# 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。**