意識のQBIT理論

強調オフ

意識・クオリア・自由意志物理・数学・哲学

サイトのご利用には利用規約への同意が必要です

The QBIT Theory of Consciousness

マジッド・ベシュカール1

要旨

QBIT理論は、量子力学、生物学、情報理論、熱力学などの様々な科学分野から提供される経験的証拠に基づいて、意識の問題を解決しようとする試みである。この理論では、意識の問題を以下の4つの問いで定式化し、それぞれの問いに対する予備的な回答を提示している。

質問1:クオリアの性質とは何か?

答え:クオリアとは、量子情報が最大にもつれた純粋な状態で符号化された超密な量子情報のパックである。

質問2:クオリアはどのようにして生成されるのか?

答え:クオリアはどのようにして生成されるのであろうか?量子情報のパックがある閾値以上に圧縮されると、クオリアが生成される。

質問3:なぜクオリアは主観的なのか?

答え:クオリアはなぜ主観的なのか?クオリアが主観的であるのは、最大にもつれた純粋な状態で符号化された情報のパックが、本質的にプライベートで共有できないからである。

質問4:なぜクオリアは特定の意味を持つのか?

答え:認知システム内の情報の集合は、システム内に設置された内部モデルによって実行される解釈の進行過程を経ることで、徐々に特定の意味を獲得していく。

 

本論文では、意識のQBIT理論を紹介し、その基本的な仮定と仮説を説明する。

キーワード

コヒーレンス . 圧縮 . 計算 . 意識 . エンタングルメント . 自由エネルギーの原理 . 生成モデル . 情報 . クオリア . 量子 . 表現

序論

意識の問題は生物学の中でも最も困難な問題の一つであり、数十年に及ぶ科学的研究にもかかわらず未解決のままである。意識の問題の核心は、実はクオリアの問題である。

クオリア(クオリアの複数形)とは、赤い色、鋭い痛み、特定の匂い、特定の味などの主観的な意識的経験を指する。例えば、赤い花を見たとき、私たちが経験する赤さはクオリアである。私たちの意識は、いつでもいくつかの異なるクオリアから構成されている。実際、「意識する」ということは「クオリアを持つ」ということであり、無意識の知覚は「クオリアのない知覚」を意味する。

意識の問題を解決するためには、経験的証拠だけでは不十分であり、多様な(ときには無関係に見える)経験的証拠を選択してまとめ、隠されたパターンを明らかにするための適切な理論が必要である。そこで、量子力学、生物学、情報理論、熱力学などの異なる科学分野から集められた証拠の断片を用いて、意識の謎を解く試みがQBIT理論である。

QBIT理論では、意識の問題を次の4つの問いで定式化している。(1) クオリアの性質とは何か?(2) クオリアはどのようにして生成されるのか?(3) クオリアはなぜ主観的なのか?(4) クオリアはなぜ特定の意味を持つのか?

まとめると、QBIT理論は以下のような前提と仮説に基づいている。

(1)意識はマックスウェル悪魔支援量子計算を必要とする。

(2)ある外部刺激に関する認知系内の情報理論的確実性があるレベルを超えると、その刺激を意識するようになる。

(3) クアリとは、量子情報が最大にもつれた純粋な状態で符号化された超高密度な量子情報の集合のことである。

(4) 量子情報をある閾値以上に圧縮するとクアリが生成される。

(5) クアリは主観的なものであり、最大もつれた純粋な状態で符号化された情報は本質的にプライベートであり、共有できない。

(6)認知システム内の情報の集合は、システム内に設置された内部モデルによって行われる解釈の進行過程を経て、次第に特定の意味を獲得していく。

意識は計算を必要とする

(Dehaene er al)。 (2017)がうまく主張しているように、何世紀にもわたる哲学的二元論によって、意識は物理的な相互作用には還元できないと考えるようになったが、科学的な証拠は、意識は特定のタイプの計算以外の何物でもないところから生じるという命題と両立している。しかし、計算とは何か、意識にはどのような種類の計算が必要なのだろうか。

認知科学では、計算とは、ある内部表現を別の内部表現に変換することと考えることができる(Sanger 2003; Eliasmith 2010)。ここで、「内部表現」とは、外部刺激の代わりとなる情報のパックと定義される(Clark 1997; Ward and Ward 2009)。Pennartz(2018)が主張するように、意識が神経系による内部表象の形成と変換を必要とすることは、神経科学や認知科学において広く受け入れられている。次節では、計算がどのようにして意識を生じさせるのかを説明する。

脳はどのようにしてクオリアを生成するのか?

脳の計算がどのようにして意識を生み出すのかを説明するために、私は感覚処理の簡略化されすぎたモデルを使用している。明らかに、脳はこのモデルで描かれているものよりもはるかに複雑な方法で動作している。しかし、この単純化されすぎたモデルは、脳による感覚処理の本質を捉えており、意識のQBIT理論の根底にある基本的な考え方を明確に説明している。

感覚システムは計算ノードの階層を含んでいる。この階層の最下層には、外部刺激のエネルギーを情報のパックに変換する感覚受容体(ノード1またはN1)がある。この情報パックは、システムが刺激を表現するために作成する最下位レベルの内部表現(表現1またはR1)である。この内部表現は、次の計算ノード(N2)に伝達され、そこで一連の計算処理が行われ、結果として、より高レベルの表現(R2)に変換される。この表現は次のノード(N3)に転送され、前のノードよりも高いステータスを持つ表現(R3)に変換される。このような表現の漸進的な変換は、最上位の内部表現が階層の最上位に作成されるまで続く。

各計算ノード(例えば、N3)は、少なくとも2つの情報パックを受信する。1つは、前のノード(N2)から前方に送られた表現であるボトムアップ入力であり、もう1つは、より上位の計算ノード(例えば、N4)から後方に送られたトップダウン入力である。N3は、これらの情報パックを統合して新しい表現を形成する。この新しい情報パックはN3によって圧縮され、圧縮された表現はN4に送信され、「統合と圧縮」の別のラウンドが行われる。QBIT理論の用語では、このような表現の階層的な連続変換を「表現蒸留」と呼ぶ。

各ノードによって実行される全体の計算は、「局所的な操作と古典的な通信」またはLOCCとして知られているものにやや似ている。量子情報理論では、システムのあるノードで局所的な演算を行い、その演算結果を別のノードに古典的に伝達し、受信した情報を条件に別の局所的な演算を行う情報処理方法をLOCCと呼んでいる。LOCCとQBIT理論との関係については後述する。ここで、簡略化されたモデルに戻ろう。

表現は階層が上がるにつれて、それが表現している外部刺激との相互情報が増える。相互情報はある意味でエントロピーの逆である(Little and Sommer 2013)。したがって、感覚受容体によって生成された表現(すなわちR1)は、相互情報が最小でエントロピーが最大であるのに対し、階層の頂点で生成された表現は、相互情報が最大でエントロピーが最小である。これに似た考え方が最近、GuptaとBahmer(2019)によって提案されている。彼らは、感覚情報が皮質階層の下位から上位へと連続的に処理されると、相互情報の増加が起こると主張している。彼らは、この相互情報の漸進的な増加が知覚に寄与することを示唆している。

ここで議論されている過度に単純化されたモデルでは、Xはエネルギーの塊(すなわち外部刺激)であり、Yは情報の塊(すなわち内部表現)である。相互情報の増加は、外部刺激に対する感覚系の確実性の増加に相当する。この意味で、QBIT 理論は、ある外部刺激に対するシステムの確実性があるレベルを超えると、システムはその刺激を意識するようになることを示唆している。このような高いレベルの確実性を得るためには、量子情報が必要である。ヘイデン(2005)が言うように、「量子情報を使えば、確実性だけでなく、それ以上の確実性を得ることが可能になる」のである。この量子情報の素晴らしい効果は、意識を持つためには、古典物理学の限界を超える必要があるという考えを刺激する。意識を持つためには、もつれやコヒーレンスなどの量子現象が必要である。これらの量子現象と意識の出現における役割については、後ほど説明する。ここで、再び大げさなモデルに立ち返ってみよう。

階層の各段階で行われる計算は、次の段階に送られる前の表現に特定の意味を与える「解釈」のようなものと考えることができる。表現が階層を昇るにつれて、表現はより圧縮されるだけでなく、システムにとってより単純で意味のあるものになる。表現があるレベルを超えて圧縮されると、それはクアリに変換される。したがって、クアリとは、外部刺激に対する内部表現の階層の最上位に位置する、最も圧縮された、最も単純で、最も意味のある表現である。

感覚処理のこの単純化されすぎたモデルを支持する科学的証拠はあるか?はい、ある。ある程度、「予測コーディング」、「単純化の原理」、「ベイズ推論」、「自由エネルギーの原理」に関する文献は、このモデルを支持している。これらはで簡単に議論される。

予測コーディング

予測符号化は、信号処理におけるデータ圧縮戦略として最初に開発された(Clark 2013)。これは、信号の予測されない要素のみを次の段階に伝送して更なる情報処理を行う符号化戦略である(Williams 2018)。実際、予測符号化は、その信号の予測可能な、したがって冗長な要素を除去することによって、信号(または表現)を圧縮する(Rao and Ballard 1999)。

Rajesh Rao and Dana Ballard (1999)によって記述された予測符号化の階層モデルでは、計算ノード(例えば、第一視覚野やV1)の感覚情報のパックが、より上位の計算ノード(例えば、V2)から受信した予測と比較される。この比較の結果、そのような予測からの逸脱(予測誤差と呼ばれる)が特定され、その要素のみが次の計算ノードに転送される。この文脈では、予測誤差は、感覚情報のパックと、両方とも計算ノードに入る高レベルの予測との間の差である。

予測符号化では、フィードバックとフィードフォワードの接続により、予測と予測誤差のシリアル、レシプロカルな交換が可能になる(Shipp 2016)。予測符号化では、フィードフォワード接続を介して階層を下降する信号(または情報のパック)には予測値が含まれ、フォワード接続を介して階層を上降する信号(ボトムアップ入力)には予測エラーが含まれる。

一般的に、任意の段階の計算ノードは、下の段階で生成された表現(または情報の集合)を予測しようとする。さらに、同じ計算ノードは、予測エラーを報告することで、上のステージでの表現を改善(または更新)しようとする(Shipp 2016)。表現がこの階層を上るにつれて、その誤差は徐々に最小化されていく。階層の最上位で生成された表現は、予測誤差が最も少なく、それゆえに、感覚システムが関連する外部刺激について持っている最も正確な予測である。

Little and Sommer (2013)は、内部表現の予測精度は、感覚入力との相互情報によって測定できると主張している。この文脈では、相互情報とは、内部表現が関連する感覚入力に関する情報量のことである。これらの議論に基づいて、QBIT理論は、クアリが予測符号化の階層の最上位で生成された内部表現であることを示唆している。したがって、クアリは最も正確な表現であり、予測誤差が少なく、相互情報が最大である。

単純化の原理

単純性の原理は、認知科学における強力な統一原理であり、学習だけでなく知覚を含む幅広い現象を説明することができる(Chater and Vitanyi 2003)。単純性の原則は、感覚処理の第一の目標は、外部刺激の可能な限り単純な内部表現を作成することであると述べている(Chater 1999)。認知システムが可能な限り単純な表現を作成する傾向は、最も単純な表現が最も正確な予測を可能にし、意思決定のための最良の基礎を提供するという事実に起因している。

可能な限り単純な表現を作成するために、認知システムは情報を圧縮する能力を備えていなければならない。認知システム(脳など)が内部表現の単純性を最大化するために利用できる情報圧縮のための様々な技術がある。これらの技術の一つは、Wolff(2016)で述べられている「パターンの一致と統一」である。この種の情報圧縮は、情報の塊を検索してお互いに一致するパターンを見つけ、同じパターンの複数の構成を一つに減らすようにそれらを統合または統一する一連の計算操作によって達成される。Wolff (2019)は、パターンの一致と統一を介して表現(または情報のパック)を圧縮することで、その表現の単純さと説明力の両方を向上させることを論じている。彼は、パターンの一致と統一を介したこの種の情報の圧縮が、人間の脳における知覚、認知、学習の本質的な部分であることを示唆している。

単純性の原理は、「ベイズ推論」の概念と密接に結びついている(Chater and Vitanyi 2003; Pothos 2007; Chater er al 2010)。Feldman(2016)は、認知科学において、複雑さの最小化とベイズ推論は、実質的に同じものではないにせよ、深く絡み合っているとみなされていると論じている。ベイズ推論は、パラメータの少ない表現(すなわち、より単純な表現や低次元の表現)の方が、パラメータが多い表現よりも多いという組み込みの傾向を持っていることは注目に値する(Feldman 2009)。しかし、ベイズ推論とは何か、そしてそれは意識のQBIT理論とどのように関係しているのだろうか。

ベイズ推論

ベイズ推論は、システム内で既に利用可能な情報(すなわち事前知識)と新たな証拠(すなわち入力情報)を用いて、事象の隠れた原因に関する仮説(または信念)を生成、検定、更新する推論の統計的手法である。ベイズ推論は様々な戦略を用いて実現できるが、そのうちの一つが階層的予測符号化である(Aitchison and Lengyel 2017)。予測コーディングもベイズ推論も、外部からの入力を内部信号(すなわち、予測、前 提、または仮説)と統合することの重要性に同意している(Aitchison and Lengyel 2017)。

予測コーディングは一種の階層的ベイズ推論とみなすことができ、その場合、トップダウンの予測が「経験的な前提」の役割を果たす(Friston 2013)。しかし、階層の頂点では、トップダウンの予測は存在せず、期待が「完全な前任者」となる。これらの期待は通常、生存のために必要なものとして進化によって選択される本能や先行する信念と結びついている(Friston 2013)。

実験的証拠は、視覚システムが感覚情報を解釈するために階層的ベイズ推論を使用していることを示している(Lee and Mumford 2003)。これは明らかに視覚知覚だけに限定されていない。一般的には、知覚は一種の階層的推論、あるいは仮説検証と更新の連続的なラウンドと考えることができる(Gregory 1980; Friston er al 2012)。

階層的ベイズ推論は、ある事象に関する一連の仮説の不確実性を徐々に最小化する。これは、階層の最上位に向かってベイズ的証拠を蓄積する(または最大化する)ことによって達成される。QBIT理論は外的な刺激についての認知システム内のベイズの証拠(およびそれ故に確実性)の蓄積が特定のレベルを超過するとき、システムがその刺激を意識するようになることを提案する。これはベイズ推論の階層の最上位で起こる。実際、クアリは、システムが最も多くのベイズ的証拠を蓄積している仮説(感覚入力の隠れた原因について)とみなされる。

ベイズ推論、予測符号化、単純化の原理は、「自由エネルギーの原理」と呼ばれるより基本的な原理の異なる現れとみなすことができる。では、この統一原理とQBIT理論との関係について議論する。

自由エネルギー原理

自由エネルギーの原理は、崩壊に抵抗し、時間の経過とともにその完全性を維持することができる自己組織化システム(生物学的生物のようなもの)は、その変動的自由エネルギーを最小化することによって、内部エントロピーを常に最小化しなければならないということを述べている(Friston 2010)。この文脈では、変動的自由エネルギーは熱力学的自由エネルギーの情報理論的アナログであり、エントロピーは不意打ち(または不確実性)の長期平均である(Kirchhoff er al 2018; Ramstead er al 2018)。したがって、自由エネルギーを最小化することは、エントロピーと不確実性を減少させることに等しい(Kirchhoff and Froese 2017)。シャノンエントロピー(不確実性とも呼ばれる)は、何かについてどれだけ知られていないかを定量化する(Adami 2016)。言い換えれば、エントロピーは、ある変数についてのすべての不確実性を排除するために必要な情報量の尺度である(Borst and Theunissen 1999)。

自由エネルギー原理によれば、すべての生物は、環境の内部モデルを生成することを余儀なくされる(Badcock er al 2019)。彼らは、彼らの自由エネルギーを最小化し、その結果として内部エントロピーを最小化することができるようになるために、世界の階層的な生成モデルを作成しなければならない(Ramstead er al 2018)。自由エネルギーを最小化することは、モデルのエビデンスを最大化することとほぼ同等である(Badcock er al 2019)。したがって、生物は、ベイズ推論と感覚情報の能動的なサンプリングを通して、世界の生成的なモデルに対するエビデンスを常に最大化しなければならない(Friston er al 2012; Kanai er al 2015)。

自由エネルギーの原理は、生物の適応的適合性は、不意打ちの平均である感覚的不確実性の最小化に対応すると提案している(Kim 2018)。この原理によれば、生物は感覚受容体を介して刺激を受けると、能動的推論によって感覚の不確実性を最小化しようとする試みを瞬時に(自動的に)開始する(Kim 2018)。

変動的な自由エネルギーは予測誤差にほぼ等しい(Friston 2013)。したがって、自由エネルギーを最小化することは、認知システムの予測の精度を高める。さらに、自由エネルギーを最小化することは、正確な予測の複雑さの減少をもたらす(Friston er al 2016)。実際、自由エネルギーは、複雑さから精度を差し引いたものとして表現することができる(Feldman and Friston 2010)。したがって、自由エネルギーを最小化することは、精度を最大化する一方で、複雑さを最小化することに相当する(Friston 2012)。ここでは,”複雑さ “は,表現内の情報量ではなく,統計的規則性の量を意味するために使われている(Adami 2002).統計的規則性は一種の冗長性である(Barlow 1974)。表現の規則性や予測可能な要素は、その単純性を低下させる。実際、表現の単純性の程度は、それが含む統計的規則性の量に反比例する(Barlow 1974)。したがって、表現の自由エネルギーを最小化すると、冗長性が減少し、結果として表現が圧縮される。

認知システム(脳など)は、情報が計算ノードの階層を通過することで、各ノードが予測(または先行情報)を受信し、その予測の誤りに応答することで、入ってくる情報の不確実性を最小化するように、その変動的自由エネルギーを最小化することができる(Fotopoulou 2013)。実際、脳は、その刺激の表現における誤差を減らすことで、外部刺激に驚かれる確率を減らそうとしている(Kirchhoff and Froese 2017)。

これらのすべての議論に基づいて、脳において、自由エネルギー原理の全体的な原動力は、(1)外部世界の内部モデルを作成し、(2)そのモデルに対するベイズ的証拠を最大化し、(3)内部表現の不確実性を低減し、(4)内部表現の精度を高め、(5)内部表現の単純性を最大化し、(6)内部表現をより圧縮することであることを示唆するのは、もっともらしい。

Hobson et al 2014)は、脳が複雑さを低減すると、熱力学的自由エネルギーも低減し、その結果、その状態に到達するために必要な仕事も低減すると主張している。実際、複雑さを最小にした脳の状態は、熱力学的自由エネルギーを最小にした状態でもある。言い換えれば、最大に単純な脳の状態は、エネルギー的に最小の状態にあるということである。意識のQBIT理論は、意識状態が、可能な限り最小の変動的自由エネルギーを持つ状態に対応することを示唆している。したがって、内部表現の階層では、クアリはエネルギー的に最小の状態にある表現である。

意識と意味

情報自体には本質的な意味はない。情報に意味を付加するのは「解釈」である。同じ情報の塊でも、システムがどのように解釈するかによって、異なる意味を持つことがある(Orpwood 2007)。QBIT理論は、認知システムにおいて、情報の塊を解釈し、それに特定の意味を付与するものは、システムにインストールされている内部モデルであることを示唆している。この内部モデルは、実際には階層的な生成モデルである。情報の集合(すなわち内部表現)は、この階層の各段階で解釈を受け、その結果、階層の頂点に向かうにつれて徐々に意味を持つようになる。Tschechne and Neumann (2014)は、この仮説に沿って、視覚階層の初期および中間段階での計算が、局所的な表現を輪郭、形状、表面のより意味のある表現に変換することを主張している。

脳が生成できる各クアリに対して、脳には特定の内部モデルがインストールされている(あるいはエンコードされている)。クォールを生成するためには、関連する内部モデルを活性化する必要がある。しかし、内部モデルがボトムアップで活性化されても、その活性化が階層の頂点に達するほど強力でない限り、必ずしもクアリの生成をもたらすわけではない。そうでなければ、内部モデルの活性化は、質のない(あるいは無意識の)知覚をもたらす。意識や感覚入力がない場合でも、内部モデルはシステムの行動を導くことができる(Marstaller er al 2013)。

内部モデルは、認知システムが十分な時間をかけて環境を観察し、相互作用することで作られる。言い換えれば、内部モデルは、システムがアクチュエーターを通じて環境に作用し、センサーを通じてフィードバックを受けることを繰り返すうちに、徐々に形成されていく(Marstaller er al 2013)。環境や環境の中で生き延びるために実行すべきタスクが十分に複雑な場合、認知システムは内部モデルを形成することでこの課題に反応する(Marstaller er al 2013)。期待とニーズは、動物の内部モデルを形成する2つの要因である。動物が適切に行動し、ダイナミックな環境の中で生き延びるために進化すると、環境の内部モデルが神経系の中に出現する。内部モデルは階層的で非線形で動的である。これらのモデルは学習によって形成され、動物の生涯または進化の過程で更新される(Marstaller er al 2013)。

情報圧縮

QBIT理論では、意識の問題を解決する鍵は「情報圧縮」という概念にあるとしている。意識の出現には、何か魔法のようなものが必要なのではないかと思わずにはいられないほど、意識の現象が謎に包まれていることがある。QBIT理論によれば、意識の出現に魔法が必要だとすれば、その魔法は情報圧縮によって行われる。自然界には、圧縮の魔法の良い例がある。極端に圧縮された物質は「ブラックホール」と呼ばれる謎めいた存在を生み出する。同様に、情報を極端に圧縮すると、もう一つの謎めいた実体であるクアリが生まれるかもしれない。QBIT理論は、小さな空間に多くの量子情報を詰め込みすぎると、重力崩壊のようなものが起こり、クアリが生まれることを示唆している。QBIT理論では、ブラックホール(マットの超高密度パック)とほぼ同じように、クアリを量子情報の超高密度パックと考えている。

QBIT理論は、極端な情報圧縮のためには、量子現象(もつれやコヒーレンスなど)が必要であると仮定している。古典物理学ではそのような魔法をかけることはできない。この仮定と一致するように、もつれた量子状態は、古典的なロスレス圧縮で可能なものよりもはるかに多く圧縮できることが示されている(Reif and Chakraborty 2007)。さらに、量子もつれは、超密符号化のための最も重要な資源である(Bruß er al)。

情報圧縮の利点は、圧縮率に等しい因子による計算量の減少である。このような減少は、計算能力が限られていたり、高価すぎるシステムでは重要であるかもしれない(Bar-Shalom 1972)。実際、困難な環境に位置し、複雑な問題を解決する限られた資源を持つシステムは、情報を圧縮する必要がある(Kipper 2019)。

私たちの感覚受容体に利用可能な情報は、高度に冗長化されている。冗長性の低減を介した情報圧縮は、感覚系の初期段階における計算の主要な目標であるように見える(Becker 1996)。例えば、網膜における側方抑制は、網膜入力における局所的な相関関係を除去するプロセスとみなすことができ、その結果、その入力の冗長性が低く、したがって、より圧縮された表現を提供することになる(Chater 1999)。したがって、網膜での計算の主な目標は、大脳皮質で圧縮された表現を作成する最初のステップとして、視覚入力を統計的に独立した形に変換することである(Atick and Redlich 1992; Olshausen and Field 1996)。大脳皮質における情報圧縮の計算上の利点は、膨大な量の感覚情報の転送と利用がはるかに容易になり、コストが低くなることである。さらに、情報圧縮は、情報のパックを保存するのに必要なメモリ量の大幅な削減を引き起こす。

Wolff(2019)が主張するように、情報のパックを圧縮することは、情報の冗長性を減らし、結果としてその冗長性のない予測情報を可能な限り保持しつつ、そのシンプルさを高めるプロセスと考えることができる。実際、情報の圧縮は、過去から未来を予測し、確率を推定する認知能力である。この認知能力によって、例えば動物は、どこに食べ物があるか、どこに危険があるかを予測することができる。生物が情報をより良く、より効率的に圧縮できればするほど、その予測はより正確になる(Vitanyi and Li 2000)。人間の脳を含む、成功しているすべての予測システムは、理想的な情報圧縮器の近似値とみなすことができる(Maguire er al 2016)。

これらの証拠と議論に基づいて、情報圧縮が認知の重要な部分であることを示唆するのはもっともらしいと思われる(Chater and Vitanyi 2003; Wolff 2016)。QBIT理論は、それが意識の重要かつ必要な部分でもあることを示唆している。意識が情報圧縮を必要とするという考えは新しいものではない。Maguire er al)。 (2016)だけでなく、Ruffini (2017)も以前に同様の考えを提案している。

(Maguire er al)。 (2016)は、意識は「データ圧縮」という、客観的表現の限界を認め、形式化するコンピュータサイエンスからのよく定義された概念の観点から理解できると提案している。彼らは、情報の圧縮は、情報の群れの中で共有されているパターンを識別することによって、情報が一緒にバインドされる(または統合される)ときに起こることを示唆している。Maguireと彼の同僚はさらに、データ圧縮は情報の塊のサイズが縮小されたときだけに起こるものではないと主張している。誘導や予測との関連性から、情報の圧縮は、理解や理解の信頼できる証拠(または証拠)を提供するプロセスと考えることができる。システムによって達成される圧縮のレベルが高ければ高いほど、システムの予測はより良くなり、システムが情報を理解したと言える範囲はより大きくなる。これは、Chaitin(2006)が提唱した「圧縮は理解である」という考え方と非常によく似ている。

Ruffini(2017)は、意識は外部世界の圧縮表現を作成できるコンピューティングシステムでのみ可能であると提唱した。彼は、脳はモデル構築者であり、情報の圧縮者であると主張している。ラフィーニは、脳が圧縮モデルを構築し、それを利用してシンプルさを指針に情報圧縮を行うことを提案している。

意識は量子現象を必要とする

QBIT理論は、意識はもつれやコヒーレンスを含む量子現象を必要とすることを示唆している。量子もつれやコヒーレンスは、エネルギーなどの古典的な資源を用いては実行できない特定の計算タスクに不可欠な実在の物理資源である(Maruyama er al 2005; Streltsov er al 2017)。しかし、これらの資源は、温度の上昇とともに環境ノイズが増加し、結果として急速なデコヒーレンスと有用なエンタングルメントの損失をもたらすため、極低温に比べて生理的な温度では非常に脆弱である(Marais er al 2018)。実際、デコヒーレンスは、量子コヒーレンスとエンタングルメントを保存して利用する能力に依存するすべての現象に共通の障害である(Viola er al)。 1999)。

コヒーレンスとエンタングルメントは生理学的な温度では非常に脆いが、これら2つの量子現象が、植物や細菌の光合成や鳥類の磁気受容など、特定の生物学的プロセスにおいて重要な役割を果たしていることを示す強い証拠がある(Engel er al 2007; Gauger er al 2011; Lambert er al 2013; Brookes 2017)。さらに、エンタングルメントとコヒーレンスが認知のいくつかの側面にも関与しているという考えを支持する文献が増えている(Wang er al 2013; Hameroff 2014; Busemeyer and Wang 2015; Surov er al 2019)。

QBIT理論は、量子もつれとコヒーレンスが意識において本質的な役割を果たすことを示唆している。この考え方は、Stuart HameroffとRoger Penrose(2014)によって開発された意識のOrch OR(Orchestrated Objective Reduction)理論の基礎にもなっている。オーケストOR理論は、意識がシステムで発生するためには、十分な量の物質(例えば微小管)が十分な時間、首尾一貫した(あるいは純粋な)状態に保たれていることが必要であることを示唆している。

量子力学では、すべてのシステムは状態のセットを持っている。その状態がシステムに関する最大の情報を含む場合、純粋な状態と呼ばれる(Atmanspacher er al 2002)。オークOR理論は、チューブリンの異なる状態が脳内の情報を表していることを示唆している。この理論では、チューブリンビット(および量子ビット、またはクビット)を、もつれたコヒーレントな状態とみなす。1つのニューロンにおける微小管のこれらのコヒーレントな(または純粋な)状態は、絡み合うことで隣接するニューロンの微小管にまで拡張し、潜在的に脳全体のシンシアにまで拡張することができる(Hameroff and Penrose 2014)。この理論に沿って、証拠は、生理学的な温度で脳内の微小管や他のいくつかの分子において、長寿命の量子コヒーレンスが可能であることを示している(Craddock er al 2014; Weingarten er al 2016)。

最大限にもつれた純粋な状態

QBIT理論では、QBITは量子情報の超密パックであり、最大にもつれた純粋な状態で符号化されていると提案している。しかし、なぜ最大にもつれた純粋な状態が必要なのであろうか?

最大にもつれた純粋な状態は量子計算に理想的な資源であるが、混合状態はこの目的にはあまり有用ではない(Horodecki er al)。 量子計算のいくつかのユニークで素晴らしい効果は、最大にもつれた純粋な状態が利用可能な場合にのみ発生する。熱力学的な観点から見ると、最大にもつれた純粋な状態の生成にはコストがかかり、エネルギーの消費とエントロピーの生成を必要とする。しかし、与えられたパラメータを高精度で推定するようないくつかの計算タスクでは、すでに利用可能な混合状態を使用するよりも、システムが最大にもつれた純粋な状態を使用する方がコスト効率が良いです(Cirac er al)。 1999)。したがって、あるレベルの精度以上では、最大にもつれた純粋な状態を使用すると、計算のコストが削減される。

意識は最大にもつれた純粋な状態を用いた量子計算を必要とするので、意識のあるエージェントは常にそのような状態を生成し保存するメカニズムを備えていなければならない。QBIT理論では、脳内では、最大もつれた純粋な状態を生成し、保存するという作業は、部分的にはマックスウェル悪魔のようなものによって行われていると提案している。熱力学では、マックスウェルデーモンはシステムに結合し、そのシステムの熱力学的効率を向上させる実体である(Zurek 1989)。実際、マックスウェルデーモンは、周期的なプロセスで対象システムから仕事を抽出し、熱を除去する。仕事の抽出と熱の除去(これは熱力学的プロセスである)は、混合状態を純粋な状態に変換すること(これは情報理論的プロセスである)に相当する(Horodecki and Oppenheim 2013)。量子力学では、量子ビットを純粋な状態に変換することができる特別な種類のマックスウェルデーモンが存在する(Lebedev er al 2018)。言い換えれば、それは進行中の量子計算に純粋な状態を注入することができる。この種のMaxwellデーモンは、局所的に動作する古典的なMaxwellデーモンとは対照的である。これは、メートルオーダーの巨視的距離にわたってターゲット量子ビットを浄化することができ、数ケルビンオーダーの高温を許容する。システムと悪魔の間のこのような空間的な分離は、悪魔のメモリ消去中にシステムの望ましくない加熱を防ぐことができるので、実用的な利点がある。実際、この特定の悪魔は、クビットを浄化するだけでなく、クビットの周囲の環境をわずかに寒くする。さらに、古典的な悪魔とは対照的に、この量子悪魔は、その純度またはコヒーレンスを熱力学的資源として利用している。

マクスウェルデーモンの概念は、最初は熱力学で導入されたが、徐々に情報理論や生物学を含む他の科学分野での応用が見出された。例えば、生物学では、大腸菌の走化性にはマクスウェルデーモンの作用が必要であることが実証されている(Tu 2008; Ito and Sagawa 2015)。この場合、マクスウェルデーモンは、環境ノイズの対象システムへの影響を低減させようとする。QBIT理論では、意識はマックスウェルデーモンが重要な役割を果たすことができるもう一つの生物学的プロセスであると提案している。これらの役割の一つは、量子計算のための最大にもつれた純粋な状態の生成と保存である。

最大限にもつれた純粋な状態が使用されれば、量子計算はより効率的になる(Kwiat er al 2001)。さらに、密なコーディングのようないくつかの計算タスクは、一般的に純粋な最大もつれ状態を必要とする(D’Arrigo er al 2014)。しかし、デコヒーレンスの効果により、実際に利用可能な状態は非最大もつれ、部分的に混合された状態(純粋ではない)、またはその両方である可能性が高い(Kwiat er al 2001)。この問題に対抗するために、状態の精製と同様に、さまざまなもつれ蒸留の方法が提案され、実験的に実現されてきた。絡み合い蒸留は絡み合いを増加させるが純度は増加させないプロセスであり、一方、状態精製は純度を増加させるが絡み合いは増加させないプロセスである(Kwiat et al 2001)。絡み合い蒸留は、絡み合いの少ないクビットの数を最大に絡み合うクビットの数が少ないものに変換する(Pan er al 2003)。一方、状態精製は、混合状態を最大にコヒーレントな(すなわち純粋な)状態に変換する(Liu and Zhou 2019)。

絡み合い蒸留と状態精製の両方は、「局所的な操作と古典的な通信」またはLOCCのシーケンスによって実現することができる(Pan er al 2003; Horodecki and Piani 2012)。したがって、一連のLOCCは、潜在的に最大にもつれた純粋な状態を生成することができる(Murao and Vedral 2001)。

なぜクオリアは主観的なのか?

クオリアの主要な特徴は、クオリアが主観的であるということである。これは、クオリアがプライベートで共有できないことを意味し、クオリアを生成しているシステムだけがアクセスできることを意味する。システム内で生成されたクオリアの観察や測定は、他のシステムでは不可能である。

クオリアは秘密鍵とみなすことができる。情報理論の観点から見ると、秘密鍵は2つの重要な特徴を持つビットの文字列である。第一に、完全に相関していること。第二に、他のいかなる人物からもアクセスできないことである(Horodecki er al 2009)。第一の特徴は、最大のもつれによるものである。なぜなら、秘密鍵に関する知識を得ようとする盗聴者は、システムに位相誤差を導入して純度を破壊し、それを妨害することは避けられないからです(Horodecki er al 2009)。

“エンタングルメントはプライバシーが意味するものと量子的に等価なものである” Horodecki et al 2009)の論文のこの素敵な文とその背後にある議論は、量子もつれが意識の主観性を説明できるかもしれないと提案するQBIT理論への洞察を提供した。

量子もつれは限られた共有性を持っている。純粋な状態の場合には、絶対的に共有できないことさえある(Seevinck 2010)。これらの議論はすべて、もつれの一夫一婦制の観点から表現することができる。もつれの一夫一婦制によれば、最大にもつれた純粋な状態は共有可能ではない(Doherty 2014; Susskind and Zhao 2018)。クオリアは最大にもつれた純粋な状態で符号化されているので、プライベートで共有不可能な状態であるはずである。

意識と量子情報

QBIT理論は、クオリアは自然界に存在する量子情報であり、クオリアの出現には量子計算が必要であると提案している。自然界のほとんどの物理現象は、量子情報と計算の観点から定式化され、よりよく記述されている(Luo 2003)。重力はその代表的な例である。量子力学と重力を両立させることは、物理学の中でも難しい問題であり、まだ解決されていない。最近では、量子情報理論や、もつれや量子誤り訂正のような概念が、この問題を解決する上で基本的な役割を果たすようになっていた。例えば、重力は量子情報に由来することが示唆されている(Qi 2018)。さらに、最近の理論物理学からの証拠は、もつれ量子ビットが重力の起源だけでなく、物質や空間の起源でもあることを暗示している(Wen 2019)。ある程度のレベルでは、すべてのものは情報に還元されるようである(Masanes er al)。 このことは、QBIT理論に触発されて、基本的なレベルでは、クオリアは量子情報またはもつれたクビットであると提案する。

量子情報の性質についての知識が増えれば、クオリアの性質についてより多くの洞察を得ることができるであろう。現在のところ、量子情報は非局所的なものであることがわかっている。量子情報はもつれた状態で非局所的に分布している(Susskind and Zhao 2018)。量子情報は非局所的であるため、クオリアも非局所的であるはずである。さらに、量子情報が物理的であることを示すいくつかの証拠がある(DiVincenzo and Loss 1998)。もしこれが真実であれば、クオリアもまた物理的なものでなければならない。

一般的に、情報は、それをコード化する物理的な基質がなければ存在できない(Landauer 1991)。したがって、私たちが脳内に保持している情報にも物理的な基質があるはずである。この物理的基質は一種のクビットである。しかし、脳内のクビットの役割は何であろうか?少なくとも、Stuart HameroffとRoger Penrose(2014)によって記述された「チューブリンビット」と、物理学者のFisher(2015)によって記述された「ニューラルクビット」の2つの候補がある。

Fisher(2015)は、脳内では、ポスナー分子上に存在する1つのリン原子の核スピンが「神経クビット」と呼ばれるクビットとして機能することを示唆している。ポスナー分子は、リン酸カルシウム分子の一種で、リン原子の核スピンを非常に長い時間、デコヒーレンスから守ることができるユニークな化学構造を持っている。異なるポスナー分子内のリン核スピンは、絡み合った状態になり、比較的長期間にわたってその状態を維持することができる(Weingarten er al 2016)。

脳内では、ポスナー分子はリン原子核スピンに基づく量子計算のための有望なプラットフォームであるように思われる。リン原子の核は非常に弱い磁石である。これは、北か南のどちらかを指し示す羅針盤のようなものと考えることができる。これらの北または南の位置は、古典計算の基礎となるバイナリコードの0と1に相当する。古典的なコンピュータでは、情報は0と1で符号化されており、それ自体は半導体上の異なる電圧で表現されている(Adami 2012)。

QBIT、Orch OR、IIT

意識の理論として最も有望でよく開発されているのは、Orch OR(Orch OR)理論(Hameroff and Penrose 2014)と統合情報理論(Tononi 2008)の2つである。

オーチOR理論とQBIT理論の主な類似点は、どちらも量子力学に基づいて構築されていることである。どちらの理論も、意識は量子計算、エンタングルメント、コヒーレンスを必要とすると提案している。オークOR理論では、意識は必然的に波動関数の崩壊を必要とすると仮定している。実際、この理論は、「波動関数の客観的崩壊」という概念を核とした量子力学の特定の解釈に基づいている。したがって、Orch OR理論は、量子力学の他の解釈、特に「多世界解釈」のような非崩壊的な解釈とは相容れない可能性がある。Orch OR理論とは対照的に、QBIT理論は量子力学の特定の解釈に基づいているわけではない。QBIT理論の主眼は、波動関数の客観的・主観的な崩壊ではなく、情報の極端な圧縮にある。したがって、QBIT理論は、Orch OR理論とは異なり、量子力学のすべての異なる解釈と互換性があるかもしれない。

統合情報理論(IIT)は、意識が統合された情報であることを示唆している(Tononi 2004)。この理論によれば、意識は質の他に量を持つ。意識の量はシステムが生成する統合された情報の量によって決定され、質はシステム内で生成される情報関係の集合によって決定される。

IITとQBIT理論の共通点は、両理論が情報という基本概念の上に構築されていることである。実際、両理論とも意識と情報を直結させている。Tononi (2008)が説明しているように、統合された情報と量子力学の原理との間には興味深い類似性があるため、統合された情報の概念は原理的に量子情報を含むように拡張することができる。IITは、量子もつれと統合された情報が情報的に一つであると仮定している(Tononi 2008)。

IITは、統合された情報を持つシステムは意識的であると述べている。これは、単純なフォトダイオードでさえも意識を持っているという、非常に直感的ではない結果をもたらす。Tononi (2008)は、「バイナリのフォトダイオードでさえ、完全に無意識ではなく、むしろちょうど1ビットの意識を享受している」と主張している。さらに、フォトダイオードの意識は、ある種の品質を持っており、それは可能な限り最も単純な品質である」と論じている。QBIT理論によれば、この提案は正しくない。フォトダイオードやもっと複雑なシステム(デジタルコンピュータなど)でさえ、意識の発生に必要な閾値以上の情報を圧縮する能力を持っていないため、意識は全くない。

結論

意識のQBIT理論によれば、クアリ(または主観的な意識的体験)は「表現の蒸留」の最終産物である。クアリとは、脳にとって最も意味のある表現を最大限に圧縮したものである。それは、脳内の外部刺激を表現するために生成される可能性のある最も単純で、最も正確で、最も効率的な表現である。脳がこのような表現を生成すると、外部刺激に関する不確実性が可能な限り最小になる。

意識のQBIT理論は、様々な科学分野からの関連する証拠を吸収しようとしており、発展の第一段階にある。どうやら完全で包括的な理論ではないようだが、意識の問題を解決するための正しい道を歩んでいるのではないかと思う。

本稿では、意識の物理的(あるいは神経的)側面にのみ焦点を当てている。これは、意識が他の側面や次元を持たないことを意味するものではない。多くの哲学者や心理学者が行っているように、意識の他の側面を探ることは、その神経的な相関関係を探るのと同じくらい価値がある。例えば、哲学者チャールズ・サンダース・ピアースは、シネキズムの哲学を発展させ、意識には身体的な側面だけでなく、個人の自己の外に由来する社会的な側面もあるという考えを提案した。

意識のもう一つの側面として、ポラニー(1965)が「補助的意識」と呼ぶものがある。ポラニが説明しているように、「補助的意識の特徴は、私たちの注意の焦点となる何かに対応する機能を持つことである」。彼は、副次的意識は潜在意識や前意識と同等のものではないと主張している。さらに、ウィリアム・ジェームズが述べた意識のフーリンジとは同一ではない。ポラニは、身体と心のつながりは、暗黙知における補助的意識と焦点のつながりの一例であると主張している。

意識の理論が扱うべき挑戦的な問題は、意識の進化的起源である。簡単に言えば、QBIT理論は、プロセスとしての意識が連想学習から進化し、異なるタイプのクオリアが古代の感情の形態から進化してきたことを示唆している。(Bronfman et al 2016)は、無制限の連想学習が進化の過程で最小意識への移行の指標となるという考えを支持する証拠を提供している。彼らは、無制限の連想学習は、系統的に最も早い意識の現れであり、その進化の原動力であると主張している。

感情がクオリアの進化の起源であるという考えは、Langer (1967)によって広範囲に探求されてきた。彼女は、感情がどのように高等生物の中で進化して人間の意識的な知覚になるかを説明している(Shelley 1998)。スペースの都合上、私はこれらのトピックに深く踏み込むことはしない。私は将来の論文でこれらのアイデアを探求することができればと思っている。

この記事が役に立ったら「いいね」をお願いします。
いいね記事一覧はこちら

備考:機械翻訳に伴う誤訳・文章省略があります。
下線、太字強調、改行、注釈や画像の挿入、代替リンク共有などの編集を行っています。
使用翻訳ソフト:DeepL,ChatGPT /文字起こしソフト:Otter 
alzhacker.com をフォロー