آیا جهان دارای آگاهی است؟

به نظر غیر منطقی می‌رسد اما بهترین مدل ریاضیاتی ما برای توصیف آگاهی ممکن است دلالت بر این داشته باشد که همه چیز دارای آگاهی است.

آن‌ را «مؤثر بودن غیر قابل توضیح ریاضیات» می‌نامند. فیزیکدان اویگن ویگنر (Eugene Wigner) در دهه ۱۹۶۰ این اصطلاح را ابداع کرد تا این واقعیت را بیان کند که صرفا با دستکاری اعداد می‌توانیم همه حالت‌های پدیده‌های طبیعی را با وضوح شگفت‌انگیزی توصیف و پیش‌بینی کنیم، از حرکت سیارات و رفتار عجیب ذرات بنیادی تا پیامدهای برخورد بین سیاه‌چاله‌ها در میلیاردها سال دورتر. اکنون، برخی دانشمندان فکر می‌کنند که اگر ریاضیات در جایی که دیگران شکست خورده‌اند، موفق عمل کند، کشف می‌کند که چه چیز هست به ما اجازه می‌دهد در وهله اول به قوانین طبیعت بیاندیشیم.

این یک سؤال بزرگ است. سؤال درباره چگونگی ایجاد تجربه حسی توسط ماده، یکی از جدی‌ترین مشکلاتی است که می‌شناسیم. و مطمئنا، اولین مدل ریاضیاتی درباره آگاهی بحث عظیمی درباره این‌که آیا می‌تواند چیزی معقول و منطقی به ما بگوید دامن زده است. اما همان‌طور که ریاضیدانان ابزارهایشان را دقیق می‌کنند و توسعه می‌دهند تا عمیق‌تر به درون ما بنگرند، با برخی نتایج چشمگیر نیز روبرو می‌شوند.

نه حداقل، آنچه که این دانشمندان از آن پرده برمی‌دارند، به نظر می‌‌رسد دلالت بر این دارد که اگر بتوانیم به یک توصیف دقیق از آگاهی دست یابیم، ممکن است مجبور شویم شهودمان را تغییر دهیم و بپذیریم که همه انواع ماده غیر جاندار می‌تواند خودآگاه باشد و شاید حتی خود جهان به عنوان یک موجود کل دارای آگاهی باشد.

جوهانز کلینر (Johannes Kleiner) ریاضیدان در مرکز فلسفه ریاضی مونیخِ آلمان می‌گوید:

این اتفاق می‌تواند سرآغاز یک انقلاب علمی باشد.

اگر چنین باشد، زمان زیادی طول کشیده است. فیلسوفان هزاران سال است که درباره ماهیت آگاهی اندیشیده‌اند، که چندان فایده نداشته است. سپس، نیم قرن پیش، زیست‌شناسان نیز وارد بازی شدند. آن‌ها همبستگی‌هایی بین فعالیت سلول‌های مغز و لحظات فردیِ تجربه، که به عنوان کوالیا (qualia) شناخته می‌شود یافتند. اما حقیقت ناخوشایند این است که علوم اعصاب ما را چندان به جواب این سؤال که چگونه نورون‌ها احساس لذت، خشم یا بوییدن قهوه را ایجاد می‌کنند نزدیک نکرد.

این همان چیزی است که دیوید چالمرز، فیلسوف، از آن به عنوان «مسأله دشوار» در آگاهی یاد می‌کند. دشواری منحصربفرد از ماهیت ذاتا ذهنی تجربه حسی ناشی می‌شود. هر چه که هست، چیزی نیست که بتوانید آن را اندازه بگیرید. فیلسوفی آگاهی را به عنوان «شبح در ماشین» نامید و برخی مردم فکر می‌کنند ممکن است هرگز نتوانیم آن را احضار کنیم.

اما، همانطور که ویگنر خاطرنشان کرد، ریاضیات در مواجهه با مسائل سخت رکورددار است. ریاضیات توانایی ترجمه مفاهیم به شکل عبارت‌های منطقی و ریاضیاتی را دارد که می‌تواند بینش‌های عمیقی را به ما بدهد که در صحبت کردن با زبان آشفته بشری بدست نمی‌آید. این امر ممکن است به ما کمک کند که تجربیات حسی مانند بوییدن قهوه را کمُی کنیم.

به همین دلیل است که کلینر و شان تول (Sean Tull) ریاضیدان در دانشگاه آکسفورد، شروع به ساخت فرمالیزم ریاضیاتیِ پنهان در اولین و تنها نظریه قابل بحث برای آگاهی کرده‌اند. نظریه اطلاعات منسجم یا IIT ، بیش از یک دهه پیش توسط Giulio Tononi ، دانشمند علوم اعصاب در دانشگاه ویسکانسین  مطرح شده است. ایده اساسی این نظریه این است که آگاهی سیستم ناشی از طریقی است که اطلاعات بین زیرسیستم‌ها حرکت می‌کند.

یک روش اندیشیدن درباره این زیرسیستم‌ها به صورت جزیره‌ای است، که هر یک دارای جمعیتی از نورون‌ها است. جزیره‌ها توسط سیلانی از اطلاعات بهم متصلند. تونونی مطرح کرد که برای اینکه آگاهی ظاهر شود، جریان اطلاعات باید به اندازه کافی پیچیده باشد تا جزیره‌ها متکی به یکدیگر باشند. تغییر جریان اطلاعات از یک جزیره باید حالت و خروجی جزیره دیگر را تغییر دهد. در اصل، این ایده به شما امکان درجه‌بندی آگاهی را می‌دهد: می‌توانید با اندازه‌گیری این‌که چقدر خروجی یک جزیره متکی بر جریان اطلاعات از سایر جزایر است آن را کمیتی کنید. این کار یک ادراک از اینکه چقدر یک سیستم در یکپارچه‌سازی و انسجام اطلاعات خوب عمل می‌کند بدست می‌دهد که این مقدار را “فای” phi می‌نامیم.

اگرهیچ وابستگی به جریان ترافیک اطلاعات بین جزایر وجود نداشته باشد، فای صفر است و هیچ آگاهی نداریم. اما اگر خفه کردن یا قطع ارتباط تفاوتی در مقدار اطلاعاتی که یکپارچه می‌کند و به بیرون ارسال می‌کند ایجاد کند، پس فای آن گروه از جزایر بیشتر از صفر است. هرچه فای بیشتر باشد، سیستم اگاهی بیشتری از خود نشان می‌دهد.

یک ویژگی کلیدی دیگر نظریه IIT ، که به نام اصل طرد شناخته می‌شود، بیان می‌دارد که یک گروه به وضوح آگاهی از خود نشان می‌دهد تنها وقتی که فای بیشینه مقدار را داشته باشد. اینطور می‌شود گفت که، درجه آگاهی خود آن باید بزرگتر از درجه آگاهی باشد که می‌توان به هر بخش جزئی از آن نسبت داد، و همزمان بزرگتر از درجه آگاهی هر سیستمی که جزئی از آن است باید باشد. بطور مثال هر جزء و تمام اجزای مغز انسان ممکن است ریز-آگاهی‌هایی داشته باشند. اما وقتی یک بخش افزایشی در آگاهی دارد، مانند اینکه شخصی از بیهوشی خارج شود، ریز-آگاهی‌ها از دست می‌روند. در نظریه IIT ، تنها سیستم با بزرگترین فای است که آگاهی از خود نشان می‌دهد که آن را به عنوان یک تجربه ثبت می‌کنیم.

در اصل این رویکرد ریاضیاتی به شما امکان نسبت دادن یک عدد به میزان آگاهی را می‌دهد.

این نظریه از زمانی که تونونی آن را مطرح کرده است پیروانی پیدا کرده است. دنیل بور Daniel Bor در دانشگاه کیمبریج می‌گوید:

از لحاظ نظری این ایده کاملا جذاب است. ما مشارکتی بین آگاهی و هوش داریم: موجوداتی که قادرند خودشان را در آینه بشناسند به نظر می‌رسد باهوش‌ترین‌ها باشند. بنابراین برخی ارتباطات بین هوش و آگاهی معقول به نظر می‌رسد.

و هوش ارتباطی بین جمع‌آوری و پردازش اطلاعات دارد.

همچنین به نظر می‌رسد که معنادار است که برخی از آنچه درباره آگاهی می‌دانیم در مغز باشد. برای مثال، مشخص شده است که اگر آسیبی به غشاء مغز وارد شود آگاهی تحت تأثیر قرار می‌گیرد. ناحیه غشاء مغزی تعداد نسبتا کمی از نورون‌های به شدت متصل بهم را دارد، و مقدار فای بزرگتری در نظریه IIT خواهد داشت. از طرف دیگر، مخچه، تعداد نورون‌های بسیار بیشتری دارد، اما نسبتا با هم غیر مرتبط هستند. نظریه IIT پیش‌بینی می‌کند که آسیب به مخچه ممکن است اثر کمی روی تجربه‌ی آگاه داشته باشد که مطالعات نیز دقیقا همین را نشان می‌دهند.

اگرچه نظریه IIT در برخی جزئیات کمتر قانع کننده است. وقتی شما به خواب می‌روید یا با آرام‌بخش به بیهوشی می‌روید مقدار فای باید کاهش یابد، اما مطالعات در آزمایشگاه دکتر بور نشان داده است که اینطور نیست. بور می‌گوید: مقدار فای یا افزایش می‌یابد یا ثابت باقی می‌ماند. و توضیح اینکه چرا جریان اطلاعات موجب تجربه‌ای نظیر بوییدن قهوه می‌شود گیج کننده است. نظریه IIT تجربه آگاه را به عنوان نتیجه «ساختارهای مفهومی» چارچوب‌بندی می‌کند که توسط چینش بخش‌هایی از شبکه مرتبط شکل گرفته است، اما بسیاری این توضیح را درهم‌پیچیده و غیر قابل قبول می‌دانند.

جان سرل فیلسوف، یکی از منتقدان نظریه IIT است. وی استدلال می‌کند که این نظریه این سوال را که چرا و چگونه آگاهی بوجود می‌آید را به نفع قابل پرسش کردن فرضیات نادیده می‌انگارد و به طور ساده بیان می‌کند که محصول جانبی وجود اطلاعات است. به همین دلیل، جان سرل می‌گوید: نظریه IIT به نظر نمی‌رسد که یک پیشنهاد علمی جدی باشد.

شاید چالش برانگیزترین انتقاد از IIT به عنوان یک نظریه ریاضیاتی ناظر به فقدان وضوح درباره اعداد متضمن آن است. وقتی بخواهیم واقعا مقدار فای را برای کل یک سیستم پیچیده مثل مغز محاسبه کنیم، IIT دستورالعملی می‌دهد که تقریبا دنبال کردن آن غیر ممکن است- این چیزی است که حتی خود تونونی نیز می‌پذیرد.

تول Tul می‌گوید: همان‌طور که اکنون می‌دانیم، محاسبه‌ی فای برای کل یک مغز بسیار دشوار است.

این ممکن است ظاهرا دست کم گرفتن باشد. محققان با استفاده از روش فعلی نشان داده‌اند که محاسبه مقدار فای را برای ۸۶ میلیارد نورون مغز انسان بیش از سن عالم زمان خواهد برد. بور نشان داده است که محاسبه فای برای ۳۰۲ نورون مغز یک کرم  سال روی یک کامپیوتر معمولی زمان خواهد برد.

و وقتی مقدار فای را برای چیزهایی که انتظار ندارید خودآگاه باشند حساب کنید، نتایج عجیب و غریبی بدست می‌آورید. برای مثال اسکات آرونسون Scott Aaronson ، فیزیکدان نظری در دانشگاه تگزاس، در ابتدا درباره این نظریه هیجان‌زده بود، که آن را به عنوان یک تلاش جدی و قابل افتخار توصیف می‌کند برای فهم اینکه چطور پاسخ‌های قابل درک برای این سوال که کدام سیستم‌های فیزیکی خودآگاه هستند. اما پس از آن وی به آزمایش پرداخت.

آرونسون اصول نظریه IIT را برای محاسبه مقدار فای برای یک موجود ریاضیاتی به نام ماتریس Vandermonde به کار برد. این موجود شبکه‌ای از اعداد است که مقادیر آن بهم مرتبط هستند، و می‌توان برای ساخت یک مدار شبکه مانند که به نام مدار رمزگشایی Reed-Solomon شناخته می‌شود استفاده کرد. آنچه که آرونسون یافت این بود که یک مدار به اندازه کافی بزرگِ  Reed-Solomon مقدار عظیمی از فای را نشان خواهد داد. یکی از این مدارها که در مقیاس به اندازه کافی بزرگی قرار دارد، بسیار بیش از یک انسان دارای خودآگاهی خواهد بود.

مشکل مشابهی در روال عادی چینش پردازش اطلاعات بوجود می‌آید که آرونسون خاطرنشان می‌کند: شما می‌توانید اطلاعات یکپارچه‌ای با مقدار بزرگی از فای داشته باشید، که منجر به چیزی که خودآگاه شناخته شود نخواهد شد. وی نتیجه گرفت که IIT بطرز اجتناب ناپذیری مقادیر عظیمی از آگاهی در سیستم‌های فیزیکی پیش‌بینی می‌کند که هیچ شخص عاقلی آن‌ها را به عنوان موجودات آگاه ابدا تلقی نخواهد کرد.

آرونسون رها کرد، اما همه افراد، مدارهای شبکه‌ای به شدت آگاه را به عنوان برهم‌زننده نظریه نمی‌شناسند. برای کلینر، این به سادگی پیامد ماهیت جانوری ما است: ما فقدان اطلاعات داریم چرا که هر تجزیه و تحلیلی از آگاهی متکی بر شهود و خود-گزارش‌دهی است. ما از شبکه مدارها نمی‌توانیم گزارش بگیریم. مسأله این است.

وی به جای کنارگذاشتن مدل نویدبخش برای آگاهی، فکر می‌کند که ما نیاز داریم ریاضیات پایه‌ی آن را ساده‌سازی و شفاف‌سازی کنیم. به این دلیل است که وی و تول در تلاشند تا اجزای ریاضیاتی سازنده IIT را شناسایی کنند و آن‌ها را به سه بخش تفکیک کنند. اول مجموعه سیستم‌های فیزیکی است که اطلاعات را کدگذاری می‌کند. سپس نمودهای مختلف یا فضاهای تجربه آگاه است. در نهایت، بلوک‌های سازنده اساسی قرار دارند که این دو را مرتبط می‌سازند: رپرتوارهای علت و معلول.

در ماه فوریه، آن‌ها پیش‌نویس یک مقاله  را ارسال کردند که نشان می‌داد چگونه این اجزای سازنده را می‌توان بطریقی بهم متصل کرد که روشی منطقا سازگار برای کاربرد الگورتیم‌ IIT برای محاسبه فای ارائه دهد. کلینر می‌گوید:

حال ایده بنیادی به اندازه کافی خوش تعریف شده است تا مسائل فنی را کنار روند.

آرزوی آن‌ها این است که ریاضیدانان اکنون قادر خواهند بود مدل‌های بهبودیافته‌ای از آگاهی بر اساس بنیاد IIT بسازند یا حتی بهتر از آن نظریه‌های رقیبی بسازند. کلینر می‌گوید:

ما خوشحال خواهیم شد که در توسعه بیشتر IIT مشارکت کنیم، اما همچنین امیدواریم که آن را بهبود بخشیم و مدل‌های متعدد موجود را یکپارچه کنیم. در نهایت ممکن است بتوانیم یک نظریه جدید پیشنهاد دهیم.

یک پیامد این انگیزش ممکن است حدس زدن این مفهوم باشد، که با به کار بردن نظریه IIT به مدارهای شبکه‌ای بوجود آمد، که ماده غیر جاندار می‌تواند آگاه باشد. چنین ادعایی معمولا خارج از دسترس است، چرا که به نظر می‌رسد همه‌جان‌انگاری panpsychism باشد ، یک دیدگاه فلسفی که ادعا می‌کند آگاهی ویژگی بنیادین تمام مواد است. اما اگر چنین چیزی در میان باشد چه؟

بطور روشن، هیچکس نمی‌گوید که ذرات بنیادین دارای احساس هستند. اما همه‌جان‌انگاران استدلال می‌کنند که ممکن است تظاهری از آگاهی وجود داشته باشد، اما بطور جزئی، که می‌تواند بهم ملحق و متصل شود تا سطوح مختلفی از آگاهی که مثلا توسط پرندگان، میمون‌ها یا ما تجربه می‌شود را بوجود آورد.

Hedda Hassel Mørch از دانشگاه علوم کاربردی اینلند در نروژ می‌گوید:

ذرات یا دیگر موجودات فیزیکی بنیادی ممکن است شکل‌های ساده‌ای از آگاهی را به صورت بنیادی داشته باشند، اما آگاهی پیچیده‌ی انسان یا حیوانات از این آگاهی‌های جزئی و بنیادی ساخته شده باشد یا پدیدار گشته باشد.

پذیرش این ایده که الکترون‌ها می‌توانند شکلی از آگاهی را داشته باشند ممکن است سخت باشد، اما همه‌جان‌انگاران استدلال می‌کنند که این رویکرد تنها رویکرد معقول برای حل مسأله‌ی سخت است. آن‌ها استدلال می‌کنند که، به جای تلاش برای محاسبه‌ی آگاهی برحسب اجزای غیر آگاه، ما باید بپرسیم چطور شکل‌های ابتدایی از آگاهی ممکن است در کنار هم جمع شوند و تجربیات پیچیده‌ای که ما داریم را ایجاد کنند.

با این ذهنیت، Mørch فکر می‌کند که IIT حداقل جای خوبی برای شروع است. رویکرد کلی آن، تحلیل چشم‌انداز اول شخص ما بر حسب آنچه که وقتی ناحیه خاصی از مغز فعال می‌شود و ادراک می‌کند است، و استفاده از آن برای توسعه قیدهایی بر روی آنچه که همبسته فیزیکی آن می‌تواند باشد، که احتمالا درست است. و اگرچه IIT آنطور که اکنون فرمول‌بندی شده است دقیقا نمی‌گوید که همه چیز دارای آگاهی است- چرا که آگاهی در یک شبکه پدید می‌آید نه در هر تک مؤلفه- کاملا محتمل است که نسخه اصلاح شده‌ی آن چنین ادعایی کند. کلینر می‌گوید: من فکر می‌کنم که ایده‌های مرکزی نظریه IIT کاملا با همه‌جان‌انگاری سازگار هستند.

همچنین ممکن است با نشانه‌هایی از جای دیگر نیز سازگار باشد که رابطه بین آگاهی ما و جهان آنچنان سرراست نباشد که تصور می‌شود. مسأله اندازه‌گیری در کوانتوم را در نظر بگیرید. نظریه کوانتوم، توصیف ما از برهم‌کنش‌های بنیادین ماده، بیان می‌کند که قبل از اندازه‌گیری یک موجود کوانتومی، ممکن است مقادیر متفاوتی داشته باشد، که توسط یک موجود ریاضیاتی به نام تابع موج بیان می‌شود. پس چه چیزی امکان‌های متعدد را به یک چیز دقیق و واقعی می‌رمباند؟ یک دیدگاه این است که آگاهی ما این کار را انجام می‌دهد، که بدین معنا خواهد بود که ما در در چیزی که جان ویلر، فیزیکدان آن را «جهان مشارکتی» participatory universe نامید زندگی می‌کنیم.

مشکلات متعددی با این ایده وجود دارد، نه حداقل این سوال که چه چیزی حالت را می‌رمباند قبل از اینکه ذهن‌های آگاه تحول یابند. یک مدل ریاضیاتی مناسب برای آگاهی که اجازه می‌دهد آگاهی یک ویژگی ماده باشد حداقل یک جواب برای آن فراهم خواهد کرد.

سپس پیشنهاد ریاضیدان دانشگاه آکسفورد راجر پنروز وجود دارد که می‌گوید آگاهی ما در واقع دلیل آن است که جهان وجود دارد. این ایده بر اساس یک ظن درباره کمبودهای نظریه کوانتومی است. اما اگر مفهومی در این ایده است، چارچوب IIT – و بطور خاص اصل طرد آن – دلالت می‌کند که جریان اطلاعات بین مقیاس‌های مختلف عالم می‌تواند انواع مختلفی از آگاهی را تولید کند که جزر و مد آن وابسته به آنچه در هر زمان خاص وجود دارد است. تحول آگاهی ما بر حسب IIT ممکن است آگاهی جهان را طرد کرده باشد.

یا شاید نیست. دلایل خوبی برای مشکوک بودن به قدرت ریاضیات برای توضیح آگاهی وجود دارد، مهم نیست که چه اثراتی برای ادراک ما از فیزیک دارد. به نظر می‌رسد که با چیزی آنچنان پیچیده مواجهیم که ممکن است حتی نتوانیم آن را محاسبه کنیم.

Phil Maguire دانشمند علوم کامپیوتر در دانشگاه Maynooth در ایرلند می‌گوید:

شکستن فرآیندهای شناختی آنچنان پیچیده است که امکان پذیر نیست.

دیگران تردیدهای مرتبط نسبت به اینکه آیا این کار، از ریاضیات برمی‌آید ابراز می‌کنند. سوزان اشنایدر Susan Schneider فیلسوف و دانشمند علوم شناختی در دانشگاه Connecticut می‌گوید:

من فکر می‌کنم ریاضیات می‌تواند به ما در درک اساس عصب‌شناختی آگاهی در مغز کمک کند، و شاید حتی آگاهی ماشینی، اما به ناچار چیزی را باقی خواهد گذاشت: احساس کیفیت درونی یک تجربه را.

Philip Goff فیلسوف در دانشگاه Durham دیدگاه مشابهی دارد. آگاهی با یک پدیده فیزیکی بر حسب کیفیت دریافتی مواجه است، مثلا بوییدن قهوه یا چشیدن نعنا، در چارچوب موجودات کمی محض قابل انتقال نیستند. در مواجهه با آگاهی، ما به چیزی بیش از ابزارهای علمی استانداردِ مشاهده و ریاضیات نیاز داریم.

اما کلینر دست نمی‌کشد. وی یک مدل ریاضیاتی را توسعه می‌دهد که تجربیات شخصی و غیر قابل توصیف را نیز بگنجاند. و حتی اگر این مدل کار نکند، چیز دیگری کار خواهد کرد: من کاملا متقاعد شده‌ام که در ترکیب آزمایشات و فلسفه، ریاضیات می‌تواند به پیشرفت در پرده برداشتن از راز آگاهی کمک کند.