Identita a individualita subjektov

[Foxy]

Přenos osobnosti (neboli duše) jedince na jinou platformu
podle mne naráží na několik zásadních, a jak se obávám, i neřešitelných problémů.

Obvyklá úvaha o přenosu duše coby softwaru na jinou hardwarovou platformu opomíjí, že u biologických mozků nelze striktně oddělit hardware a software, což je dáno již jejich evolučním vývojem. Situace tu poněkud připomíná dřevní doby elektronických počítačů, kdy každý z nich byl unikátně "zadrátován". Logické sítě byly navrhovány coby soustava hradel přímo pro určité funkce a příslušný software byl napsán právě pro tento jedinečný hardware, takže byl bez rozsáhlých úprav na jiném hardware nepoužitelný.

Obdobně i mozky živých organismů jsou charakteristické svou nejen svou hardwarovou jedinečností, ale navíc i neustálou proměnlivostí v čase.
Biologický mozek je typický nejen tím, že se během jeho růstu a života mění počet jeho aktivních součástek - neuronů, ale že se neustále proměňuje i charakter a množství (architektura) jejich vzájemných spojení. Změny či úpravy funkcí jsou realizovány nárůstem těchto spojů - tedy přizpůsobením hardware; přestane li být z nějakého důvodu některá funkce používána, projeví se to i postupnou demontáží té části neuronové sítě, která ji podporovala.

Dokonce ani neuron, základní stavební kámen logických obvodů mozku, není součástka s pevně danými a neměnnými parametry.
Základ logických struktur mozků, neuron, je vybaven vstupními a výstupními propojovacími kabely. Jsou to dendrity, přivádějící vstupní signály a axon, který je signálovým výstupem. Axon mrňavého neuronu může být i velice dlouhý; například ten, co vychází z páteře a končí v prstech u nohou, je dlouhý zhruba metr.
Neurony jsou mezi ostatními buňkami jedinečné v tom, že dokážou rychle přenášet informaci či signál ve formě elektro/chemického impulsu. Má li více vstupních dendritů, může provádět i jednoduché logické operace.
Klíčovou strukturou neuronu je jeho specialisovaná cytoplasmatická membrána.
V neuronální membráně se nachází větší množství různých typů iontových kanálů, tedy míst, kde mohou do buňky vstupovat a z ní vystupovat ionty solí rozpuštěných ve vodě. Na membráně dendritů a těla neuronu v místech, kde nasedají synapse, převažují iontové kanály řízené chemicky, jinak převažují kanály řízené elektricky.

Za standardních fyziologických podmínek je ve všech buňkách koncentrace iontů jiná než jejich koncentrace v mezibuněčném prostoru. Nezanedbatelné množství energie, která se uvolní při buněčném katabolismu (ATP-ázová pumpa), je použito právě k udržování tohoto stavu. Rozhraním je zde buněčný obal, zvaný cytoplasmatická membrána. (Ta je tvořena dvojitou vrstvou fosfolipidů. Každý fosfolipid se skládá ze zbytku kyseliny fosforečné a lipidových ocásků. Má amfipatický charakter, což znamená, že má hydrofobní (nepolární) a hydrofilní (polární) vrstvu. Hydrofobní - tedy mastná - vrstva jsou lipidové ocásky směřující dovnitř membrány a hydrofilní, mokrá část jsou fosfátové hlavičky na povrchu membrány. Buněčná membrána svými vlastnostmi připomíná vrstvičku špinavého mýdla vysráženou na hladině zchladlé vody ve vaně - a kdysi dávno z něčeho podobného nejspíš i vznikla. Kousky špíny, utkvělé v mýdlové mázdře, jsou pak budoucími iontovými kanály, spojující "vnitřek" s "vnějškem".)
U nervových buněk je iontová nerovnováha taková, že na jejich membráně vzniká potenciál, činící zhruba 50 až 90mV. Vnitřní povrch membrány nese záporný náboj, vnější povrch má náboj kladný.
Místa na membráně, kde převažují chemicky řízené iontové kanály (tzv. postsynaptická membrána) působí, že neuron reaguje na dráždění chemickými podněty, především mediátory. Odpovědí na toto podráždění může být depolarizace či hyperpolarizace vyvolaná změnou propustnosti iontových kanálů pro sodné, draselné a chloridové ionty.
Ta způsobí lokální změnu membránového potenciálu. Depolarizace membrány působí excitačně, hyperpolarizace naopak inhibičně. Ještě však nedochází k šíření této změny, logický stav na výstupním axonu se nemění. Chemicky řízené iontové kanály jsou ale rozhodující pro vzrušivost neuronu. Mění se tak nastavení prahu citlivosti neuronu coby logického prvku.
Místa na membráně, na které převažují elektricky řízené iontové kanály, reagují na podráždění jako hradlo. Buď neuron na výstupu reaguje vzruchem, nebo ne; a když ano, tak s plnou intensitou (logická 1 nebo 0). Pro vznik vzruchu musí dojít k místní depolarizaci membrány a následnému rychlému poklesu membránového potenciálu. Prahová hodnota, při které dojde k otevření elektricky řízených iontových kanálů a ke vzniku vzruchu neboli přechodu logického stavu je typicky -55mV. Přitom klidový membránový potenciál se může měnit v rozsahu -50 až -90mV. Pro neuron je tedy charakteristická nejen samotná funkce hradla, ale i jeho v širokém rozsahu měnitelná citlivost na vstupní podnět.
Synapse je spojení dvou neuronů (výstupní axon a vstupní dendrit), sloužící k předávání vzruchů. Neurony se v synapsích přímo nedotýkají, je mezi nimi mezera (synaptická štěrbina) o šířce asi 20nm. Jestliže přijde po nervovém vlákně určitého neuronu k nervovému zakončení signál v podobě akčního potenciálu, který můžeme označit jako elektrický logický stav, nepřejde ve stejné podobě na další neuron, ale přenese se na další neuron v podobě logického stavu chemického: z nervového zakončení se vyloučí chemická látka – neurotransmiter, která způsobí vznik synaptického potenciálu na dalším neuronu. Nemusí tak docházet k převodu jednotlivých vzruchů, ale k přenosu dojde vždy až po sečtení vzruchů z několika axonů (prostorová sumace) či po sečtení vzruchů z jednoho axonu, které následují rychle po sobě (časová sumace).

Biologický mozek nemá architekturu klasického (von Neumannovského) počítače. Je to dáno hlavně jeho postupným evolučním vývojem, kdy k vývojově starším strukturám jsou ad hoc doplňovány struktury nové. Jindy zas již existující "rudimentární" struktury začnou být znovu využívány pro zcela nové úkoly.
Mozek se nedá redukovat ani na jakýsi multiprocesorový systém, dokonce ani na prostou síť jednoduchých samostatných počítačů.
Biologické studie ukazují, že lidský mozek nepracuje ani jako jediná masivní supersíť, ale jako hierarchicky strukturovaný soubor malých či větších semiautonomních i zcela autonomních sítí. (Tento výzkum dal zrod konceptu umělých modulárních neuronových sítí, ve kterých několik malých sítí spolupracuje nebo soutěží, aby vyřešily daný problém.)

Neuronové sítě jsou modelem biologických struktur neuronů v živých organismech. Kvůli schopnosti se učit (někdy i doučovat na nových vzorcích) jsou často užívané v umělé inteligenci. Existuje celá řada modelů neuronů – jednoduché používající nespojité funkce, až složité popisující každý detail živého neuronu.

Neurony mají několik dendritů, které prostřednictvim synapsí přijímají signál z okolí a jeden výběžek, tzv. axon, kterým jsou schopny k dalším synapsím samy signál vyslat. Samotný axon je na konci také rozvětven. Rychlost přenosu je v rozmezí 5 – 125 m/s.
Nervová soustava člověka obsahuje cca 10na11tou až 10na12tou neuronů. S rostoucím věkem počet neuronů ubývá. Neurony mohou mít vstupní signál z desítek, ale některé dokonce i stovek tisíc synapsí, kterými jsou vzájemně propojeny. Odumře-li i velká část neuronů, tuto ztrátu lze částečně či zcela nahradit zvětšením počtu synaptických spojů.

Činnost samotných neuronů se tedy dá shrnout takto: Přes synapse axonů a dendritů neurony přijímají vstupní signály. Tyto signály se šíří dovnitř buňky, kde vzniká potenciál. Je-li tento potenciál dostatečně velký, neuron se "překlopí" a vyšle signál dál.
Činnost neuronu lze popsat matematicky:

1. Zachycení signálu a vedení dovnitř neuronu, kde vznikne potenciál P:
P = w1*x1 + w2*x2 + ... + wn*xn
2. Jestliže je potenciál dostatečně velký, neuron vyšle signál y:
y = 1, jestliže P > w0, jinak y = 0.

Podmínku že P > w0 lze přepsat pomocí aktivační funkce f(P). Celou činnost neuronu pak lze zapsat jedním matematickým vztahem, kde w0 bude záporné číslo představující práh, jejž musí potenciál překonat:

y = f(w0 + w1*x1 + w2*x2 + ... + wn*xn)

Aktivační funkce v živém mozku je nelineární. Aktivační funkce může být v umělých sítích modelována např. funkcí sigmoid nebo hyperbolický tangens. Z grafu aktivační funkce lze pak vyčíst, že pokud je membránový potenciál (po odečtení prahu w0) nízký, výstupem neuronu bude 0. Je-li ale potenciál dostatečně vysoký, výstupem neuronu bude 1.
Z matematických vztahů je vidět, že to, co ovlivňuje výsledek, jsou v konečném důsledku váhy w0 - wn. Tyto váhy představují propustnost signálu – tedy ovlivňují kolik přijatého signálu se dostane do neuronu, kde zvýší potenciál. Zapamatované/naučené informace si neurony uchovávají právě v podobě různého nastavení hodnot těchto vah.
Narozdíl od hradel běžných počítačů tedy dává struktura neuronů možnost jejich aktivní adaptace a využití této vlastnosti pro učení - tedy postupnou optimalisaci řešení konkrétních úloh.
Neuron sám je schopen rozdělit prostor možných řešení na dva poloprostory. V běžných složitějších úlohách je to samozřejmě nedostatečné a tak musí spolupracovat celá síť neuronů. Jedním z typických propojení neuronů je takové, kdy několik vrstev neuronů je vzájemně propojených každý s každým.

Každý neuron tedy rozděluje prostor řešení na dva poloprostory. První vrstva, která obsahuje několik neuronů, tak rozdělí prostor na několik různých polorovin Každá dělící přímka pak odpovídá jednomu neuronu v první vrstvě.
Takové rozdělení umožňuje prostor dobře zmapovat a najít odlišné polygonální oblasti. Výstup z první vrstvy určuje oblast, ve které neznámý bod (možné řešení) leží. Zvětšením množství neuronů se přitom zvyšuje množství těchto polygonálních oblastí a tudíž i rozlišovací schopnost – prostor lze popsat více detailně. Pomocí druhé vrstvy se celý problém transformuje do nového prostoru, kde na vstupu již nejsou příznaky, ale příslušnosti k těmto polygonálním oblastem – druhá vrstva tak může zpřesnit rozdělení prostoru tím, co by se dalo nazvat vyhlazení. Oblasti řešení nyní mohou být od sebe odděleny křivkami, nikoliv pouze přímkou, což zpřesňuje výsledek.
Každý neuron v síti tedy řeší pouze část celého problému. Výsledek je tvořen kompozicí příspěvků od všech neuronů v síti. Je zjevné, že takový přístup je v přírodě velmi výhodný. Přestane-li některý neuron z jakéhokoliv důvodu fungovat, výsledek výpočtu neuronové sítě sice nebude tak přesný, ale řešení bude dostatečně správné. Celková naučená informace je tak rozprostřena mezi mnoha neurony.

Nejčastěji používaným algoritmem k učení vrstevnatých neuronových sítí je algoritmus zvaný backpropagation. Ten pracuje tak, že vyhodnocené řešení se porovná s očekávaným a tím se zjistí, o kolik se neuronová síť netrefila. Zpětně se na základě toho vypočítává, o kolik se mají změnit váhy neuronů, aby se tato odchylka od správného řešení co nejvíce snížila.

Představme si trojrozměrný graf. Svislá osa odpovídá velikosti chyby, zbylé osy parametrům sítě. Pro různou volbu parametrů sítě je tak přesně dána chyba, které se dopustíme. Cílem učení je najít globální minimum – tedy takové nastavení parametrů sítě, aby chyba byla minimální.
Na začátku učení se zvolí náhodné nastavení parametrů. Takovou náhodně nastavenou neuronovou síť lze zanést do výše uvedeného grafu jako bod. Výpočtem lze zjistit směr, ve kterém chyba z tohoto vneseného bodu klesá nejrychleji – nejstrmější propad. Směr tohoto nejstrmějšího propadu reprezentuje vektor, který nazveme gradient. Postupně ve směru gradientu posouváme myšlený bod (nastavení parametrů neuronové sítě), dokud se nedostaneme do místa s nejnižší chybou. Je to obdoba stabilisující záporné zpětné vazby.
Takto (velmi zhruba) fungují neuronové sítě, které je možno i technicky napodobit.

V živém mozku ovšem má zásadní úlohu i jeho "chemické vyladění".
Membrány neuronů mají výše zmíněné iontové kanály, které jsou ovládány prostřednictvím receptorů. Specifické látky, látky blokující či naopak excitační, které se na tato místa váží, tak změnou koncentrace iontů mění membránový potenciál neuronů a tím i jejich citlivost na vstupní signály. Zásadně se tak mění vyladění celých velkých oblastí a tedy nejen samo řešení úloh, ale i způsob, jak jednotlivé autonomní neuronové obvody mění hodnocení chybovosti jimi prováděných řešení.
Toto celkové neurochemické vyladění neuronových sítí odpovídá i za to, čemu se trefně říká "nálada". Aktivací či útlumem celků i specifických oblastí je podstatně ovlivněno vnímání, zpracování vnímaného, ukládání i uvolňování informací ze všech typů pamětí, kterými mozek disponuje. Zásadně jsou ovlivněny i procesy myšlenkových operací i jejich výstupy, kterými je ovládáno tělo. I sama odezva těla a zpětné sensorické informace je biochemickým vyladěním podstatně ovlivněna.

Za biochemické vyladění organismu jsou zodpovědny endogenní látky, tedy psychoaktivní substance, které si organismus vyrábí sám a jejichž vzájemné vyvážení zajišťuje exaktně jen obtížně definovatelný stav duševní rovnováhy.
Uvolňování těchto endogenních látek je řízeno převážně mozkem, který je tím sám vzápětí ovlivněn; a převážná část tohoto neurochemického nastavení je přitom mimo kontrolu vůle či vědomí.

Typické je ovšem i to, jakou cestou byly ony endogenní látky postupně objevovány. Příkladem je přírodní látka rostlinného původu, morfin. To je průzračně jednoduchý fenanthrenový alkaloid tvořený čtyřmi navzájem spojenými šestiúhelníky s několika navěšenými ocásky. Bylo nalezeno i místo, kde se tato jednoduchá látka specificky váže a nazváno morfinový receptor. Otázka však byla, proč organismus v sobě vůbec něco takového má, když je ona specifická látka (ligand) tělu cizí? Výsledkem byl objev endogenního, tělu vlastního ligandu. Ukázalo se, že onou látkou je dosti komplikovaný polypeptid, obsahující podle typu 16 až 31 aminokyselinových stavebních kamenů. Cosi zcela nepodobné morfinu, přitom to však funguje úplně stejně. Nejbližším přirovnáním je klíč (endorfin) a paklíč (morfin), otevírající stejný zámek.
Velmi podobnou cestou pak byly objevovány další endogenní ligandy, vážící se na receptory, jejichž seznam vypadá jak blacklist z protidrogového oddělení; receptor morfinový, cannabinoidní, barbiturátový, fencyklidinový...
Každý jedinec je přitom co do citlivosti k jednotlivým přirozeným psychotropním látkám nastaven zcela specificky. I sama rovnováha působení a vyrovnávání je proces dynamický, citlivě reagující na vnější podněty, často i podprahových úrovní. Ovšem právě biochemické vyladění organismu zásadním způsobem ovlivňuje emocionální část osobnosti, kdy jde navíc o část exaktním způsobem nezachytitelnou. Není přitom sporu o tom, že je to zásadní a jedinečná komponenta lidské osobnosti.
Obávám se, že přenos právě této části člověčí osobnosti na jinou hardwarovou platformu je prakticky nemožný.

Mozek i s celým tím dlouhým ocasem, který z něj vychází, je navázán na tělo, které s ním tvoří nerozlučnou jednotu. Během formativního údobí se s ním jedinec sžije; naučí se jej ovládat a rozumět signálům, které mu tělo dává. I zde komunikace probíhá převážně v podvědomé oblasti a do vědomí přichází v podobě jakési souhrnné stavové informace. Co taková samozřejmost znamená, lze pochopit, až když je tato vazba zásadním způsobem narušena.
Měl jsem jedinečnou možnost vyzkoušet si, jaké to je být (díky autoimunitní demyelisační polyneuritidě, GBS) odpojen od vlastního těla, aniž by přitom byly hrubě narušeny mé kognitivní funkce. Pak jsem si odzkoušel, jaké to je postupně se znovu učit ovládat vlastní tělo a znovu se naučit rozumět signálům, které mi zpětně dává. Výsledkem je poznání, že život v podobě isolované mysli je sice možný, ale výsledkem je pak už někdo úplně jiný, než byl před onou změnou. Je to formativní zkušenost, která dosti změní sám pohled na svět. Být uzavřen ve světě své mysli sice může být zlým osudem, se kterým nezbývá než se sžít, rozhodně to však nemůže být kýženým cílovým stavem.
Poté, co jsem si vyzkoušel, jak obtížné je znovu se naučit ovládat své vlastní staré dobré tělo, umím si až příliš dobře představit problémy spojené s hypotetickým přesunem do těla nového, jiného, cizího.

Jaké z toho všeho učinit závěry?

Vzhledem k naprosté provázanosti softwarové a hardwarové části osobnosti by přenos osobnosti by musel být proveden na identickou hardwarovou platformu.
Taková platforma však musí být i proměnlivá v čase. Sestrojení takové identické platformy však už naráží na principielní hranice (princip neurčitosti a chaos).

Nedílnou částí je zmiňovaná biochemická rovnováha. Pokud by si snad i bylo možno představit konstrukci umělé logické sítě věrně kopírující vlastnosti sítí neuronových, nedokáži si už vůbec představit jakým způsobem napodobit onu vágní hru psychotropních substancí, zajišťující emoční rovnováhu i vyladění osobnosti... navíc když i sám exaktní popis těchto nepopsatelných nálad je pro mne už za hranicí fantasie.

Zbývá ono napojení na zbytek těla, se kterým je osobnost neoddělitelně svázána.Bez oné vazby by zůstala pouhá zmrzačená isolovaná mysl - nikoliv žití, ale pouhé přežívání.

Konečným závěrem je i mé přesvědčení o nemožnosti existence fenomenu "duše" nezávislé na tělesné schránce. Vypreparovaný člověčí software vždy zůstane pouhým neúplným a zcela nefunkčním fragmentem. Dal by se přirovnat ke škatuli plné děrných štítků, patřících k nějakému prehistorickému sálovému počítači, jehož stojany však už dávno skončily ve šrotu a jeho konstrukční plány ve sběrně starého papíru.

Toto není a ani nemůže být úplný popis problémů spojených s přenosem osobnosti. Dává to snad však alespoň malý náhled na tuto neskutečně složitou problematiku.

[Medea]

Foxy, ľudský mozog je zmiešaný – analógovo-digitálny stroj. Neuróny – miliardy analógovo-digitálnych počítačov-robotov (robotov, kvôli vytváraniu a zanikaniu synapsií) – vytvárajú ľudský mozog. Ale nevidím dôvod, prečo by sa ľudský mozog v princípe nedal, pomocou dostatočne pokročilej technológie, digitalizovať. Predstav si umelú digitálnu neuronálnu sieť, ktorá postupne prerastá ľudský mozog, až ho úplne nahradí


Programmable neural silicon: http://www.stanford.edu/group/brainsins ... about.html
Vision: Computing efficiently: http://www.stanford.edu/group/brainsins ... ision.html

[Medea]

Foxy, predstav si teda, že žiješ v onom prekrásnom novom svete, v ktorom:

(1) umelé digitálne siete môžu poprerastať a postupne nahradiť ľudský mozog. Poprerastať a nahradiť tak, že to človeka nepoškodí, ale naopak, prospeje mu to.
(2) Tvoj organický mozog sa pozvoľne nahradí a premení na anorganickú digitálnu sieť.
(3) Táto sieť sa napojí na superpočítač a postupne sa softvérovo prevedie do superpočítača tak, že Ťa to nepoškodí, ale naopak, prospeje Ti to. Zmeníš sa na inteligentný softvér v superpočítači.
(4) Tento softvér sa viacnásobne kvalitne zduplikuje v sieti superpočítačov. A namiesto jedného “softvérového ducha” Foxyho, bude teraz v superpočítačovej sieti strašiť viacero Foxyho kópií

Foxy, čo na to povieš? Vidíš tam nejaké principiálne problémy? Inak odhadujem, že pamäť (rádovo) s kapacitou 1 (petabajta, 1 PB = 10^15 B) by mohla informačne pojať 100 rokov normálneho ľudského života.