Intrinsic Computational Functionalism

---
name: intrinsic-computational-functionalism
description: "Intrinsic Computational Functionalism methodology — From Observer-Relative Maps to Observer-Independent Structures. Addresses observer-relativity problem in computational theories of consciousness with operationalizable criteria."
license: Complete terms in LICENSE.txt
metadata:
  arxiv_id: "2606.06424"
  published: "2026-06-04"
  authors: ["Shuqin Ma", "Ryota Kanai"]
  category: neuroscience
  tags: [consciousness, computational-functionalism, observer-relativity, intrinsic-structure, causal-dynamics, philosophy-of-mind]
---

# Intrinsic Computational Functionalism

## 核心问题
计算理论意识面临的核心挑战：**观察者相对性问题**（Observer-Relativity Problem）。外部施加的计算解释无法为意识提供基础，但并不意味着所有计算组织都是观察者相对的。

## 方法论核心

### 三层分解框架（Three-Tier Decomposition）

论文提出三层识别工作分解：

- **Tier i: 解释器相对标签选择**（Interpreter-relative label selection）
  - 外部观察者施加的计算标签
  - 容易受到"语法即非语义"论证攻击
  - 无法避免观察者相对性问题

- **Tier ii: 理论约束的分区选择**（Theoretically constrained partition selection）
  - 受理论约束的状态空间分区
  - 部分避免观察者相对性
  - 仍需进一步验证

- **Tier iii: 动力学内部粒度选择**（Dynamics-internal grain selection）
  - **关键层级**：动力学内部的粒度选择
  - 完全避免观察者相对性问题
  - 基于实证研究的约束

### 两个操作化标准

**C1: 系统内在实例化**（System-intrinsic instantiation）
- 相关属性必须可在无观察者标签的情况下指定
- 在系统的变量结构保持重标签下不变

**C2: 因果动力学组织干预**（Causal-dynamical organization under intervention）
- 属性必须基于状态空间结构，其变量相互约束
- 组织在干预下的反事实响应中展现

## 理论贡献

### 1. 解决传统反驳论证

论文论证以下传统反驳成功针对 Tier i，但内在计算功能主义通过 Tier iii 避免：

- **语法即非语义论证**（Syntax-is-not-semantics arguments）
  - 成功反驳 Tier i 的解释器相对标签选择
  - 但不适用于 Tier iii 的动力学内部选择

- **制图者论证**（Mapmaker arguments）
  - 成功反驳外部解释施加的计算结构
  - 内在结构通过 C1 和 C2 标准避免此反驳

- **生物自然主义者观察者相对性反驳**（Biological-naturalist observer-relativity objections）
  - 通过三层分解框架区分后失效

### 2. 计算属性识别方法论

任何候选计算账户必须满足：
1. 如果能避免观察者相对性反驳，必须通过 **Tier iii 动力学内部粒度选择**识别
2. 选择条件是实证约束的 **Tier ii 选择**

## 应用场景

### 1. 神经科学实证研究
- 识别意识的计算基础
- 区分观察者施加的解释与系统内在结构
- 设计干预实验验证 C2 标准

### 2. 意识理论评估
- 评估计算功能主义的有效性
- 验证候选意识理论的观察者独立性
- 理论比较的哲学基础

### 3. AI 系统设计
- 设计意识相关的计算结构
- 确保系统内在的计算组织
- 避免"仅语法"陷阱

## 实证应用示例

### 状态空间结构识别

```python
# C1 标准：系统内在实例化
def identify_intrinsic_structure(system_state):
    """
    识别系统的内在计算结构，无需外部标签
    
    要求：
    - 不依赖观察者施加的标签
    - 在变量重标签下结构不变
    """
    # 状态空间变量相互约束
    # 干预下反事实响应展现组织
    return intrinsic_computation_partition

# C2 标准：因果动力学组织验证
def verify_causal_organization(system, interventions):
    """
    通过干预验证因果动力学组织
    
    方法：
    - 应用因果干预
    - 测量反事实响应
    - 确认变量相互约束
    """
    for intervention in interventions:
        response = apply_intervention(system, intervention)
        verify_constraint_relationships(response)
```

### 三层识别过程

```text
Tier i (避免)：
  ❌ 解释器施加标签 → 观察者相对 → 无意识基础

Tier ii (部分)：
  ✓ 理论约束分区 → 受理论指导 → 需进一步验证

Tier iii (关键)：
  ✓✓ 动力学内部粒度 → 完全内在 → 避免观察者相对性
```

## 与其他意识理论的比较

| 理论 | 观察者相对性 | Tier 识别 | C1/C2 标准 |
|------|-------------|----------|-----------|
| 外部计算解释 | 高 (Tier i) | i | ❌ 不满足 |
| 理论约束分区 | 中 (Tier ii) | ii | 部分 |
| 内在计算功能主义 | 低 (Tier iii) | iii | ✓✓ 完全 |
| IIT (整合信息理论) | 低 | iii 类似 | ✓ 高 Φ值内在 |
| 生物自然主义 | 无 (生物学基础) | 生物学 | 非计算 |

## 研究前沿

### 1. 跨学科整合
- 计算神经科学：实证验证 C2 干预响应
- 认知科学：意识理论构建
- AI 安全：避免伪意识系统

### 2. 数学形式化
- 状态空间结构理论
- 因果干预图模型
- 观察者独立性证明

### 3. 实验设计
- 干预实验设计方法
- 反事实响应测量
- 系统内在结构识别算法

## 未来研究方向

1. **实证验证**：设计神经科学实验验证 C1 和 C2 标准
2. **理论扩展**：内在结构的具体计算形式
3. **应用开发**：基于内在标准设计 AI 系统
4. **跨理论比较**：与 IIT、生物自然主义等理论的统一框架

## 总结

内在计算功能主义提供：
- ✅ 观察者相对性问题的系统解决方案
- ✅ 可操作化的实证标准（C1 和 C2）
- ✅ 三层分解框架指导方法论
- ✅ 传统反驳的针对性应对
- ✅ 计算意识研究的哲学基础

**关键贡献**：如果意识由计算构成，则依赖于系统内在的物理实现的计算结构，而非外部解释者施加的标签。

---

**参考文献**：
- Ma, S., & Kanai, R. (2026). Intrinsic Computational Functionalism: From Observer-Relative Maps to Observer-Independent Structures. arXiv:2606.06424v1