Abstract
本提案書は、Mind Uploadingの同一性検証要件として提唱されている「反実仮想的等価性（Counterfactual Equivalence）」の実装可能性における課題を指摘し、その解決策を提示するものである。 Pearlの因果階層（Causal Hierarchy）に基づき、単なる観測データからは反実仮想（Level 3）が識別不可能であることを論じる。 解決策として、摂動複雑性指数（Perturbational Complexity Index: PCI）をGround Truthとして採用し、do-calculusを用いた能動的介入による構造的因果モデル（SCM）の同定プロセスを導入することを提案する。
1. 問題の所在：識別不可能性の壁
以前のフレームワーク（Issue #38）では、デジタルエミュレーションが生物学的脳と「同一」であるための条件として、実際に起きたことだけでなく、「もし別の入力があったらどう反応したか」という反実仮想的な振る舞いの一致を求めた。 しかし、生物学的システムにおいて、観測可能なデータ（Level 1: Association）のみから、内部の因果構造や反実仮想（Level 3: Counterfactuals）を一意に決定（識別）することは数理的に不可能である。
すなわち、外部からの入力に対する出力が完全に一致していても、内部構造が異なる「哲学的ゾンビ」的なモデルを、受動的な観測だけでは排除できない。
2. 提案手法：介入による因果構造の同定
この問題を解決するために、システムへの直接的な「介入（Intervention）」を検証プロセスに必須事項として組み込む。
2.1 Perturbational Complexity Index (PCI) の導入
意識の有無を判定する臨床指標として確立されつつあるPCIを、同一性検証の「ものさし」として利用する。
- Biological Brain: TMS（経頭蓋磁気刺激）により皮質に直接摂動を与え、EEGでその応答の時空間的な複雑さを計測する（PCI）。
- Digital Emulation: デジタル脳モデルに対して、等価な仮想的摂動（Virtual TMS）を与え、その応答（Virtual PCI）を計算する。
両者のPCI値だけでなく、摂動に対する「応答の時空間パターン」自体が高度に相関することを要求する。これにより、静的な結合マップだけでなく、動的な因果構造の一致を検証する。
2.2 do-calculus による介入モデリング
Judea Pearlのdo-calculusを導入し、エミュレーションモデルへの介入を形式化する。
- 観測データ: $P(Y | X)$ - Xを見たときのYの確率（受動的）
- 介入データ: $P(Y | do(X))$ - Xを強制的に操作したときのYの確率（能動的）
エミュレーションの検証において、観測データの一致 $P_{bio}(Y|X) = P_{digital}(Y|X)$ だけでなく、あらゆる介入 $do(X_i)$ に対して $P_{bio}(Y|do(X_i)) = P_{digital}(Y|do(X_i))$ が成立することを確認するループを構築する。
3. 実装への影響
既存の因果モデリングスクリプト（03_causal_modeling.py）に対し、以下の拡張を行う必要がある。
- Intervention Interface: モデルの状態変数を強制的に書き換える
apply_do_operator()メソッドの実装。 - PCI Calculation: インパルス応答からLZ複雑性等を算出するロジックの追加（またはプレースホルダー）。
- Verification Loop: 受動的な予測誤差最小化ループに加え、定期的な「介入テスト」を行う検証フェーズの追加。
4. 参考文献
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference. Cambridge University Press.
- Casali, A. G., et al. (2013). A theoretically based index of consciousness independent of sensory processing and behavior. Science Translational Medicine.