آیا علوم اعصاب می‌تواند به بزرگترین سوالات فیزیک پاسخ دهد؟ (قسمت اول)

فیزیک به عنوان یک علم تجربی می‌تواند برخی از اساسی‌ترین مشاهدات ما را به طور قابل ملاحظه‌ای رد کند. ما اجسامی را می‌بینیم که در مکان‌های مشخصی وجود دارند، اما ماهیت موجی ذره می‌تواند چنین خاصیتی را ازبین ببرد. ما زمان را به صورت یک جریان درک می‌کنیم، اما واقعا چگونه؟ ما خودمان را موجوداتی آزاد می‌دانیم و این خیلی عجیب است. برخی از فیزیکدانان پاسخ به بزرگترین سوالات فیزیک را در گرو دستیابی به یک نظریه همه چیز می‌دانند، در نوشتار زیر که ترجمه‌ی مقاله‌ای با همین عنوان در وب‌سایت ناتیلوس است، جورج ماسر (GEORGE MUSSER) (یکی از ویراستاران ناتیلوس و ساینتیفیک امریکن) با قلم جذابش توضیح می‌دهد که چگونه نظریه‌ای در رابطه با خودآگاهی می‌تواند به ایجاد نظریه همه چیز کمک کند. با دیپ لوک همراه باشید…

فیزیکدانان دوست دارند دیدگاه ما را نسبت به جهان، محدود نشان دهند. این امر خوب است، اما وقتی از آنها می‌پرسند که چرا دیدگاه‌های ما اینقدر ضعیف است، بهانه می‌آورند و از بحث طفره می‌روند. به عبارت دیگر، فیزیکدانان با همان مشکل پیچیده‌ی خودآگاهی مانند عصب‌شناسان روبرو هستند: پل زدن بین توصیف عینی و تجربه ذهنی. برای ربط دادن نظریه بنیادی به آنچه که ما واقعاً در جهان مشاهده می‌کنیم، آن‌ها باید توضیح دهند که مشاهده کردن یا آگاه شدن به چه معناست. آن‌ها تمایل دارند نسبت به این موضوع بدبین باشند و جهان را به دو بخش «سیستم» و «ناظر» تقسیم می‌کنند، اولی را به شدت مطالعه می‌کنند و دومی را بدیهی می‌دانند یا بدتر از آن، یک احمق.

فیزیکدانان در جاه‌طلبی خود برای ایجاد یک توضیح طبیعت‌گرایانه‌ی کامل از جهان، سرنخ‌هایی مانند تناقض‌های سیاهچاله‌ها و خودسری مدل استاندارد ذرات را در اختیار دارند. اینها نسخه امروزی تناقض‌های اتم‌ها و نور هستند که اینشتین و دیگران را به توسعه مکانیک کوانتومی و نظریه نسبیت سوق دادند. اسرار ذهن به ندرت مطرح می‌شود. آنها می‌دانند که درک ذهن دشوار است و ممکن است در چارچوب علمی فعلی ما کاملاً غیرممکن باشد؛ همانطور که فیلسوف دیوید چالمرز (David Chalmers) تابستان گذشته در کنفرانسی در موسسه پرسش‌های بنیادی گفت:

ما بدون نظریه خودآگاهی، نظریه‌ای درباره همه چیز نخواهیم داشت.

حل این مشکلات عمیق، یک پروژه چندنسلی خواهد بود، اما ما شاهد مراحل اولیه یک همگرایی هستیم که برای فیزیکدانان نظری، توجه به خودآگاهی و برای عصب‌ شناسان توجه به فیزیک است. دانشمندان علوم اعصاب در حال توسعه نظریه‌هایی هستند که حوزه‌ی بزرگی را در برمی‌گیرند، بر‌ اساس اصول اولیه ساخته شده‌اند، برای آزمایش‌های تجربی مناسب هستند، از نظر ریاضی محکم بوده و در یک کلام فیزیکی هستند.

مهمترین این نظریه ها نظریه اطلاعات یکپارچه (Integrated Information Theory) است که توسط عصب‌شناس جولیو تونونی (Tononi) در دانشگاه ویسکانسین-مدیسون (Wisconsin-Madison) توسعه یافته است. این نظریه، یک سیستم خودآگاه را خواه مغز، ربات یا بورگ (Borg)، به عنوان شبکه‌ای از نورون‌ها یا اجزای معادل آن مدل‌سازی می‌کند. این نظریه می‌گوید که سیستم تا حدی خودآگاه است که اجزای آن به طور هماهنگ با یکدیگر عمل کنند. فرض اساسی این است که تجربه خودآگاه از نظر روانشناختی، یکپارچه است (ما احساس می‌کنیم خودمان تجزیه‌ناپذیر هستیم و احساسات ما یک کل یکپارچه را تشکیل می‌دهند)؛ بنابراین عملکرد مغز که آن را ایجاد می‌کند نیز باید یکپارچه باشد.

این اجزا، دستگاه‌های روشن-خاموشی هستند که به هم متصل شده و توسط یک ساعت اصلی اداره می‌شوند. وقتی ساعت تیک می‌زند، هر دستگاه بسته به وضعیت دستگاه‌هایی که به آن متصل هستند، روشن یا خاموش می‌شود. این سیستم می‌تواند به سادگیِ دو جزء و یک قانون برای چگونگی تأثیر هر یک بر دیگری باشد؛ برای مثال یک کلید و یک لامپ. چنین سیستمی در هر لحظه می‌تواند در یکی از چهار حالت باشد و لحظه به لحظه، از یک حالت به حالت دیگر خواهد رفت. این انتقال‌ها می‌توانند احتمالاتی باشند: یک حالت ممکن است یکی از چندین حالت جدید را ایجاد کند که هر کدام احتمالی دارند.

این نظریه برای تعیین میزان همدوسی یک سیستم و ادعای وجود خودآگاهی آن، روشی را برای محاسبه مقدار اطلاعات جمعی در سیستم ارائه می‌دهد؛ اطلاعاتی که در کل شبکه، به جای یک محل و یک منطقه، پخش می‌شوند. شکاکان، انتقادات مختلفی را مطرح می‌کنند، به ویژه اینکه خودآگاهی هرگز نمی‌تواند به یک عدد کاهش یابد، چه رسد به معیاری که تونونی پیشنهاد می‌کند. اما لازم نیست برای اینکه این نظریه را یک ابزار مفید تلقی کنید، آن را توصیف کاملی از خودآگاهی بدانید.

برای مبتدیان، این نظریه می‌تواند به معماهای برآمدگی که در فیزیک به وجود می‌آیند کمک کند. یکی از بارزترین ویژگی‌های جهان، ساختار سلسله مراتبی آن است، روشی که تعداد زیادی مولکول از قوانین ساده‌ای مانند قانون گاز ایده آل یا معادلات جریان سیال پیروی می‌کنند یا قوانینی که باعث می‌شوند کوارک‌ها و گلوئون‌های پرجنب و جوش، از بیرون به صورت یک پروتون آرام دیده شوند. تمام شاخه‌های فیزیک، مانند مکانیک آماری و نظریه بازبهنجارش، به ارتباط دادن فرآیندها در مقیاس‌های مختلف اختصاص داده یافته‌اند، اما فیزیکدانان به همان اندازه که توصیف‌های سطح بالاتر را مفید می‌دانند، معمولاً آنها را صرفا تقریبی فرض می‌کنند. تمام کنش‌های واقعی جهان در سطح پایین رخ می‌دهند.

با این حال، این امر برای بسیاری، گیج‌کننده است. اگر فقط مقیاس میکروسکوپی واقعی است، چرا جهان توصیف سطح بالاتر را می‌پذیرد؟ چرا جهان فقط مقداری از ذرات مشابه و سرگردان نیست، آن‌طور که قطعا زمانی بود؟ و چرا توصیف‌های سطح بالاتر تمایل به مستقل بودن از جزئیات سطح پایین‌تر دارند؟ آیا این نشان نمی‌دهد که سطوح بالاتر فقط ماهیتی انگل‌وار دارند؟ اگر کنش‌های واقعی در سطوح بالاتر وجود نداشتند، موفقیت آن توصیفات، معجزه بود. بنابراین بحث بین کسانی است که فکر می‌کنند سطوح بالاتر، تنها بیانی تازه از فیزیک زیراتمی هستند و کسانی که فکر می‌کنند این سطوح بالاتر نشان‌‌دهنده چیز جدیدی هستند.

تونونی و همکارانش مجبور بودند در ایجاد نظریه اطلاعات یکپارچه با چنین مسائلی دست و پنجه نرم کنند. اریک هول (Erik Hoel)، دانشجوی سابق تونونی و اکنون دانشجوی پسادکترای دانشگاه کلمبیا می‌گوید:

مقیاس، یک پاسخ فوری و متقاعدکننده به نظریه اطلاعات یکپارچه است. شما می‌گویید اطلاعات، بین عناصر برهمکنش‌کننده است، اما من از اتم‌ها تشکیل شده‌ام، پس آیا اطلاعات نباید بیش از آن‌ها باشد؟ شما نمی‌توانید خودسرانه بگویید: من نورون‌ها را انتخاب می‌کنم.

هر شبکه، سلسله مراتبی از زیرشبکه ها، زیرشبکه های فرعی تا اجزای مجزاست. کدام یک از این شبکه‌های تودرتو دارای خودآگاهی است؟ سیستم عصبی ما از سر تا پا امتداد دارد و نورون‌ها و سایر اجزای آن در نوع خود موجودات کوچک پیچیده‌ای هستند. با این حال تجربیات آگاهانه ما در نواحی خاصی از قشر مغز به وجود می‌آیند. آن‌ها مکان‌هایی هستند که هنگام انجام کارهایی که از انجام آن‌ها آگاه هستید، در اسکن مغز روشن می‌شوند. شما می‌توانید بخش زیادی از بقیه مغز را از دست بدهید، و اگرچه ممکن است از این موضوع خوشحال نباشید، حداقل می‌دانید که از این موضوع خوشحال نبودید. سه سال پیش، یک زن ۲۴ ساله با شکایت از سرگیجه و حالت تهوع به بیمارستانی در چین مراجعه کرد. پزشکان یک اسکن CAT انجام دادند و یک سوراخ بزرگ در مغز او پیدا کردند که مخچه باید در آن قرار می‌گرفت. اگرچه او از سه چهارم نورون‌هایش محروم بود، اما تمام نشانه‌های خودآگاهی را به اندازه هر یک از ما نشان می‌داد.

چه چیزی خاصی در مورد قشر بیرونی یا کورتکس (که بخش مهمی از خودآگاهی انسان در آن نهفته است) وجود دارد؟ چرا بازوی شما مانند اختاپوس خودآگاه نیست؟ چرا ما جوامع وسیعی از نورون‌های ارادی، یا آنزیم‌های درون نورون ها، یا اتم ها و ذرات زیراتمی نیستیم؟ تونونی، هول و همکارانش، لاریسا (Larissa) ،آلبانتاکیس (Albantakis) و ویلیام مارشال (William Marshall) ، برای توضیح اینکه چرا خودآگاهی در جایی که اکنون هست، قرار دارد، باید راهی برای تجزیه و تحلیل سیستم‌های سلسله مراتبی بیابند: آن‌ها باید به فعالیت در همه مقیاس‌ها، از کل ارگانیسم گرفته تا کوچک‌ترین اجزای سازنده‌اش نگاه کنند و محل قرار گرفتن ذهن را پیش‌بینی کنند. آن‌ها خودآگاهی را به مقیاسی نسبت می‌دهند که در آن اطلاعات جمعی به حداکثر می‌رسد، با این فرض که دینامیک این مقیاس، آن را از بقیه پیش خواهد انداخت.

اگرچه نظریه اطلاعات یکپارچه از سیستم عصبی الهام گرفته شده است، اما به آن محدود نمی‌شود. این شبکه می‌تواند هر یک از سیستم‌های چندلایه‌ای باشد که فیزیکدانان مطالعه می‌کنند. شما می‌توانید این سوال که خودآگاهی در کجا قرار دارد را کنار بگذارید و به طور کلی‌تر، نحوه عملکرد سلسله مراتب را مطالعه کنید. هوئل (Hoel) قصد دارد یک نظریه مستقل از علیت سلسله مراتبی ایجاد کند که اخیراً مطرح کرده است.

یک رویکرد مبتنی بر نظریه اطلاعات یکپارچه این امکان را می‌دهد که علیت در بیش از یک سطح رخ دهد. با استفاده از یک معیار کمی علیت، محققان به جای اینکه در ابتدا یک پاسخ را فرض کنند، می‌توانند محاسبه کنند که هر سطح چقدر در عملکرد یک سیستم مشارکت می‌کند. هول می‌گوید:

اگر معیار خوبی برای علیت ندارید، پس چگونه در مورد ادعاهای خود مطمئن هستید که مقیاس کوچک، لزوماً تمام کار علّی را انجام می‌دهد؟

هدف شما به عنوان یک فیزیکدان، این است که توصیفی با حداکثر اطلاعات از هر چیزی که در حال مطالعه آن هستید، ایجاد کنید. مشخصات اصلی سیستم، همیشه بهینه نیست. اگر این مشخصات حاوی ساختار پنهان باشد، با کنار هم قرار دادن اجزای سازنده و اصلاح پیوندهای آنها برای ایجاد یک توصیف سطح بالاتر، بهتر عمل خواهید کرد. به عنوان مثال، اگر اجزای سیستم دوجزئی همیشه در مرحله آهسته تغییر کنند، می‌توانید آنها را به عنوان یک واحد یگانه در نظر بگیرید. شما با ردیابی مستقل آنها چیزی کسب نمی‌کنید و بدتر از آن، نمی‌توانید چیز مهمی در مورد سیستم بدست آورید.

هوئل روی سه راه تمرکز دارد که سطح بالاتر می‌تواند سطح پایین‌تر را بهبود ببخشد. اول اینکه، می‌تواند تصادفی بودن را پنهان کند. ملکول‌های هوا به طور مداوم به اثر بی‌دوامی تغییر شکل می‌دهند؛ آرایش‌های بی‌شمار آن‌ها، همگی اساسا یکسان هستند: تفاوتی که تفاوت ایجاد نمی‌کند. دوم، سطح بالاتر می‌تواند تباه‌کننده‌ها را از بین ببرد. گاهی اوقات تنها نقش یک مؤلفه این است که سایر پیوندها را در سیستم ایجاد کند و حذف شود. تأثیر آن را می‌توان با وارد کردن مقداری تصادفی‌بودن در رفتار اجزای باقی مانده به سادگی لحاظ کرد. سوم، سطح بالاتر می‌تواند افزونگی را از بین ببرد. با گذشت زمان، سیستم ممکن است تنها به یکی از چند حالت تبدیل شود؛ حالت‌های دیگر نامربوط هستند و سطوح بالاتر با حذف آنها ارزش توضیحی پیدا می‌کنند. این نوع دینامیک جذب‌کننده در سیستم‌های فیزیکی رایج است. هول می‌گوید: 

مقیاس بالاتر فقط یک توصیف فشرده نیست، بلکه با خلاص شدن از نویز، هم با افزایش جبر و هم با کاهش افزونگی، اطلاعات بیشتری بدست می‌آورید.

با توجه به توضیحات جدید، می‌توانید این فرآیند را تکرار کنید، به دنبال ساختار بیشتری باشید و به مقیاسی حتی بالاتر بروید. چگونه به دنبال یک ساختار باشیم؟ خب این چیزی شبیه به یک هنر است. ارتباط بین سطوح می‌تواند بسیار مبهم باشد. فیزیکدانان معمولاً سطح بالاتر را با میانگین گرفتن می‌سازند، اما نظریه اطلاعات یکپارچه آنها را تشویق می‌کند که بیشتر شبیه یک زیست‌شناس یا مهندس نرم‌افزار رفتار کنند: با تقسیم کردن اجزا به گروه‌هایی که عملکرد خاصی را انجام می‌دهند؛ مانند یک عضو بدن یا یک زیرروال (sub routine) کامپیوتری. اگر تنها کاری که انجام می‌دهید این باشد که میانگین بگیرید، چنین روابط عملکردی می‌تواند از بین برود. آلبانتاکیس می‌گوید:

مولکول‌ها درون نورون‌ها عملکردهای خاص خود را دارند و عموما فقط میانگین‌ گرفتن از آن‌ها، قدرت علت و معلولی را افزایش نخواهد داد، بلکه باعث ایجاد آشفتگی خواهد شد.

اگر سطح بنیادی، معین و بدون افزونگی باشد، با استانداردهایی که هول تعیین می‌کند، توصیفی بهینه ارائه می‌دهد و هیچ برآمدگی وجود ندارد. پس بینش معمول فیزیکدانان که هر سطح بالاتری فقط به عنوان یک تقریب خوب عمل می‌کند، صادق است. مسلماً، خود مفهوم علیت برای چنین نظامی از بین می‌رود، زیرا این سیستم کاملاً برگشت پذیر است؛ به هیچ وجه نمی‌توان گفت که «این» باعث «آن» می‌شود، زیرا «آن» نیز می‌تواند باعث «این» شود. برعکس، سطح پایه می‌تواند کاملاً بدون اطلاعات باشد، در حالی که سطوح بالاتر نظام‌های قدرتمندی را نشان می‌دهند. این موضوع گمانه‌زنی‌هایی را در فیزیک بنیادی به یاد می‌آورد که به ریاضی‌دان هنری پوانکاره (Henri Poincaré) و فیزیکدان جان ویلر (John Wheeler) برمی‌گردد، مبنی بر اینکه سطح بنیادی طبیعت، کاملاً بی‌قانون است و همه قوانین طبیعت تنها در اجتماع ظاهر می‌شوند!

هنگامی که یک خط ارتباطی، پر از نویز است، اغلب می‌توانید با استفاده از یک کد تصحیح خطا، داده‌ها را سریع‌تر به پایین منتقل کنید. به عنوان مثال، ممکن است داده‌ها را در سه نسخه ارسال کنید، و کپی ها را پراکنده کنید تا احتمال عبور آنها بیشتر شود. این کار در ظاهر، سرعت داده را به یک سوم کاهش می‌دهد، اما اگر خطاها را برطرف کنید، می‌توانید جلوتر بروید. در یک مفهوم دقیق ریاضی، یک توصیف سطح بالاتر معادل چنین کدی است؛ اختلالی که دینامیک اصلی سیستم را از بین می‌برد. حتی اگر جزئیات را از دست بدهید، منفعت خالصی در بحث توصیفی خواهید داشت. هوئل می‌گوید:

مقیاس‌های بالاتر با عملکرد مشابه کدها، تصحیح خطا را ارائه می‌کنند، به این معنی که آن‌ها برای انجام کارها و اطلاعات بیشتر نویدبخش‌اند.

برای مثال، فرض کنید در سیستم دو جزئی و چهار حالته، یکی از حالت‌ها همیشه خود را به وجود می‌آورد، در حالی که سه حالت دیگر به‌طور تصادفی در میان یکدیگر چرخش می‌کنند. دانستن اینکه سیستم در چه وضعیتی است، به طور متوسط ۰.۸ بیت اطلاعات درباره‌ی حالت بعدی به شما می‌دهد. اما فرض کنید این سه حالت را کنار هم گذاشته و از آنها برای ذخیره یک حالت در سه نسخه استفاده کنید. این سیستم اکنون فقط با دو حالت، کوچکتر، اما کاملاً قطعی است. دانستن وضعیت فعلی آن یک بیت اطلاعات در مورد حالت بعدی به شما می‌دهد.  این ۰.۲ بیت اضافی (نسبت به مثال قبلی)، منعکس‌کننده‌ی ساختاری است که توضیحات اصلی را پنهان کرده بود. پس چنین می‌توان گفت که ۸۰ درصد جذب علی سیستم، در سطح پایه و ۲۰ درصد آن در سطح بالاتر قرار دارد.

جوزف هالپرن (Halpern)، دانشمند کامپیوتر در کرنل که علیت را مطالعه می‌کند، فکر می‌کند که هوئل در حال یافتن چیزی است. او می‌گوید:

این کار مشاهدات جالبی در مورد اینکه چگونه نگاه کردن به چیزها در سطح کلان می‌تواند اطلاعات بیشتری نسبت به نگاه کردن به آن‌ها در سطح خرد ارائه دهد، دارد.

اما او نگران است که معیار اطلاعات هوئل، بین علیت و همبستگی تمایز قائل نشود. همانطور که هر آمارگری به شما خواهد گفت، این دو یکی نیستند. در سال‌های اخیر، دانشمند کامپیوتر جودیا پرل (Judea Pearl) از دانشگاه کالیفرنیا، لس‌آنجلس، یک چارچوب ریاضی کامل برای ثبت علیت توسعه داده است. هوئل برخی از نتایج این چارچوب را به کار می‌برد، اما هالپرن می‌گوید:

استفاده دقیق‌تر از ایده‌های پرل جالب خواهد بود.

آنچه به ویژه در مورد مثال ارتباطات، جالب است این است که قیاس مشابهی در نظریه های گرانش کوانتومی برای منشاء فضا وجود دارد. کدهای تصحیح خطا، نوعی تفکر جانبی را در مورد ایده‌ای به نام اصل هولوگرافیک ارائه می‌دهند. در یک مثال ساده، فضای سه بعدی ما ممکن است توسط یک سیستم دو بعدی (“فیلم” هولوگرام) ایجاد شود. محتویات فضای ۳ بعدی روی سیستم ۲ بعدی تصویر می‌شوند، به اندازه‌ای که ممکن است یک بیت داده در سه نسخه ذخیره و پراکنده شود. با جستجوی الگوها در سیستم دو بعدی، می‌توانید بعد سوم فضا را بسازید. به زبان ساده، می‌توانید از توصیف بنیادی یک سیستم شروع کنید، به دنبال ساختار بگردید، و مفهومی از مقیاس و فاصله را استخراج کنید، بدون اینکه آن را در ابتدا فرض کنید.

ادامه دارد…