boxed{ Agency }

變成分散式。

五十一、如果 AI correction 越來越強

假設：

HumanIntent=0.6,

AIPrediction=0.4.

最後 action：

a.

誰的：

Agency(a)?

不能只看使用者身體。

這正是：

\boxed{ partial substrate augmentation can modify agency structure. }

五十二、而 Agency 正是 Self 的一個重要維度

如果一個人開始無法清楚區分：

是我想做，

還是裝置替我預測？

其：

d_{\mathrm{agency}}

可能提高。

所以 identity drift 不必來自記憶被改。

五十三、這就是為什麼 SIID 必須是向量

如果只測 Big Five personality，

可能完全看不到：

AgencyDrift.

如果只測記憶，

又看不到：

BodyOwnershipDrift.

所以：

\boxed{ single psychological test }

不足以衡量 identity transformation。

五十四、本文提出十維 SIID

最終：

\boxed{ \mathbf D_S = ( d_{\mathrm{per}}, d_{\mathrm{aff}}, d_{\mathrm{cog}}, d_{\mathrm{mem}}, d_{\mathrm{goal}}, d_{\mathrm{agency}}, d_{\mathrm{self}}, d_{\mathrm{rel}}, d_{\mathrm{dyn}}, d_{\phi?}} ). }

五十五、Perceptual Drift

d_{\mathrm{per}}

描述：

世界對主體「看起來／聽起來／感覺起來」變了多少？

例如：

新感官；
infrared vision；
auditory restoration；
machine proprioception。

五十六、Affective Drift

d_{\mathrm{aff}}

描述：

mood baseline；
reward sensitivity；
fear；
motivation；
emotional range。

五十七、Cognitive Drift

d_{\mathrm{cog}}

描述：

reasoning speed；
attention；
planning；
working memory；
decision style。

五十八、Memory Drift

d_{\mathrm{mem}}

包括：

lost memories；
altered recall；
memory accessibility；
externalized memory dependence。

五十九、Goal / Value Drift

d_{\mathrm{goal}}

是最需要倫理保護的維度之一。

因為：

我記得自己以前重視自由，

但現在完全不重視，

可能比忘記某一段午餐回憶更接近核心身份改變。

六十、Agency Drift

d_{\mathrm{agency}}

回答：

決策到底仍有多少由原主體形成與控制？

對 BCI、AI augmentation 尤其重要。

六十一、Self-Model Drift

d_{\mathrm{self}}

描述：

「我是誰」的內部模型如何變化。

例如：

SingleBodySelf \rightarrow DistributedSelf.

六十二、Relational Drift

d_{\mathrm{rel}}

描述主體與：

家人；
朋友；
社群；
組織；

關係的變化。

身份從來不只在腦內。

六十三、Dynamical Drift

d_{\mathrm{dyn}}

比較：

F_{before}

與：

F_{after}.

即：

系統產生未來反應的方式改變多少？

這是載體構成論最重要的新增維度之一。

六十四、Phenomenal Drift

d_{\phi?}

問：

第一人稱感質究竟改變多少？

例如新感官是否產生完全新的 qualitative experience。

但目前：

d_\phi

很多情境仍無可靠第三人稱測量。

因此保留：

?.

六十五、並不是所有 Drift 都是傷害

這一點非常重要。

例如：

d_{\mathrm{per}}\gg0

因為失明者恢復視覺。

這可能是巨大改變，

但具有正向價值。

所以：

\boxed{ DriftMagnitude \neq HarmMagnitude. }

六十六、甚至巨大人格變化也可能被本人偏好

DBS 文獻中即存在患者認為治療後「更像真正的自己」，而家人卻對其變化感到不安的案例與討論。

這說明：

\boxed{ IdentityChange }

與：

\boxed{ IdentityLoss }

不能直接等同。

六十七、因此需要 Valence of Drift

為每個：

d_i

增加：

v_i \in [-1,1]

表示主體／制度評估的：

unwanted；
neutral；
desired。

形成：

\boxed{ \mathbf D_S^+ = \{(d_i,v_i)\}. }

六十八、這使「變得更多」不一定更差

某些 modification 的目的就是：

D>0.

例如：

治療 depression。

如果：

d_{\mathrm{aff}}\approx0,

反而可能表示 intervention 沒效果。

所以身份技術不是：

MinimizeAllChange.

六十九、真正目標是 Control the Transformation

即：

\boxed{ DesiredDrift \approx ActualDrift. }

以及：

UndesiredDrift \rightarrow0.

這才是未來 identity-aware engineering 的合理目標。

七十、建立 Identity Transformation Error

令：

\mathbf D_{\mathrm{target}}

為主體同意的目標變換。

實際：

\mathbf D_{\mathrm{actual}}.

則：

\boxed{ E_I = d( \mathbf D_{\mathrm{actual}}, \mathbf D_{\mathrm{target}} ). }

七十一、這比單純「成功／失敗」更精確

治療後：

Survival=1,

TargetFunctionRestored=1,

但：

E_I\gg0.

那 intervention 在身份層仍可能存在重大問題。

七十二、因此未來手術同意可能需要 Identity Consent

理論上：

Consent = ( MedicalRisk, FunctionalOutcome, IdentityTransformationRange ).

尤其對：

DBS；
advanced BCI；
neural replacement；
memory prosthesis；
full-body rebody；

越來越重要。

七十三、但今天不能假裝已能準確預測

目前：

Predict(\mathbf D_S)

能力仍非常有限。

所以短期最重要的是：

\boxed{ uncertainty disclosure. }

而不是虛假精確：

你的 self-model 會改變 8.7%。

七十四、建立 Uncertainty Vector

\boxed{ \mathbf U_S = ( u_{\mathrm{per}}, u_{\mathrm{aff}}, \ldots ). }

因此真正 profile：

\boxed{ ITP = ( \mathbf C_I, \mathbf D_S, \mathbf U_S, R_S ). }

七十五、這讓可逆 intervention 特別有價值

如果：

U_S\gg0,

則：

Reversible

比：

Irreversible

具有更高 epistemic safety。

因為可以：

Intervene \rightarrow Measure \rightarrow Adjust \rightarrow Rollback.

七十六、因此 Gradual Replacement 需要 Drift Gates

Paper 04 原本：

X_0\rightarrow X_1\rightarrow\cdots X_n.

現在每一步加入：

Gate_k: \mathbf D_S^{(k)} \le \mathbf\epsilon.

若超過：

\epsilon

則：

Pause.

七十七、這就是 Identity-Aware Gradualism

不只是：

一次換少一點。

而是：

每一步觀察自我多維變化，並決定是否繼續。

兩者完全不同。

七十八、因為一小步也可能跨高敏感區

如果：

R_{\mathrm{replace}}=0.005,

但：

\boldsymbol{\chi}_i\gg0,

仍可能：

D_S>\epsilon.

所以 gradual replacement 不能只按百分比。

七十九、真正應該按 Sensitivity Budget 前進

定義：

\boxed{ B_I }

為每一步可接受 identity-change budget。

選擇 intervention：

T_k

滿足：

ExpectedSIID(T_k)<B_I.

八十、這使增強工程變成控制問題

不是：

ReplaceUntilDone.

而是：

\boxed{ Control ( Transformation, Feedback, Drift ). }

這和普通 closed-loop engineering 更相似。

八十一、AI 載體遷移尤其適合做這套

對 persistent AI：

A

可以在 migration 前跑：

\boxed{ shadow twin. }

原 substrate：

A_0.

新 substrate：

A_1.

並行一段時間，

給相似測試，

估計：

\mathbf D_S.

八十二、如果 drift 過大就不切換 primary identity

這可以形成：

\boxed{ Identity Migration Gate. }

條件：

D_{\mathrm{dyn}}<\epsilon_d,

D_{\mathrm{goal}}<\epsilon_g,

等等。

這是非常工程化的 SCIH 推論。

八十三、它也比 hash 相同更有意義

即使：

ModelHash(A_0)=ModelHash(A_1),

仍不能保證：

Trajectory(A_0)=Trajectory(A_1).

所以：

\boxed{ BinaryEquivalence \neq CognitiveEquivalence. }

八十四、硬體差異可能被 abstraction 消除，也可能被放大

若 software stack 強制：

deterministic\ semantics,

則：

SIID\approx0

可能成立。

如果：

precision 改變；
timing 改變；
stochasticity 改變；
online learning；

則：

SIID

可能增加。

所以 SCIH 不是：

不同 CPU 一定生出不同人格。

八十五、這是一個可檢驗命題

我們可以對：

S_1,S_2

跑：

N

組 matched agents。

比較：

Distribution( \mathbf D_S ).

如果 substrate effect 不高於 noise baseline：

SCIH

在該層級失去支持。

八十六、這也是為什麼載體敏感度不能是宇宙固定表

\mathcal M_S

會隨：

architecture；
developmental history；
adaptation；

改變。

同一介入：

T

對：

X

與：

Y

可能：

D_S^X\neq D_S^Y.

八十七、個體差異本身就是 sensitivity 的一部分

所以：

\boxed{ SubstrateSensitivity = SystemSpecific. }

不能：

DBS 某位置讓 A 變外向，

所以所有人同位置都會變外向。

這也正是現有 DBS 文獻警告過度泛化的原因。

八十八、歷史會改變載體敏感度

經長期使用義肢，

body representation 可以逐步適應。

因此：

\chi_i(t)

本身可能改變。

所以：

\boxed{ SensitivityMap = \mathcal M_S(t). }

它也是動態的。

八十九、這形成二階回饋

SubstrateChange \rightarrow IdentityChange \rightarrow SensitivityChange.

然後：

SensitivityChange \rightarrow FutureSubstrateResponse.

因此：

\boxed{ SIID }

可能具有遞歸性。

九十、這是載體構成論真正進入動態系統的地方

不再：

S\rightarrow X.

而是：

\boxed{ S_t \leftrightarrow X_t }

並：

S_{t+1} = G(S_t,X_t),

X_{t+1} = F(X_t,S_t).

九十一、對人類尤其如此

人使用工具：

Tool \rightarrow Skill.

Skill 改變：

brain/body.

新的 brain/body 再使工具使用方式改變。

因此：

\boxed{ human-technology coupling is developmental. }

不是單向裝插件。

九十二、後人類因而可能不是「加很多零件」

而是：

\boxed{ long-term co-adaptation between person and artificial substrate. }

這比：

人體 60% 機械化

更接近真正變化。

九十三、所以後人類比例指標可能毫無意義

MechanicalPercentage(H)=70\%.

沒有回答：

cognition 有沒有變；
agency 有沒有變；
body ownership 有沒有變；
values 有沒有變。

因此：

\boxed{ PercentArtificial }

不是 Posthuman degree 的好指標。

九十四、更合理的是 Functional Transformation Profile

\boxed{ FTP_H = ( Embodiment, Cognition, Agency, Memory, Affect, SelfModel ). }

這會在 Paper 06 正式用到。

九十五、New Human 也不該用 DNA 修改百分比決定

修改：

0.01\%

基因，

如果碰到重要 developmental regulator，

影響可能很大。

修改：

1\%

大量低功能區，

影響反而可能較小。

所以同樣：

\boxed{ GenomicFraction \neq BeingChange. }

九十六、SCIH 因此具有非常一般的結構

不論：

neural hardware；
hormones；
genes；
prostheses；
sensors；
AI chips；

真正問題都是：

\boxed{ functional sensitivity, not raw replacement fraction. }

九十七、建立 Functional Sensitivity Principle

本文正式提出：

Functional Sensitivity over Replacement Fraction Principle

對 intervention：

T:S\rightarrow S',

其 identity effect 應主要由：

\boxed{ \Psi(T) = F( \chi, \kappa, c, r, p, t ) }

描述，

而非只由：

R_{\mathrm{replace}}.

其中：

$\chi$ ：self-dimension sensitivity；
$\kappa$ ：coupling；
$c$ ：control/network centrality；
$r$ ：redundancy；
$p$ ：plasticity；
$t$ ：temporal integration。

九十八、Replacement Fraction 仍有用，但只是變量之一

我們不是完全丟掉：

R_{\mathrm{replace}}.

如果：

R\rightarrow1,

通常變換機會確實增加。

但：

\boxed{ R }

只是：

\Psi

的輸入之一，

不是 identity oracle。

九十九、建立 Critical Substrate Node

若某：

s_i

滿足：

\|\boldsymbol{\chi}_i\|>\theta_\chi

且：

\kappa_i>\theta_\kappa,

可以暫稱：

\boxed{ CriticalSubstrateNode. }

但這只是功能性術語。

不是：

靈魂節點。

一百、Critical 不等於不可替換

如果能建立功能等價：

s_i'

並保持：

F_{s_i'}\approx F_{s_i},

仍可能低漂移替換。

所以：

\boxed{ high sensitivity}

表示需要更高保真，

不是禁止 replacement。

一百零一、這正是人工神經元替換真正需要的判準

不是：

第幾個 neuron。

而是：

replacement 是否保持：

Timing, Plasticity, Neuromodulation, Connectivity, Feedback.

如果只保持輸入輸出 snapshot，

可能不足。

一百零二、因此 Functional Equivalence 也要多層

Eq_{IO},

Eq_{temporal},

Eq_{plastic},

Eq_{biochemical},

Eq_{developmental}.

不應只：

SameOutput.

一百零三、這是 Gradual Replacement Paradox 的新答案

傳統：

每一個 neuron 換成完全等價人工 neuron，最後是不是還是你？

SCIH 回答：

先告訴我「完全等價」究竟包括哪些動力與耦合層。

如果真的：

Eq_{\mathrm{full}}\rightarrow1,

那 SIID 可能極低。

如果只：

Eq_{IO}=1,

則仍未必。

一百零四、所以問題不在人工／天然

ArtificialNeuron

不因人工就必然破壞 identity。

Natural neuron 也不是神聖 token。

真正問題：

\boxed{ does the replacement preserve the self-relevant dynamics? }

一百零五、這再次避免 Material Essentialism

SCIH 不是：

生物好，人工壞。

它甚至允許：

ArtificialReplacement

比受損生物組件更好地保持 identity。

只要：

D_S\downarrow.

一百零六、例如治療可能反而恢復身份

疾病：

X_0 \rightarrow X_{\mathrm{ill}}.

Intervention：

X_{\mathrm{ill}} \rightarrow X_{\mathrm{treated}}.

如果：

X_{\mathrm{treated}}

更接近患者認同的先前自我，

則：

\boxed{ substrate intervention can reduce identity drift. }

DBS 文獻中「更像以前的自己」的敘事正提供這種可能。

一百零七、因此 SIID 有正負方向問題

以自然／期望 trajectory 為參照，

intervention 可能：

D_S>0

但改善：

DistanceToPreferredSelf.

所以：

\boxed{ Drift }

不等於：

\boxed{ Degradation. }

一百零八、建立 Preferred Self Distance

令：

X^\ast

為主體認可的理想／復原目標。

則：

\boxed{ D^\ast(t) = D(X_t,X^\ast). }

治療可能：

D^\ast\downarrow

即使：

D(X_{\mathrm{pre}},X_{\mathrm{post}})\uparrow.

這是重要倫理區分。

一百零九、但 Preferred Self 也會變

治療後本人可能：

我現在比較喜歡現在的我。

而術前本人可能不會同意。

這就是：

\boxed{ Diachronic Preference Conflict. }

一百一十、前我與後我可能不同意

Preference_{pre}(T)=Reject,

Preference_{post}(T)=Accept.

誰具有優先權？

這不是 SCIH 能單獨解決的。

但它證明：

\boxed{ identity-changing intervention}

會產生新的 consent philosophy。

一百一十一、這將是未來 neuroethics 的真正難題

DBS 文獻已經出現類似：

治療後的偏好是否真正自主？

是治療恢復了原本的我，還是創造了新的偏好？

等討論。

未來深度 augmentation 只會把它放大。

一百一十二、所以 Identity Consent 必須是時間性的

不是：

Consent(t_0)

一次永久有效。

可能需要：

\boxed{ Consent(t_0), Review(t_1), Review(t_2),\ldots }

尤其 intervention 可調節時。

一百一十三、這與 Drift Monitoring 完全配合

Intervene \rightarrow Monitor \rightarrow Re-consent \rightarrow Continue.

對真正高風險可逆 identity technology，

這可能比一次性 consent 更合理。

一百一十四、本文提出 Substrate Intervention Classes

依 identity sensitivity 可暫分：

S0 — Peripheral

對 cognition/self 低耦合。

S1 — Embodiment-Relevant

顯著影響 body representation／agency。

S2 — Cognitive-Modulatory

影響 cognition、affect、motivation。

S3 — Identity-Critical

可能影響 memory、values、self-model、core agency。

S4 — Whole-Regime Transformation

改變整個 cognitive realization dynamics。

一百一十五、這不是固定醫療分類

而是一種：

\boxed{ identity-risk classification. }

同一裝置對不同患者可能跨不同 class。

一百一十六、Rebody 可能從 S1 到 S4

只換 avatar：

S1.

換感官：

S1/S2.

換完整 body feedback：

S2/S3.

換 whole cognitive substrate：

S4.

所以「Rebody」本身過度寬泛。

一百一十七、AI migration 也一樣

換普通伺服器：

S0.

換 numeric precision：

S1/S2?

換 memory architecture：

S2/S3.

換成 biological adaptive cognition：

S4.

應按實際 dynamics 分類。

一百一十八、這才真正回答「矽基 AI ≠ 光子 AI ≠ 生物 AI」

如果只是：

SameSemantics

在三種 hardware 上執行，

它們未必形成不同 cognitive kind。

但如果：

\boxed{ SubstrateChange \rightarrow DifferentReachableDynamics }

達到 S4，

則 Strong SCIH 才真正有力。

一百一十九、所以「材料名稱」不是分類終點

真正應比較：

\mathcal X_{S_1}, \mathcal X_{S_2}.

也就是不同 substrate 下的：

\boxed{ reachable self-state spaces. }

這會在 Paper 05 正式深化。

一百二十、結論：換多少不是核心，換到哪裡才是

本文從一個非常簡單的反問開始：

如果只換 1%，真的就只改變 1% 的我嗎？

答案是：

\boxed{ 沒有理由如此假設。 }

複雜主體不是一堆對身份貢獻完全等重的零件。

更合理的模型是：

\boxed{ \mathbf D_S = F( Location, Function, Coupling, Centrality, Redundancy, Plasticity, Duration, Reversibility, History ). }

這意味：

\boxed{ ReplacementFraction }

不能直接等同：

\boxed{ IdentityChangeFraction. }

人類現有神經調控研究已顯示，非常局部的神經介入就足以使 cognition、affect、agency、self-perception 與 authenticity 成為真實倫理議題；但現有研究亦清楚提醒，個體差異、疾病、藥物與社會重新適應使這些變化遠比「刺激一個位置就改人格」複雜。

義肢與 neuroprosthetics 則從另一方向顯示：

\boxed{ ArtificialPart }

可以逐漸進入：

\boxed{ BodySchema, Ownership, Agency. }

而且 ownership、body representation、agency 本來就是可分離而又互相作用的 embodiment dimensions。

器官移植則提醒我們：

大幅改變身體確實可能伴隨 self-image 與心理適應改變，

但這不能被誇張成：

捐贈者人格經器官傳輸。

因此 SCIH 不需要神祕的：

CellularMemory.

它只需要承認一個更基本的事實：

\boxed{ \text{the self is generated by a non-uniform coupled system}. }

既然系統不是均勻的，

介入效應也不會均勻。

因此本文正式建立：

Substrate Sensitivity Map

\boxed{ \mathcal M_S = \{(s_i,\boldsymbol{\chi}_i)\}. }

每一個組件：

s_i

都應根據它對：

perception；
affect；
cognition；
memory；
values；
agency；
self-model；
dynamics；

的影響評估，

而不是根據重量或百分比。

這也使 Gradual Replacement 得到更成熟的版本。

真正安全的 gradual replacement 不是：

每次只換 1%。

而是：

\boxed{ \text{每次只跨越可接受的 Identity Drift Budget。} }

即：

ExpectedSIID(T_k)<B_I.

所以某一步可以換：

10\%

而幾乎沒有問題。

另一小步只換：

0.1\%,

卻可能因進入高敏感 control loop 而必須停止。

這就是載體構成論第三篇的核心原則：

\boxed{ \text{Functional sensitivity matters more than raw replacement fraction.} }

中文而言：

你換掉多少，不一定最重要；真正重要的是，你究竟換掉了「你」的哪一部分動力。

因此：

\boxed{ 1\%\ substrate\ change \not\Rightarrow 1\%\ self\ change. }

甚至：

\boxed{ 1\%\ substrate\ change > 50\%\ substrate\ change }

在 identity impact 上也可能成立，

只要那一小部分位於足夠高敏感、低冗餘、高耦合的認知節點。

這使「後人類到底機械化幾％」成為一個低資訊量問題。

真正更重要的是：

\boxed{ \mathcal M_S, \mathbf D_S, \Gamma_D. }

即：

什麼部分被改了？

哪些自我維度因此發生漂移？

這個漂移會不會隨時間放大、恢復或重新塑造未來的自己？

這才是部分替換真正的身份問題。

與 Paper 01–02 的關係

Paper 01 建立：

\boxed{ Substrate \not\perp Identity. }

Paper 02 建立：

\boxed{ IdentityContinuity \neq IdentityInvariance. }

本文現在加入第三層：

\boxed{ IdentityInvarianceChange \neq ReplacementFraction. }

並正式建立：

\boxed{ SIID + SubstrateSensitivityMap. }

因此前三篇可以濃縮成：

\boxed{ \text{The substrate matters,} }

\boxed{ \text{change does not imply discontinuity,} }

以及：

\boxed{ \text{the effect of change depends on where and how the substrate participates in the self.} }

後續論文

Paper 04

身體就是認知的一部分：Interoception、Embodiment 與 Self

下一篇將把本文的：

\mathcal M_S

真正放進人類身體。

集中處理：

\boxed{ Brain \leftrightarrow Body \leftrightarrow World }

的閉環，

包括：

interoception；
proprioception；
body ownership；
agency；
endocrine modulation；
autonomic regulation；
prosthetic embodiment；
BCI。

核心問題將是：

如果「我」的生成依賴心跳、呼吸、內分泌、身體位置、感官回饋與行動閉環，那麼所謂「把大腦完整複製出去」究竟複製了多少真正的 Self-System？

並正式比較：

\boxed{ WholeBrainEmulation }

與：

\boxed{ WholeSelfRelevantSystemEmulation. }