# 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： $$ R_1D_2. $$ --- # 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： $$ ExpectedSIID(T_k) 不同 CPU 一定生出不同人格。 --- # 八十五、這是一個可檢驗命題 我們可以對： $$ 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) **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： $$ \boxed{ WholeSelfRelevantSystemEmulation. } $$