How To Use
この用語集は、用語の意味をすぐ確認するためのリファレンスです。まず日常語の説明で把握し、必要なときだけ厳密な定義に進む構成とし、議論を測定と扱い方に結び付けます。WBEの議論は言葉のズレで混乱しやすいため、ここでは実際にどう測って扱うかを重視します。
コア概念
| 用語 | Mind-Uploadでの意味（ざっくり） |
|---|---|
| マインドアップロード | 「意識や記憶をデジタルに移す」一般呼称。Mind-Uploadでは主張レベルをクレーム階段で分けて扱う。 |
| WBE（Whole Brain Emulation） | 脳の機能を別基盤で再現すること。何を再現したら“成功”かは定義依存なので、先に評価を固定する。 |
| クレーム階段（L0〜L5） | 成果の言い方を揃える枠組み。L1（デコーディング）をL4（本人性）と混同しないためのガードレール。 |
| 検証基盤（Verification Commons） | 標準・データ・評価・登録・監査をまとめて提供し、「比較可能な前進」を積み上げる公共財。 |
Decode と Emulate
| 用語 | 違い |
|---|---|
| デコーディング（Decoding） | 観測された信号から、状態・刺激・文章などを予測する（相関ベースになりやすい）。 |
| エミュレーション（Emulation） | 内部状態が時間発展し、介入に反応し、将来の出力を生成する（因果・生成の要求が強い）。 |
| 反事実（Counterfactual） | 「もし条件Xを変えたら？」という分岐に対する予測。decode→emulateのギャップを埋める検証の中心。 |
意識理論（Theories of Consciousness）
| 用語 | Mind-Uploadでの意味 |
|---|---|
| IIT（統合情報理論） | 意識を「統合された情報量（Φ）」で測る理論。IIT 4.0（Albantakis et al., 2023）では公理系を刷新し、Φ構造（cause-effect structure）で意識を特定する。WBEでは因果構造の保存要件に直結する。 |
| GNWT（グローバル神経ワークスペース理論） | 情報が前頭-頭頂ネットワークで「イグニッション」し広域共有されることで意識が成立するとする理論。IITとの実験的対立はCogitate Consortium（2025）で検証された。 |
| FEP（自由エネルギー原理） | 生物が環境との境界を維持するために、感覚入力の「驚き」を最小化するという包括的枠組み（Friston, 2010）。WBEでは実装原理として採用。 |
| 能動的推論（Active Inference） | FEPの行動側面。環境を能動的に変えて予測誤差を最小化する。エミュレータの自律性の基盤。 |
| PCI / PCI-ST（摂動複雑性指標） | TMS刺激に対するEEG応答の複雑性で意識レベルを定量する。理論に依存しない経験的指標としてWBEの検証基盤に位置づける（Casali et al., 2013）。 |
| マルコフブランケット（Markov Blanket） | システムと環境の統計的境界。FEPにおける「自己」の定義に使われるが、意識の境界への適用には批判もある（Bruineberg et al., 2022）。 |
| Unfolding Argument | 任意のリカレントネットワークは機能的に等価なフィードフォワード網で置換でき、IITではΦ=0となるという批判（Doerig et al., 2019）。WBEでは因果構造保存の必要性を支持する論拠。 |
| HOT（高次理論） | 意識は一次表象に対する高次の表象（「自分が知覚していることを知っている」）によって成立するとする理論群。 |
計測（Measurement）
| 用語 | メモ |
|---|---|
| EEG | 頭皮上の電位差を高時間分解能で測る。空間分解能は弱いので不確実性の扱いが重要。 |
| MEG | 磁場を測る。EEGとは異なる感度分布で補完関係があるが、装置は高価。 |
| fMRI | 血流（BOLD）を測る。空間分解能は良いが時間分解能は遅い。 |
| ECoG / 侵襲計測 | 因果介入や高SNRの可能性がある一方、倫理・適用範囲の制約が大きい。 |
| QC（Quality Control） | インピーダンス、ノイズ、欠損、アーティファクトなどを定量化し、ログとして残すこと。 |
実装基盤（Implementation）
| 用語 | Mind-Uploadでの意味 |
|---|---|
| ニューロモルフィック・ハードウェア | 生物学的ニューロンの動態を電子回路で模倣する専用チップ（Intel Loihi 2, SpiNNaker 2等）。IITの因果構造要件への対応候補。 |
| Slow Continuous Mind Uploading | 一括コピーではなく、生体脳とデジタル基盤を段階的に統合する移行戦略（Clowes, 2021）。本人性保存の工学的アプローチ。 |
| コネクトーム（Connectome） | 脳内の神経結合の完全地図。ショウジョウバエ全脳コネクトーム（FlyWire, Dorkenwald et al., 2024）が完成し、マウス脳が次の目標。 |
| NMM（Neural Mass Model） | 大規模ニューロン群の平均活動を記述するモデル。DCMの基盤となり、E/Iバランスの推定に使用。 |
| E/Iバランス（興奮/抑制バランス） | 神経回路の興奮性と抑制性の動的均衡。意識の質やレベルの変化に関与する。 |
モデル化（Modeling）
| 用語 | Mind-Uploadでの使いどころ |
|---|---|
| 逆問題（Inverse Problem） | 観測（頭皮EEG）から原因（脳内活動）を推定する問題。一般に解が一意に定まらない。 |
| ESI（EEG Source Imaging） | 逆問題を解いて、脳内ソースを推定する。推定値だけでなく“不確実性”も一緒に扱うのが重要。 |
| DCM | 神経回路モデルを仮定し、結合を推定する枠組みの一種。介入設計と相性が良い。 |
| SCM（構造的因果モデル） | 因果関係を明示するモデル。反事実や介入予測を定義しやすい。 |
標準化・再現性（Open Science）
| 用語 | 意味 |
|---|---|
| BIDS / EEG-BIDS | 神経計測データの整理規約。共有と再現の“最初の壁”を下げる。 |
| ベンチマーク | タスク・データ・指標を固定して比較可能にする仕組み。 |
| ベースライン | 比較の出発点。改善を主張するならベースラインとの差分が必要。 |
| 事前登録（Preregistration） | “やる前”に計画を固定し、探索と検証を区別する。報告バイアスを減らす。 |
| モデルカード | スコアだけでなく、学習データ、計算資源、既知の弱点、失敗例を公開するフォーマット。 |
参考文献（用語定義）
- Michel, C. M., & Brunet, D. (2019). EEG source imaging review. doi:10.3389/fneur.2019.00325
- Wipf, D., & Nagarajan, S. (2009). Unified Bayesian framework for MEG/EEG source imaging. doi:10.1016/j.neuroimage.2008.02.059
- Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling. doi:10.1016/S1053-8119(03)00202-7
- Vinck, M., et al. (2011). Weighted Phase Lag Index (wPLI). doi:10.1016/j.neuroimage.2011.01.055
- Staniek, M., & Lehnertz, K. (2008). Symbolic Transfer Entropy. doi:10.1103/PhysRevLett.100.158101
- Gorgolewski, K. J., et al. (2016). BIDS. doi:10.1038/sdata.2016.44
- Pernet, C. R., et al. (2019). EEG-BIDS. doi:10.1038/s41597-019-0104-8
- Albantakis, L., et al. (2023). Integrated Information Theory (IIT) 4.0. doi:10.1371/journal.pcbi.1011465
- Friston, K. (2010). The free-energy principle. doi:10.1038/nrn2787
- Casali, A. G., et al. (2013). PCI. doi:10.1126/scitranslmed.3006294
- Doerig, A., et al. (2019). Unfolding Argument. doi:10.1016/j.concog.2019.04.002
- Tononi, G., et al. (2016). IIT: from the phenomenology to the mechanisms of consciousness. doi:10.1038/nrn.2016.44