Практическая сторона нейроэтики и основания нейрофилософии в крупных проектах изучения мозга человека

Создание моделей знаний (то есть структурированный доступ к данным и публикациям, относящимся к явлениям, которые человек хочет смоделировать) связано с нормативными решениями, а именно с тем, что должно быть включено в эти библиотеки знаний, а что нет. Эта процедура отбора отличается от традиционной, основанной на экспертной оценке, поскольку последняя позволяет хранить противоречивые знания. Но при создании моделей иногда приходится выбирать, что именно хочет встроить разработчик, а что считает нужным удалить или не учитывать. Эта проблема усугубляется, когда «подтвержденные» знания подвергаются сомнению снова. Но когда эти знания уже глубоко внедрены в код моделирования, усилия по изменению велики, что приводит к искушению пренебречь этим несоответствием.

Эпистемологический вызов:

Построение моделей и шире компьютерных симуляций мозга требует высокой квалификации специалистов, желательно одновременно разбирающихся на профессиональном уровне в нейробиологии, математическом моделировании, компьютерной инженерии, философии и этике. Такие требования могут поставить вопрос о механизмах отбора исследователей, которые должны будут преследовать цель работы в коллективах, состоящих из специалистов широкого профиля, адаптированных к режиму открытой коммуникации с разными исследователями и общественными институтами в рамках понимания и принятия как профессиональных задач, так и этических норм, соответствующих интересам всего общества.

Развитие проектов симуляции мозга целиком зависит от свободы распространения научной, юридической, этической и другой необходимой информации. Важным шагом является создание постоянно обновляемой доступной для всех исследователей и интересующихся проектами по изучению мозга базы данных и знаний. Помимо этого, специалисты должны обладать возможностью воспользоваться необходимыми вычислительными ресурсами, чтобы проверять свои гипотезы или вносить вклад в моделирование или проверку действующих моделей. А значит, такие ресурсы должны быть доступны и удобны, что вызывает множество организационных и этических вопросов, так как многие исследовательские площадки представляют собой закрытые сообщества, не готовые делиться с другими коллективами ни знаниями, ни вычислительными ресурсами.

В ходе полученных знаний и собранных данных так или иначе будет сделан вывод либо о целесообразности, либо о закрытии проектов из-за невозможности создать компьютерную симуляцию мозга, либо о пересмотре статуса нейронаук в свете открываемых новых гипотез и теорий (в том числе и противоречащих современным нейронаукам) в рамках работающих симуляций. В обоих случаях возникнут вопросы этического характера. В первом, неэффективная растрата денежных средств Правительств. Во втором, возможный конфликт исследователей, работающих в проектах

с представителями отдельных нейронаучных школ, отказывающихся принимать успешный результат проектов как концептуально релевантный для описания природы мозга и высших форм деятельности нервной системы.

(з) Онтологический вызов:

Будет ли в итоге полученная максимальная приближенная к человеку компьютерная симуляция обладать антропологическими характеристиками -- сознанием, мышлением, интеллектом? Приемлемо ли с этической точки зрения проводить на полученной симуляции эксперименты, причиняющие ей болевые ощущения, ментальные расстройства, эмоциональные и психические критические состояния? Как мы сможем понять, что полученная в итоге симуляция обладает сознанием? И в случае отсутствия прямых подтверждений этого (как, впрочем, и в случае невозможности испытать квалиа другого человека), уместно ли с этической точки зрения продолжать проводить эксперименты?

Изменится ли с этической точки зрения онтологическое существование человека в случае успеха проекта симуляции мозга? Не будет ли успех проекта означать отмену в постпроектном мире таких базовых конструктов, как автономии человеческой личности, свободы воли и мышления?

Есть ли уверенность, что полученные в ходе проекта знания и технологии будут применены исключительно в мирных целях во благо людей и общества? Насколько этично использовать результаты проекта в военных целях, пропаганде и манипулятивном маркетинге?

ЧАСТЬ 3. НЕЙРОФИЛОСОФИЯ: ЧЕЛОВЕК--НАБОР НЕРВНЫХ КЛЕТОК

3.1 ЧЕЛОВЕК--ЭТО МОЗГ, А МОЗГ--ЭТО КОМПЬЮТЕР?

Определившись с главными этическими вызовами, стоящими перед нейронауками и новыми направлениями исследований с применением технологий компьютерных симуляций, автор попытается определить основания нейронаучных дисциплин и такого фундаментального мейн- стримного направления интеллектуальной мысли, как нейрофилософия. Цель этого анализа--уточнить корректность нейроэтических основ, с точки зрения философии сознания через применение базовых предпосылок нейронауки и компьютерных наук. То есть, автор через анализ аксиоматики нейронауки и нейрофилософии выстроит мысленный эксперимент, в ходе которого совершит попытку оценить релевантность и корректность убеждений о сознании и интеллекте как производных биологических процессов, протекающих в нервной системе и мозге, которые, в свою очередь, описываются как сложные многоуровневые вычислительные комплексы, передающие внутри себя потоки информационных данных.

При рассмотрении нейрофилософии стоит сразу отделить ее от философии нейронаук, поскольку эти две дисциплины нередко объединяются экспертыми в одну. Однако по мнению ряда исследователей, это не так. Майкл Юнгерт в своей работе (Jungert, 2017) определяет философию нейронаук как частный раздел философии науки применительно к нейронаучным дисциплинам. Следовательно, при изучении предмета применяются классические концепции из общей философии. Вопросы, которые поднимаются, соответствуют обычным вопросам философии науки. Например, существует ли специфический научный метод в нейронаучных дисципинах? Существуют ли особые виды объяснения в нейробиологии, которые отличаются от типов объяснений в других областях науки? Какие концепции причинности или редукции участвуют в объяснительных практиках внутри нейронауки?

Когда описывают подходы нейрофилософии, то обычно ссылаются на ставшую в свое время революционной работу Патрисии Черчлэнд (P.S. Churchland, 1986), где нейрофилософия концептуально обозначается как дисциплина, которая не может не учитывать эмпирических данных нейронаук в исследованиях классических предметных областей философии: интеллект, сознание, мышление, этика и т.д. Четкой грани, разделяющей эмпирические научные данные и неэмпирические философские вопросы для нейрофилософии, по Черчлэнд, не существует. Имеется общее познавательное поле с взаимным проникновением нейронауки и философии. С этого важного рубежа главный нарратив научного натурализма прочно вошел в мейнстрим философской мысли о сознании. В такой трактовке может показаться, что нейрофилософия монолитна и характеризуется изучением разделов классической философии с помощью набора нейробиологических методов и экспериментальных данных. Однако Юнгерт на примере теории идентичности и памяти (Jungert, 2017: 8-10) показывает, что нейробиология и нейрофилософия пребывают в постоянном взаимодействии как два сообщающихся сосуда, между которыми происходит непрерывный динамический взаимообмен -- в рамках изучения философских вопросов они оказываются связанными, но не представляют монолитной семантической структуры единой дисциплины.

Нейроэтика активно заявившая о себе в начале текущего столетия, нашла изначально опору в нейрофилософии, когда локальные вопросы о детерминистической связи поведения и эмоций человека с нейронной активностью мозга стали расширяться до общих философских, включивших в себя исследования о природе морали, этики и нравственности в рамках натуралистического нарратива и элиминативного материализма. Окончательное формирование дисциплины нейроэтики, как мы знаем ее сегодня, произошло с инициированием исследований влияния генерируемых новых данных и знаний нейронауки на морально-нравственные сферы жизни человека и общества, а также важность влияния философии морали и этики на общий ход развития нейробиологических исследований.

Но насколько практична такая картина о сознании и интеллекте на самом деле? Не заложено ли внутреннее противоречие в нейроэтике, опирающейся на нейрофилософию, которая в свою очередь ищет ключи к классическим философским вопросам в искусственно доведенном до предела нарративе научного натурализма и элиминативного материализма, ставящего цель решить вопрос о природе сознания его простой ликвидацией как предмета исследования, наподобие удаления флогистона из научной картины мира на фоне более удачной концепции химической реакции кислорода с горючим материалом (Feyerabend, 1963; P. M. Churchland, 1981)? Не будет ли при реализации такого замысла снята с повестки вся предметная область нейроэтики? Зачем нужна нейроэтика, если такие категории, как сознание, мораль, нравственность перестанут быть предметом исследований, по крайне мере, научных? На что будет опираться нейроэтика, когда ее цели будут обозначаться как научно не классифицируемыми? Такие вопросы задают сегодня довольно часто. По мнению автора, на них можно не отвечать -- вопросы такой категории своей постановкой уже формируют прочный антитезис к нейрофилософским подходам. Антитезис, который емко с подачи немецкого философа Маркуса Габриэля можно обозначить через термин нейрофетишизма (Gabriel, 2017), культ которого может представлять угрозу не только для гуманитарных подходов в изучении человека, но и для естественнонаучных дисциплин в результате широкого применения упрощенных форм для представления сложных феноменов по типу мышления или сознания.

Второй по важности после научного натурализма большой нарратив нейронаук и нейрофилософии -- это представление мозга как сложной вычислительной машины, алгоритмы которой работают по принципам нейронной передачи и обработки информации. Простейший элемент обработки информации в таком компьютере--это нейрон, на вход которого поступает информация в виде электрического сигнала из другого нейрона, находящегося в мозге в нейронной сети или сенсорной клетке. Далее нейрон передает информацию в виде заряда (в зависимости от весового коэффициента нейрона точно такой же или измененный) другому нейрону или сенсорно-моторной клетке организма. Таким образом, нейрон вычисляет свой общий вход, обычно математически рассматриваемый как сумма произведений силы сигнала на каждой входной линии, умноженной на синаптический вес на этой линии. Затем он вычисляет новое состояние активации на основе своего общего входного и текущего состояния активации, а также новое выходное состояние на основе своего нового значения активации. Выходное состояние нейрона передается в виде силы сигнала на любые нейроны, на которых находятся его синапсы аксонов. Выходное состояние систематически отражает новое состояние активации нейрона. Мощности такого компьютера действительно впечатляют, учитывая общее количество нейронных клеток в мозге и невероятно сложную архитектуру биологических нейронных сетей.

Под воздействием этого нарратива возникла отдельная дисциплина -- вычислительная нейробиология (англ. Computational Neuroscience). Апологеты этой дисциплины (Churchland, Koch & Sejnowski, 1990; Church- land & Sejnowski, 1992; Eliasmith, 2003; Eliasmith, 2013; Eliasmith & Anderson, 2003; Piccinini & Bahar, 2013; Piccinini & Shagrir, 2014) уверены в ее успехе по причине того, что, по их мнению, в отличие от исключительно математических приближений и абстрактных моделей классических нейросетей типа модели Маккаллока-Питтса, вычислительная нейробиология стремится к большему биологическому реализму, чем грубые модели, эксплуатирующие только общие представления о работе нейронов. С середины прошлого века развивается вычислительная теория мышления (англ. computational theory of mind), которая окружена пристальным вниманием со стороны специалистов когнитивных наук, нейробилогии, нейрофилософии и других дисциплинах, где феномен сознания тесно связывается со строением мозга и происходящих в нем процессов натуралистического характера. В вычислительном описании процессов внутри мозга эти дисциплины видят ключ к объяснению связей нейрофизиологической природы и интенциональных состояний. Ключ, который сегодня остается весомым аргументом в помощи описания сознания, разума и интеллекта с точки зрения главного нарратива нейрофилософии: сознание--это мозг.

А мозг -- это сложный компьютер, который обрабатывает входящую информацию по определенным алгоритмам и генерирует исходящую информацию по другим наборам алгоритмов. Такая концептуальная связка сознания и мозга как компьютера со сверхсложной вычислительной архитектурой полностью вписывается в картину научного натурализма и материализма в рамках которой описание сознания и интеллекта остается единственно возможным шансом стать успешным. Если же эта гипотеза заведет в тупик, то у сторонников идеи сознания как продукта мозговой деятельности, останется лишь вариант удаления самого понятия сознания из научного дискурса. Так, согласно позиции элиминативного материализма, множество ментальных представлений, включая сознание, являются объективно ложными и не несут в себе научно верифицируемых характеристик, а значит не могут быть использованы в научном дискурсе и изучены в научно-исследовательской практике. Необходимо предельно ясно понимать, что определение «мозг -- это компьютер» в рассматриваемом случае не является метафорой, а соответствует конкретному натуралистическому представлению о функциональной сути мозговой деятельности: вычисление информации через выполнение набора алгоритмов. Под алгоритмом понимается его формальное определение, например, через классический тезис Черча-Тьюринга: алгоритм -- это все то, что может сделать машина ТьюрингаБолее подробно о машине Тьюринга см., например, здесь: https://www.hse.ru/mirro r/pubs/share/167262307..

Если мы принимаем предлагаемое определение мозга как вычислительной машины, то встает вопрос о соотношении синтаксиса и семантики, который, в свою очередь, усиливает акцент на интенциональности и неформализуемых существующими методами поведенческих характеристиках сознания. Таким образом возможно (по крайней мере, при первых интуитивных усилиях) раскрыть эту проблематику.

Однако еще в начале прошлого века Фреге удалось провести строгую формализацию дедуктивного мышления (Frege, 1879), что позволило впоследствии выявить строгую зависимость вычислений от формальных синтаксических элементов, которые могут формировать семантику, но в то же время не проистекают из нее и не имеют по отношению к ней подчиненной детерминистической ролевой природы. Между современными специалистами по вычислительной нейробиологии могут быть споры поверхностного уровня, например, вокруг того, исключительно ли синтаксическими данными манипулирует нейронная сеть? По сущностной же позиции о том, что вычисления нечувствительны к семантике, между исследователями установлен прочный консенсус. Остается открытым вопрос о необходимости применения формального синтаксического описания больших когнитивных систем, которые сейчас все еще продолжают быть в поле интенционального описания с опорой на семантику, а не синтаксис (Burge, 2013: 479-480).

Тем самым можно выделить два больших нарратива, которые создают концепцию сознания и интеллекта как производных структур от нейросубстанции:

Научный натурализм и материализм, объясняющие все фиксируемые явления с точки зрения природы и ее материальной структуры. Отсюда следует, что сознание -- это продукт деятельности сложных взаимодействий материалистической природы внутри мозга и нервной системы.

Мозг--это компьютер, который обрабатывает информацию по определенному набору алгоритмов. Каузальность вычислений выстроена синтаксисом.

3.2 МЫСЛЕННЫЙ ЭКСПЕРИМЕНТ «ЧЕЛОВЕЧЕСКИЙ МОЗГ --САМЫЙ ВЫСОКОПРОИЗВОДИТЕЛЬНЫЙ ВЫЧИСЛИТЕЛЬНЫЙ КЛАСТЕР»

Исходя из выше выделенных характеристик повествовательного описания природы сознания, проведем мысленный эксперимент, который будет опираться на представление о человеческом мозге как самом высокопроизводительном вычислительном кластере в мире.

Чтобы эффективно провести эксперимент автор заимствует термин из области компьютерных симуляций научных экспериментов. Такие симуляции обычно проводятся на сложнейших программно-аппаратных комплексах и призваны максимально детализировано реализовать экспериментальные модели через динамические компьютерные симуляции, наподобие рассмотренных автором в первой части данной статьи.

В 2009 году философ-исследователь Пол Хамфрис в своей статье (Humphreys, 2009) проводит критический разбор, который стал ответом на совместную авторскую работу Романа Фригга и Джулиан Рейсс (Frigg & Julian, 2009), совершивших в ней попытку утвердить мысль о том, что компьютерные симуляции научных экспериментов не имеют в своей основе философской новизны. Хамфрис при анализе состоятельности эпистемологической составляющей компьютерных симуляций использует термин «антропоцентрическое затруднение» (англ. anthropocentric predicament). Этот термин используется им при рассмотрении одного из двух возможных сценариев развития науки, называемым гибридным, суть которого сводится к научной деятельности, выполняемой как человеком, так и вычислительными машинами. Второй сценарий называется Хамфрисом автоматическим и подразумевает полное исключение человека из области научного познания мира. Несмотря на то, что Хамфрису более интересн второй сценарий, в приводимой статье разбирается исключительно первый, так как в нем сохраняется влияние когнитивной природы человека, необходимой для полемики с Фриг- гом и Рейсс. Если свести термин антропоцентрического затруднения к пределу, то суть его заключена в том, что сложность компьютерных симуляций превосходит когнитивные способности отдельного ученого или даже группы исследователей настолько, что наблюдать за ходом процессов параллельных вычислений в динамической модели равно как и предугадывать их исход не представляется возможным даже в теории.

Помимо этого компьютерные симуляции, с точки зрения философского постпозитивизма, представляют не меньшую эпистемологическую ценность, чем традиционные экспериментальные модели типа аэродинамической трубы или лабораторных грызунов (Parker, 2009). Компьютерные симуляции в виде объекта эксперимента как в случае лабораторного эксперимента не сводятся к сумме свойств или относительной экстраполяции полученных данных из физической модели. В компьютерных симуляциях можно учесть такой недостаток и с максимальной точностью приблизиться к свойствам целевой системы эксперимента. Цель таких симуляций не подтверждение существующих теорий и гипотез, а открытие новых, что уже на концептуальном уровне закладывает в них неконтролируемость их результатов со стороны исследователей.

Для проведения мысленного эксперимента примем следующие допущения:

Принимается физикалистский взгляд на нервную систему и мозг как сложную биохимическую вычислительную машину (Stekeler- Weithofer, 2008), согласно двум выше рассмотренным базовым нарративам: (і) научный натурализм и материализм; (2) мозг -- сложный компьютер.

Эксперименты с мозгом проводятся нейрофизиологами и другими исследователями как натурные, как если бы изучение свойств компьютера проводилось непосредственно с компонентами самого компьютера без их моделирования.

Приняв основные допущения, можно приступить к мысленному эксперименту, в котором мозг и нервная система представляют собой самый высокопроизводительный вычислительный кластер в мире, к которому имеют прямой доступ исследователи с лучшими измерительными приборами, способных измерить любые физические, электрохимические и другие показатели работы ресурса вычислительной системы. Цель исследователей: обнаружить закономерности, по которым формируются ментальные состояния. Принимая в расчет антропоцентрическое затруднение, приходим к выводу о том, что исследователи, выступающие в качестве субъекта эксперимента, не способны проследить за всеми процессами, которые динамически совершаются в вычислительной системе, а значит прогнозы и заключения, опирающиеся исключительно на входящие и исходящие данные такой системы, будут, как минимум, неточными, а фундаментально--c большой вероятностью ложными. Проблема усложняется тем, что в отличие от компьютерных симуляций научных экспериментов в данном случае исследователи ничего не знают о моделях, заложенных в вычислительную систему. Она оказывается для них черным ящиком. Единственным возможным источником изучения этих моделей является собственное сознание, но на него также будет распространяться антропоцентрическое затруднение все по той же причине. Исследователь может воспринимать и описывать свое сознание лишь частично (заостряя внимание на его интенциональных характеристиках), а учитывая огромное количество процессов, как внутренних, так и внешних, направленных в обход сознания, но оказывающих на него влияние-- подобное восприятие можно считать бесполезным для достижения цели исследователей. Получается, что в рассматриваемой вычислительной системе принципиально невозможно установить характер и суть расчетных моделей ни с уровня физикалистских, ни с уровня субъективно ментальных изысканий. Это означает, что любые эксперименты с вычислительным ресурсом на уровне его физического субстрата или доступного для восприятия интерфейса не приведут к получению достоверных и точных моделей, обрабатываемых этим кластером.

Такой мысленный эксперимент, по мнению автора, демонстрирует наивность любых попыток изучения сознания и его морально-нравственных, этических и других высших производных характеристик через эксперименты с нервными клетками или любым другим физическим субстратом.

ЗАКЛЮЧЕНИЕ

В ходе работы удалось рассмотреть наиболее значимые современные национальные и международные проекты по изучению мозга с точки зрения определения координат нейроэтических исследовательских практик в рамках этих проектов. Анализ самых крупных из них продемонстрировал внушительные финансовые ресурсы, выделяемые на организацию систематических нейроэтических исследований в рамках специально сформированных структур внутри проектов. Каждый из проектов имеет национальное значение и на каждый из них национальные правительства возлагают большие надежды для решения актуальных проблем медицинского, социального, экономического и технологического характера.

Важной объединяющей темой проектов стала методология исследования мозга и форм высшей нервной деятельности. Главным инструментарием исследований стало многоуровневое моделирование мозга с помощью сложных программно-аппаратных комплексов. Математические модели мозга, применяемые в проектах и предназначенные для максимально детализированных компьютерных симуляций, объединяющих все функциональные уровни мозга, поднимают перед нейроэтикой как традиционные, так и новые вопросы относительно сути природы сознания, морали и этики. Оттолкнувшись от традиционной классификации шести вопросов и шести характеристик нейроэтики, удачно сформулированных и сведенных в таблицу Джеймсом Джиардано, выявляются предпосылки для формирования новой нейроэтики перед которой встают новые вызовы. Для их формулирования и классификации автор детально разбирает:

взаимосвязи нейроэтики и нейробиологии, чтобы определить причины мотивационной сути научного натурализма формировать морально-этическую и социально-культурную повестку;

классификацию методологических подходов нейроэтики Катинки Эверс с выделением нейробиоэтики, эмпирической нейроэтики, соответствующей определению Нортоффа и концептуальной нейроэтики, которая в свою очередь разделяется на концепцию нейроэтики как метаэтики и концепцию фундаментальной нейроэтики;

преимущества новой нейроэтики, основанной на экспериментировании с компьютерными симуляциями, а не биологическими организмами;

Исходя из выстроенного анализа, автор выстраивает классификацию новых вызовов, которые меняют саму нейроэтику:

Методологический вызов;

Эпистемологический вызов;

Онтологический вызов.

Наконец, в статье разбираются основы нейрофилософии с точки зрения критического взгляда философа. Два основных нарратива формируют мир нейронаук и нейрофилософии:

Научный натурализм и материализм;

Определение мозга как вычислительного механизма обработки информации.

Статья завершается постановкой мысленного эксперимента на базе основных предпосылок нейрофилософии. Мозг человека в эксперименте предстает как самый мощный высокопроизводительный вычислительный кластер, обладающий всеми необходимыми для этого характеристиками. Но при попытке исследовать мозг методами нейробиологии при заданных условиях, он оказывается втянут в антропоцентрическое затруднение Хамфриса, которое лишает всякого смысла выявить каузальные связи нейробиологических процессов внутри мозга со сложными информационными моделями, которые могут формировать такие феномены как сознание и интеллект.

Литература

Amunts K., Ebell C., Muller J. The Human Brain Project : Creating a European Research Infrastructure to Decode the Human Brain // Neuron. -- 2016. -- Vol. 92, no. 3. -- P 574-581.

Arkhipov A., Gouwens N. W., Billeh Y. N. Visual Physiology of the Layer 4 Cortical Circuit in Silico // PLOS Computational Biology. -- 2018. -- Vol. 14, no. 11. Blair R. Cognitive Developmental Approach to Morality : Investigating the Psychopath // Cognition. -- 1995. -- Vol. 57, no. 1. -- P 1-29.

Brader J.M., Senn W, Fusi S. Learning Real-World Stimuli in a Neural Network with Spike-Driven Synaptic Dynamics // Neural Computation. -- 2007. -- Vol. 19, no. 11. -- P. 2881-2912.

Burge T. Cognition through Understanding : Self-Knowledge, Interlocution, Reasoning, Reflection: Philosophical Essays. Vol. 3. -- Oxford : Oxford University Press, 2013.

Christen M. The Neuroethical Challenges of Brain Simulations / Meeting of IACP, University of Maryland at College Park. -- 2013. -- URL: https://www.encyclog .com/_upl/files/2013_Christen_IACAP.pdf (visited on Mar. 20, 2020).

Churchland P. M. Eliminative Materialism and the Propositional Attitudes // The Journal of Philosophy. -- 1981. -- Vol. 78, no. 2. -- P. 67-90.

Churchland P. S. Neurophilosophy. -- Cambridge, MA : MIT Press, 1986.

Churchland P. S., Koch C., Sejnowski T. What Is Computational Neuroscience? // Computational Neuroscience / ed. by E. Schwartz. -- Cambridge : MIT Press,

1990. -- P. 46-55.

Churchland P. S., Sejnowski T. The Computational Brain. -- Cambridge : MIT Press, 1992.

Dayan P., Abbott L. Theoretical Neuroscience : Computational and Mathematical Modeling of Neural Systems. -- Cambridge : MIT Press, 2001.

Deco G., Rolls E. T. A Neurodynamical Cortical Model of Visual Attention and Invariant Object Recognition // Vision Research. -- 2004. -- Vol. 44, no. 6. -- P. 621-642.

Denning P. J., Lewis T. G. Exponential Laws of Computing Growth // Communications of the ACM. -- 2017. -- Vol. 60, no. 1. -- P. 54-65.

Einevoll G. T., Destexhe A., Diesmann M. The Scientific Case for Brain Simulations : Strengthening Responsible Innovation in Brain Science // Neuron. -- 2019. -- Vol. 102, no. 3. -- P. 735-743.

Eliasmith C. Moving Beyond Metaphors : Understanding the Mind for What It Is // Journal of Philosophy. -- 2003. -- Vol. 100, no. 10. -- P. 493-520.

Eliasmith C. How to Build a Brain : A Neural Architecture for Biological Cognition. -- Oxford : Oxford University Press, 2013.

Eliasmith C., Anderson C.H. Neural Engineering : Computation, Representation and Dynamics in Neurobiological Systems. -- Cambridge : MIT Press, 2003.

Eslinger P., Damasio A. Severe Distrubance of Higher Cognition after Bilateral Frontal Lobe Ablation : Patient EVR // Neurology. -- 1985. -- Vol. 35, no. 12. -- P. 1731-1741.

Evers K., Salles A., Farisco M. Theoretical Framing of Neuroethics : The Need for a Conceptual Approach // Debates About Neuroethics : Perspectives on Its Development, Focus, and Future / ed. by E. Racine, J. Aspler. -- Cham : Springer, 2017. -- P. 89-107.

Feyerabend P. K. Comment : Mental Events and the Brain // The Journal of Philosophy. -- 1963. -- Vol. 60, no. 11. -- P. 295-296.

Fowler L. Familiar Lessons on Physiology : Designed for the Use of Children and Youth in Schools and Families. -- New York : Fowler, Wells, 1855.

Frege G. Begriffsschrift, a Formula Language, Modeled upon That of Arithmetic, for Pure Thought // From Frege to Gцdel: A Source Book in Mathematical Logic, 1879-1931 / J. van Heijenoort. -- Cambridge (MA) : Harvard University Press, 1879. -- P 1-82.

Frigg R., Julian R. The Philosophy of Simulation : Hot New Issues or Same Old Stew? // Synthese. -- 2009. -- Vol. 169, no. 3. -- P 593-613.

Gabriel M. Against Neurofetishism / Radboud University. -- 2017. -- URL: https: //youtu.be/WHxjZBDv7-k (visited on Mar. 20, 2020).

Garden H. Neurotechnology and Society : Strengthening Responsible Innovation in Brain Science // Neuron. -- 2016. -- Vol. 92, no. 3. -- P 642-646.

Garden H., Bowman D., Haesler S. Neurotechnology and Society : Strengthening Responsible Innovation in Brain Science // Neuron. -- 2016. -- Vol. 92, no. 3. -- P. 642-646.

Giordano J. Neuroethics : Interacting “Traditions” as a Viable Meta-Ethics // AJOB Neuroscience. -- 2011. -- Vol. 2, no. 2. -- P 17-19.

Giordano J. A Preparatory Neuroethical Approach to Assessing Developments in Neurotechnology // American Medical Association Journal of Ethics. -- 2015. -- Vol. 17, no. 1. -- P 56-61.

Gold J. I., Shadlen M. N. The Neural Basis of Decision Making // Annual Review of Neuroscience. -- 2007. -- Vol. 30. -- P. 535-574.

Greene J. An fMRI Investigation of Emotional Engagement in Moral Judgment // Science. -- 2001. -- Vol. 293, no. 5537. -- P 2105-2108.

Hagner M. Cultivating the Cortex in German Neuroanatomy // Science in Context. -- 2001. -- Vol. 14, no. 4. -- P 541-563.

Halnes G., Augustinaite S., Heggelund P. A Multi-Compartment Model for Interneurons in the Dorsal Lateral Geniculate Nucleus // PLOS Computational Biology. -- 2011. -- Vol. 7, no. 9.

Hay E., Hill S., Schurmann F. Models of Neocortical Layer 5b Pyramidal Cells Capturing a Wide Range of Dendritic and Perisomatic Active Properties // PLOS Computational Biology. -- 2011. -- Vol. 7, no. 7.

Hodgkin A.L., Huxley A.F. A Quantitative Description of Membrane Current and Its Application to Conduction and Excitation in Nerve // The Journal of Physiology. -- 2011. -- Vol. 117, no. 4. -- P. 500-544.

Hopfield J. J. Neural Networks and Physical Systems With Emergent Collective Computational Abilities // Proceedings of the National Academy of Sciences of the United States of America. -- 1982. -- Vol. 79, no. 8. -- P 2554-2558.

Humphreys P. The Philosophical Novelty of Computer Simulation Methods // Synthese. -- 2009. -- Vol. 169, no. 3. -- P 615-626.

Jeong S. J., Lee H., Hur E. M. Korea Brain Initiative : Integration and Control of Brain Functions // Neuron. -- 2016. -- Vol. 92, no. 3. -- P 607-611.

Jungert M. Chapter і -- Neurophilosophy or Philosophy of Neuroscience? : What Neuroscience and Philosophy Can and Cannot Do for Each Other // The Human Sciences After the Decade of the Brain / ed. by J. Leefmann, E. Hildt. -- San Diego : Academic Press, 2017. -- P. 3-13.

Libet B. Time of Conscious Intention to Act in Relation to Onset of Cerebral Activity (Readiness-Potential) : The Unconscious Initiation of a Freely Voluntary Act // Brain. -- 1983. -- Vol. 106, no. 3. -- P. 623-642.

Markram H. The Human in Brain Project // Scientific American. -- 2012. -- Vol. 306, no. 6. -- P. 50-55.

Markram H. Seven Challenges for Neuroscience // Functional Neurology. -- 2013. -- Vol. 28, no. 3. -- P. 145-151.

Markram H. Reconstruction and Simulation of Neocortical Microcircuitry // Cell. -- 2015. -- Vol. 163, no. 2. -- P. 456-492.

McCormick D. A., Huguenard J. R. A Model of the Electrophysiological Properties of Thalamocortical Relay Neurons // Journal of Neurophysiology. -- 1992. -- Vol. 68, no. 4. -- P. 1384-1400.

Migliore M., Cook E.P., Jaffe D.B. Computer Simulations of Morphologically Reconstructed CA3 Hippocampal Neurons // Journal of Neurophysiology. -- 1995. -- Vol. 73, no. 3. -- P. 145-151.

Normile D. China's Ambitious Brain Science Project Inches Forward // Science. -- 2018. -- Vol. 360, no. 6391. -- P. 840-841.

Northoff G. What Is Neuroethics? : Empirical and Theoretical Neuroethics // Current Opinion in Psychiatry. -- 2009. -- Vol. 22, no. 3. -- P. 565-569.

Okano H., Sasaki E., Yamamori T. Brain/MINDS : A Japanese National Brain Project for Marmoset Neuroscience // Neuron. -- 2016. -- Vol. 92, no. 3. -- P. 582590.

Parker W. S. Does Matter Really Matter? : Computer Simulations, Experiments, and Materiality // Synthese. -- 2009. -- Vol. 169, no. 3. -- P. 483-496.

Piccinini G., Bahar S. Neural Computation and the Computational Theory of Cognition // Cognitive Science. -- 2013. -- Vol. 37, no. 3. -- P. 453-488.

Piccinini G., Shagrir O. Foundations of Computational Neuroscience // Current Opinion in Neurobiology. -- 2014. -- Vol. 25. -- P. 25-30.

Pontius A. Neuro-Ethics of Walking in the Newborn // Perceptual and Motor Skills. -- 1973. -- Vol. 37, no. 1. -- P. 235-245.

Potjans T. C., Diesmann M. The Cell-Type Specific Cortical Microcircuit : Relating Structure and Activity in a Full-Scale Spiking Network Model // Cerebral Cortex. -- 2014. -- Vol. 24, no. 3. -- P. 785-806.

Pozzorini C., Mensi S., Hagens O. Automated High-Throughput Characterization of Single Neurons by Means of Simplified Spiking Models // PLOS Computational Biology. -- 2015. -- Vol. 11, no. 6.

Racine E, Dubljevic V. D, Ralf J. J. Can Neuroscience Contribute to Practical Ethics? : A Critical Review and Discussion of the Methodological and Translational Challenges of the Neuroscience of Ethics // Bioethics. -- 2017. -- Vol. 31, no. 5. -- P. 328-337.

Rana P. How a Chinese Scientist Broke the Rules to Create the First Gene-Edited Babies / The Wall Street Journal. -- 201g. -- URL: https://www.wsj.eom/articles/h ow-a-chinese-scientist-broke-the-rules-to-create-the-first-gene-edited-bab ies-11557506697 (visited on Mar. 20, 2020).

Reynolds J. H., Desimone R. The Role of Neural Mechanisms of Attention in Solving the Binding Problem // Neuron. -- iggg. -- Vol. 24, no. 1. -- P. 111-125.

Rommelfanger K. S., Jeong S. J. Global Neuroethics Summit Delegates : Neuroethics Questions to Guide Ethical Research in the International Brain Initiatives // Neuron. -- 2018. -- Vol. 100, no. 1. -- P. 1д-зб.

Rommelfanger K. S., Jeong S.-J., Ema A. Neuroethics Questions to Guide Ethical Research in the International Brain Initiatives // Neuron. -- 2018. -- Vol. 100, no. 1. -- P. 1д-зб.

Roskies A. Neuroethics for the New Millenium // Neuron. -- 2002. -- Vol. 35. -- P. 2123.

Salles A., Bjaalie J. G., Evers K. The Human Brain Project : Brain Research for the Benefit of Society // Neuron. -- 201g. -- Vol. 101, no. 3. -- P. 380-384.

Salles A., Evers K., Farisco M. Neuroethics and Philosophy in Responsible Research and Innovation : The Case of the Human Brain Project // Neuroethics. -- 201g. -- Vol. 12, no. 2. -- P. 201-211.

Schmidt M., Bakker R., Hilgetag C. C. Multi-Scale Account of The Network Structure of Macaque Visual Cortex // Brain Structure and Function. -- 201g. -- Vol. 223, no. 3. -- P. 140g-1435.

Stekeler-Weithofer P. The Computational Theory of Mind and the Decomposition of Actions // Philosophical Topics. -- 2008. -- Vol. 36, no. 2. -- P. 63-86.

Traub R.D., Contreras D., Cunningham M.O. Single-Column Thalamocortical Network Model Exhibiting Gamma Oscillations, Sleep Spindles, and Epileptogenic Bursts // Journal of Neurophysiology. -- 2005. -- Vol. g3, no. 4. -- P. 2^4-2232.

Velde F. van der, Kamps M. de. Neural Blackboard Architectures of Combinatorial Structures in Cognition // Behavioral and Brain Sciences. -- 2006. -- Vol. 2g, no. 1. -- P. 37-70.

Wang Y. [et al.]. Responsibility and Sustainability in Brain Science, Technology, and Neuroethics in China--a Culture-Oriented Perspective // Neuron. -- 201g. -- Vol. 101, no. 3. -- P. 375-37g.

Timur Khamdamov

PhD Student at the National Research University Higher School of Economics, Moscow

The Practical Part of Neuroethics and the Basis of Neurophilosophy in Large Projects of Studying the Human Brain

Abstract: The article is devoted to the role and place of neuroethics in national and international projects for the study of the human brain. The work deals exclusively with those projects that have chosen the using of complex systemic multifactor models of the brain and nervous system as the main method of research, the coordinated work of which is provided by the large computing resources of hardware and software systems and is implemented in a series of computer simulations of the neurophysiological, neurobiological and neuropsychological processes of a living organism, including human. Such projects declare the widest range of solutions to the problems associated with the study of the brain: from studies the characteristics of the transmission of electrical signals between the synapses of neurons to research in the field of the emergence, functioning and development of such higher functions of the brain as intelligence and consciousness. The final part of the article is devoted to the correctness of the neurophilosophical concept of the origin and functioning of consciousness and intelligence on the principles of a neuromorphic nature, namely, the possibility of interpreting the phenomenon of the emergence of consciousness as the highest form of nervous activity and its further development, based on natural science laws embedded in the biological structure of the brain and nervous system. Which means, in the case of understanding and further creation of technologies for reproducing such laws, the real possibility of obtaining artificial intelligence and consciousness without reference to living organisms, in particular to humans. The author questions this view of the nature of consciousness in the course of a thought experiment, which is based on arguments from the subject area of computer simulations, and also assumes the brain as a complex computer system, similar to existing supercomputers, but from the point of view of architecture and software arranged and functioning according to more complex algorithms.

Keywords: Neuroethics, Neurophilosophy, Human Brain Project, Computer Simulation of the Brain, Neuromorphism, Consciousness, Intelligence, Cognitive Science.

REFERENCES

Amunts, K., C. Ebell, and J. Muller. 2016. “The Human Brain Project: Creating a European Research Infrastructure to Decode the Human Brain.” Neuron 92 (3): 574-581.

Arkhipov, A., N.W. Gouwens, and Y. N Billeh. 2018. “Visual Physiology of the Layer 4 Cortical Circuit in Silico.” PLOS Computational Biology 14 (11).

Blair, R. 1995. “Cognitive Developmental Approach to Morality: Investigating the Psychopath.” Cognition 57 (1): 1-29.

Brader, J.M., W. Senn, and S. Fusi. 2007. “Learning Real-World Stimuli in a Neural Network with Spike-Driven Synaptic Dynamics.” Neural Computation 19 (11): 2881-2912.

Burge, T. 2013. Cognition through Understanding: Self-Knowledge, Interlocution, Reasoning, Reflection: Philosophical Essays. Vol. 3. Oxford: Oxford University Press.

Christen, M. 2013. “The Neuroethical Challenges of Brain Simulations.” Meeting of IACP, University of Maryland at College Park. Accessed Mar. 20, 2020. https://www.encyclog.c om/_upl/files/2013_Christen_IACAP.pdf.

Churchland, P. M. 1981. “Eliminative Materialism and the Propositional Attitudes.” The Journal of Philosophy 78 (2): 67-90.

Churchland, P.S. 1986. Neurophilosophy. Cambridge and MA: MIT Press.

Churchland, P.S., C. Koch, and T. Sejnowski. 1990. “What Is Computational Neuroscience?” In Computational Neuroscience, ed. by E. Schwartz, 46-55. Cambridge: MIT Press.

Churchland, P.S., and T. Sejnowski. 1992. The Computational Brain. Cambridge: MIT Press.

Dayan, P., and L. Abbott. 2001. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. Cambridge: MIT Press.

Deco, G., and E.T. Rolls. 2004. “A Neurodynamical Cortical Model of Visual Attention and Invariant Object Recognition.” Vision Research 44 (6): 621-642.

Denning, P. J., and T. G. Lewis. 2017. “Exponential Laws of Computing Growth.” Communications of the ACM 60 (1): 54-65.

Einevoll, G.T., A. Destexhe, and M. Diesmann. 2019. “The Scientific Case for Brain Simulations: Strengthening Responsible Innovation in Brain Science.” Neuron 102 (3): 735-743.

Eliasmith, C. 2003. “Moving Beyond Metaphors: Understanding the Mind for What It Is.” Journal of Philosophy 100 (10): 493-520.

Eliasmith, C., and C.H. Anderson. 2003. Neural Engineering: Computation, Representation and Dynamics in Neurobiological Systems. Cambridge: MIT Press.

Eslinger, P., and A. Damasio. 1985. “Severe Distrubance of Higher Cognition after Bilateral Frontal Lobe Ablation: Patient EVR.” Neurology 35 (12): 1731-1741.

Evers, K., A. Salles, and M. Farisco. 2017. “Theoretical Framing of Neuroethics: The Need for a Conceptual Approach.” In Debates About Neuroethics : Perspectives on Its Development, Focus, and Future, ed. by E. Racine and J. Aspler, 89-107. Cham: Springer.

Feyerabend, P. K. 1963. “Comment: Mental Events and the Brain.” The Journal of Philosophy 60 (11): 295-296.

Fowler, L. 1855. Familiar Lessons on Physiology: Designed for the Use of Children and Youth in Schools and Families. New York: Fowler / Wells.

Frege, G. 1879. “Begriffsschrift, a Formula Language, Modeled upon That of Arithmetic, for Pure Thought.” In From Frege to Gцdel: A Source Book in Mathematical Logic, 1879--1931, by J. van Heijenoort, 1-82. Cambridge (MA): Harvard University Press.

Frigg, R., and R. Julian. 2009. “The Philosophy of Simulation: Hot New Issues or Same Old Stew?” Synthese 169 (3): 593-613.

Gabriel, M. 2017. “Against Neurofetishism.” Radboud University. Accessed Mar. 20, 2020. https://youtu.be/WHxjZBDv7-k.

Garden, H. 2016. “Neurotechnology and Society: Strengthening Responsible Innovation in Brain Science.” Neuron 92 (3): 642-646.

Garden, H., D. Bowman, and S. Haesler. 2016. “Neurotechnology and Society: Strengthening Responsible Innovation in Brain Science.” Neuron 92 (3): 642-646.

Giordano, J. 2011. “Neuroethics: Interacting `Traditions' as a Viable Meta-Ethics.” AJOB Neuroscience 2 (2): 17-19.

. 2015. “A Preparatory Neuroethical Approach to Assessing Developments in Neurotechnology.” American Medical Association Journal of Ethics 17 (1): 56-61.

Gold, J. I., and M. N. Shadlen. 2007. “The Neural Basis of Decision Making.” Annual Review of Neuroscience 30:535-574.

Greene, J. 2001. “An fMRI Investigation of Emotional Engagement in Moral Judgment.” Science 293 (5537): 2105-2108.

Hagner, M. 2001. “Cultivating the Cortex in German Neuroanatomy.” Science in Context 14 (4): 541-563.

Halnes, G., S. Augustinaite, and P. Heggelund. 2011. “A Multi-Compartment Model for Interneurons in the Dorsal Lateral Geniculate Nucleus.” PLOS Computational Biology 7 (9).

Hay, E., S. Hill, and F. Schurmann. 2011. “Models of Neocortical Layer 5b Pyramidal Cells Capturing a Wide Range of Dendritic and Perisomatic Active Properties.” PLOS Computational Biology 7 (7).

Hodgkin, A.L., and A.F. Huxley. 2011. “A Quantitative Description of Membrane Current and Its Application to Conduction and Excitation in Nerve.” The Journal of Physiology

117 (4): 500-544.

Hopfield, J. J. 1982. “Neural Networks and Physical Systems With Emergent Collective Computational Abilities.” Proceedings of the National Academy of Sciences of the United States of America 79 (8): 2554-2558.

Humphreys, P. 2009. “The Philosophical Novelty of Computer Simulation Methods.” Synthese 169 (3): 615-626.

Jeong, S. J., H. Lee, and E.M. Hur. 2016. “Korea Brain Initiative: Integration and Control of Brain Functions.” Neuron 92 (3): 607-611.

Jungert, M. 2017. “Chapter 1 -- Neurophilosophy or Philosophy of Neuroscience?: What Neuroscience and Philosophy Can and Cannot Do for Each Other.” In The Human Sciences After the Decade of the Brain, ed. by J. Leefmann and E. Hildt, 3-13. San Diego: Academic Press.

Libet, B. 1983. “Time of Conscious Intention to Act in Relation to Onset of Cerebral Activity (Readiness-Potential): The Unconscious Initiation of a Freely Voluntary Act.” Brain 106 (3): 623-642.

Markram, H. 2012. “The Human in Brain Project.” Scientific American 306 (6): 50-55.

McCormick, D. A., and J. R. Huguenard. 1992. “A Model of the Electrophysiological Properties of Thalamocortical Relay Neurons.” Journal of Neurophysiology 68 (4): 1384-1400.

Migliore, M., E.P. Cook, and D.B. Jaffe. 1995. “Computer Simulations of Morphologically Reconstructed CA3 Hippocampal Neurons.” Journal of Neurophysiology 73 (3): 145-151.

Normile, D. 2018. “China's Ambitious Brain Science Project Inches Forward.” Science 360 (6391): 840-841.

Northoff, G. 2009. “What Is Neuroethics?: Empirical and Theoretical Neuroethics.” Current Opinion in Psychiatry 22 (3): 565-569.

Okano, H., E. Sasaki, and T. Yamamori. 2016. “Brain/MINDS: A Japanese National Brain Project for Marmoset Neuroscience.” Neuron 92 (3): 582-590.

Parker, W. S. 2009. “Does Matter Really Matter?: Computer Simulations, Experiments, and Materiality.” Synthese 169 (3): 483-496.

Piccinini, G., and S. Bahar. 2013. “Neural Computation and the Computational Theory of Cognition.” Cognitive Science 37 (3): 453-488.

Piccinini, G., and O. Shagrir. 2014. “Foundations of Computational Neuroscience.” Current Opinion in Neurobiology 25:25-30.

Pontius, A. 1973. “Neuro-Ethics of Walking in the Newborn.” Perceptual and Motor Skills 37 (l): 235-245.

Potjans, T.C., and M. Diesmann. 2014. “The Cell-Type Specific Cortical Microcircuit: Relating Structure and Activity in a Full-Scale Spiking Network Model.” Cerebral Cortex

24 (3): 785-806.

Pozzorini, C., S. Mensi, and O. Hagens. 2015. “Automated High-Throughput Characterization of Single Neurons by Means of Simplified Spiking Models.” PLOS Computational Biology 11 (6).

Racine, E., D. DubljeviT-s V., and J.J. Ralf. 2017. “Can Neuroscience Contribute to Practical Ethics?: A Critical Review and Discussion of the Methodological and Translational Challenges of the Neuroscience of Ethics.” Bioethics 31 (5): 328-337.

Rana, P. 2019. “How a Chinese Scientist Broke the Rules to Create the First Gene-Edited Babies.” The Wall Street Journal. Accessed Mar. 20, 2020. https://www.wsj.com/articles/how -a-chinese-scientist-broke-the-rules-to-create-the-first-gene-edited-babies-11557506 697.

Reynolds, J. H., and R. Desimone. 1999. “The Role of Neural Mechanisms of Attention in Solving the Binding Problem.” Neuron 24 (1): 111-125.

Rommelfanger, K.S., and S.J. Jeong. 2018. “Global Neuroethics Summit Delegates: Neuroethics Questions to Guide Ethical Research in the International Brain Initiatives.” Neuron 100 (1): 19-36.

Rommelfanger, K. S., S.-J. Jeong, and A. Ema. 2018. “Neuroethics Questions to Guide Ethical Research in the International Brain Initiatives.” Neuron 100 (1): 19-36.

Roskies, A. 2002. “Neuroethics for the New Millenium.” Neuron 35:21-23.

Salles, A., J. G. Bjaalie, and K. Evers. 2019. “The Human Brain Project: Brain Research for the Benefit of Society.” Neuron 101 (3): 380-384.

Salles, A., K. Evers, and M. Farisco. 2019. “Neuroethics and Philosophy in Responsible Research and Innovation: The Case of the Human Brain Project.” Neuroethics 12 (2): 201-211.

Schmidt, M., R. Bakker, and C.C. Hilgetag. 2019. “Multi-Scale Account of The Network Structure of Macaque Visual Cortex.” Brain Structure and Function 223 (3): 1409-1435.

Stekeler-Weithofer, P. 2008. “The Computational Theory of Mind and the Decomposition of Actions.” Philosophical Topics 36 (2): 63-86.

Traub, R. D., D. Contreras, and M. O. Cunningham. 2005. “Single-Column Thalamocortical Network Model Exhibiting Gamma Oscillations, Sleep Spindles, and Epileptogenic Bursts.” Journal of Neurophysiology 93 (4): 2194-2232.

Velde, F. van der, and M. de Kamps. 2006. “Neural Blackboard Architectures of Combinatorial Structures in Cognition.” Behavioral and Brain Sciences 29 (1): 37-70.

Wang, Y., et al. 2019. “Responsibility and Sustainability in Brain Science, Technology, and Neuroethics in China--a Culture-Oriented Perspective.” Neuron 101 (3): 375-379.

Петрунин Ю. Ю. Проблема демаркации в российской нейроэтике : наукометрический анализ // Философия. Журнал Высшей школы экономики. -- 2020. -- Т. IV, № і. -- С. 85-107.

Размещено на Allbest.ru

...