为何人脑并非电脑

神经科学领域几十年来将“人脑如计算机”视为重要的隐喻。但这一想法是否让我们在脑研究领域中迷失了呢？

这一时代见证着人们尝试攻克有史以来科学界最重要的难题之一：如何理解宇宙中最复杂的存在——脑。科学家们不断积累着大量脑结构和功能的数据，涉及各种生物从大到小的脑。成千上万的研究人员投入大量的时间和精力，尝试破解脑是如何运作的，同时发展出了惊人的技术以描述和操纵脑的活动。

如今研究者可以让小鼠记住一种它从未闻到过的气味，或是提高小鼠的记忆力，甚至利用电涌改变人感知面孔的能力。人类和其他物种的脑图正不断详细而复杂起来；研究者可以随意改变一些动物的脑结构来操纵它们；人类掌控脑的能力也不断提升，其中最神奇的莫过于使瘫痪者可以利用意念控制机械臂。

脑科学领域每天都有振奋人心的新发现，我们在探求脑运作机制的道路上充满希望，但也夹杂着危机感，令人咋舌的新技术是否会实现读心术，或用于侦破案件，甚至能将我们的意识上传到电脑中？不断有各异的书籍试图从不同角度解释大脑运作的原理。

但一些神经科学家愈发认为前方的道路不会一帆风顺，我们将何去何从并不明晰，而现在我们仅仅是在不停地收集更多数据，或是指望着新的实验技术振奋士气。德国神经科学家奥拉夫·斯鲍恩斯（Olaf Sporns）指出：“神经科学领域依旧缺乏组织性的原理或理论框架来把这些数据转换成基础知识和科学认知。”我们不断地堆积着大量事实，对脑的理解却陷入僵局。

法国神经科学家伊弗斯·弗雷格纳克（Yves Frégnac）在2017年表示，现如今流行昂贵的大型实验项目，产生了大量的实验信息，但却是这种信息海啸导致了脑研究的瓶颈。他的话掷地有声：大数据并非知识。

“二三十年前，神经解剖学和神经生理学的知识是相对不足的，但那时候人们认为理解意识相关的过程似乎唾手可得，”弗雷格纳克写道，“现如今，我们淹没在信息海洋中。我们陷入了一种矛盾，各种意义上有关脑的大局理解都将很快陷入被瓦解的困境。每当一个技术性的难题被解决时，我们就打开了一个潘多拉魔盒，人们会看到新的隐藏变量、机制以及非线性，把问题进一步复杂化。”

神经科学家安妮·丘奇兰德（Anne Churchland）和拉里·阿伯特（Larry Abbott）也强调了将全世界实验室得到的大量数据转换成理论是困难的：“从大量数据中获得深刻的理解，除了需要娴熟而创造性地应用实验技术外，更要推动数据分析方法的长足发展，以及理论概念和模型的广泛应用。”

现在确实有一些理论方法来解释脑的功能，其中包括人脑最为神秘的功能——意识的产生。但这些框架都没有通过实验研究的决定性测试，因此并没有被广泛接受。可能要求更多的理论就有些不切实际了，我们认为脑功能并不可能只有单一的理论，即使对于蠕虫也是如此，毕竟大脑并非单一的事物。（科学家们甚至发现难以对脑做出一个精准的定义。）

对DNA双螺旋的发现者之一弗朗西斯·克里克（Francis Crick）来说，脑是一种整合的、进化而来的结构，在进化历史中不同时期出现了不同的结构，以满足不同的需要。现如今的理解可以说是相当片面的，譬如神经科学感觉领域的研究往往关注视觉而非嗅觉，嗅觉方面的研究在概念和技术上更具有挑战性。但嗅觉和视觉的产生原理在计算上和结构上不尽相同。仅仅关注视觉，我们对脑的功能及运作机制的理解就会相当有限。

脑的本质——既是整体的又是复合的——意味着我们的理解不可避免地会陷入碎片化的境地，我们会通过将不同部分的不同解释组合起来以尝试理解脑。丘奇兰德和阿伯特形象地说明了这一点：“我们得到的全局性理解，可能会把一堆高度分散的部分缝合在一起，像是个拼布床单。”

半个多世纪以来，我们研究得到的这些高度分散的碎片往往以“脑的运作机制同计算机相似”这一想法为框架。但这一隐喻在以后的研究中并不一定有效。数字时代初期的1951年，神经科学界的先驱卡尔·拉施里（Karl Lashley）曾反对过任何一种以机器为基础的隐喻结构。

“笛卡尔讶异于皇家园林中的机械喷泉人偶，由此发展出了脑运作的水力理论，”拉施里写道，“那之后有了电话理论、电场理论和如今这些基于电子计算机和自动舵的理论。我认为如果想要弄清楚脑的工作原理，还是要研究脑本身和行为现象，而不是那些牵强的物理学类比。”

法国神经科学家罗曼·布雷特（Romain Brette）则在对这一隐喻的批判上走得更远：他对脑功能最为基础的隐喻——编码提出了质疑。关于神经元编码的观点问世于20世纪20年代，如今已成为神经科学界主流的观念——在过去十年间有超过11 000篇这一主题的文章发表。布雷特最基本的批评是，在思考“编码”时，研究者会不经意间从技术性视角落入表征视角，前者认为神经元的活动和刺激间存在联系，而后者则直接认为神经元编码代表了刺激。

脑的MRI扫描

这里的言下之意是在大多有关神经编码的描述中，神经网络的活动会被呈现给一个理想的观察者，或一个脑中的“读者”，这一对象常被描述为“下游结构”，它能够以最优的方式解码信号。但实际上我们并不清楚这些结构是如何处理信号的。即使是在神经网络功能的简单模型中，这一点也几乎从未被明确。

神经元编码的步骤往往被看作是一系列的线性步骤——像是一连串的多米诺骨牌接连倒下。但现实中的脑却是由高度复杂的神经网络组成，它们交互联通，并与外界关联影响着行为。仅仅关注于一系列的感觉性和处理性的神经元，而不将这些网络和动物的行为相关联是没有意义的。

神经科学领域的众多隐喻——计算机、编码和电路图等等，不可避免地表现出片面性。这是隐喻的特征，科学家和科学哲学家们为此花费了大量的精力进行研究，隐喻似乎成了科学家们思考的核心。但不可否认，隐喻内涵丰富，值得一探究竟并会有所收获。如果人们通过隐喻得到的收获会超越它施加给我们的限制，那么隐喻是可取的，对于如今有关脑的计算性和表征性的隐喻，我们仍在争论这一隐喻是否达到了这种高度。从历史上来看，这种争论的出现可能预示着我们在计算性隐喻上走到了尽头。但我们无法预测取代它的下一个隐喻会是什么。

科学家们在认识到自己的很多观念被隐喻深深影响后，往往会兴奋地认为新的隐喻会让自己对研究有新的认识，甚至能构想出新的实验方法。但新隐喻绝非唾手可得——过去大多数与脑相关的隐喻总是和新技术的出现相关。这提示新的有关脑及其运作机制的深刻隐喻很可能会取决于新出现的技术，在级别上等同于水力、电话交换机或计算机的技术。现在我们看不到这等新技术出现的任何蛛丝马迹，当然人们用新潮的行话讲述着区块链、量子霸权（或任何与量子相关的概念）、纳米技术等等，但很难想象这些领域会革新技术或我们对脑的看法。

另一迹象表明这些隐喻正在逐渐失去解释性的力量，那就是有一种假设正逐渐为人所接受：神经系统的功能，从最简单的系统到人类意识的出现，只能被解释为一种涌现性——意为无法通过对部分的分析预测到，而是一种涌现出来的系统性功能。

英国心理学家理查德·格雷戈里（Richard Gregory）在1981年对此提出异议，认为以涌现理论来解释脑功能提示了一个理论框架上的问题：“涌现的出现告诉我们需要一种更宏观的（或者至少是不同的）概念图式……需要更好的理论来消除涌现。因此用涌现理论的术语进行解释只是一种捏造。”

这种看法忽视了涌现理论的多样性，涌现有强弱之分。弱涌现可以用于说明一群小鱼是如何对鲨鱼做出反应的，这一行为说明了控制组成部分行为的规则。这种情况下，看似神秘的群体行为其实基于个体的行为，而每一个体都对譬如周围个体行为或捕食者出现的外界刺激等因素做出反应。

这种弱涌现没有能力解释即使最为简单的神经系统，更别提人脑，因此我们需要强涌现的帮助。在强涌现理论中，涌现现象不能用个体组分的行为来解释。你和你正在阅读的书页都是由原子组成，但你的阅读和理解能力涌现自体内原子组成的更高级别的结构，像是神经元和神经元冲动的释放——并非单纯如原子间的交互作用。

近来许多神经科学家对强涌现理论提出批评，认为其存在“形而上学上的难以置信”的风险，因为不存在因果机制的证据或任何形式的解释来说明涌现如何发生。一如格雷戈里，这些批评认为依靠涌现对复杂现象做出解释，说明了神经科学正处于历史上的重要关头，正如炼金术向化学的逐渐转变。面临神经科学的未解之谜，我们却只能诉诸涌现理论。这并不意味着无知或愚笨——神奇的深度学习的实现，也无法被编程者完全理解，那么从本质上来说这也就是一种涌现性。

有趣的是，当一些神经科学家被涌现性的形而上学打乱了计划，人工智能领域的研究者却沉迷于这一想法，相信现代计算机或其形成的互联网的纯粹复杂性将会带领我们走向奇点这一令人激动的时刻，那时机器也将拥有意识。

(1) 伴有症状的ST段弓背向上抬高≥0.1 mV，持续1 min；原有ST段抬高者，在原有基础上ST段弓背向上再抬高≥0.1 mV，持续1 min；两次发作间期≥1 min。

不少人在虚构的作品中探究了这一可能性（此时的情况往往在各种意义上都很糟糕），这一主题确实深深地刺激了大众的想象，撇开我们如今对意识机制一无所知不谈，有理由认为这一时刻在不久的未来终会实现。从原则上看，这一时刻必将到来，因为我们的假设是——意识是物质的产物，因此我们有能力通过一个装置对其进行模拟。但即使最简单的脑的复杂性也让我们如今可以设想的任何机器相形见绌。在未来几十年甚至几世纪，奇点可能只会存在于科幻作品而非科学领域中。

另一个相关的对意识本质的看法则是将脑-计算机隐喻转变为一个严谨的类比。一些研究者将意识看作是基于神经硬件的一类操作系统，这种观点意味着意识是一种特定的计算性状态，可以上传至一些装置或者另一个脑中。但总体来看，这一观点是错误的，或至少来说是一种无望的天真。

唯物主义的有效假设是，从人到虫的任何生物，其脑和意识都是一致的。神经元和基于它们的过程——包括意识——都是相同的。而计算机中的硬件和软件是分开的；但脑和意识的成分——或许最好的描述是湿件，其中发生的任何事件以及发生的位置都完全是相互交织在一起的。

想象我们可以再利用我们的神经系统来运行不同的程序，或将意识上传至一个服务器，这些观念听起来很科学，但潜台词则是一种回到了笛卡尔及之后的非唯物主义观念。这种观念暗示意识以一种漂浮于脑组织中的形式存在，可以转移到不同的头脑中，或是被另一个意识所替换。这些行为可以用“读取一组神经元的状态，并将其写入新的自然或人造物基质中”这样的术语来描述，让其在科学上看起来更体面一些。

但如果要设想如何实践上述观念，我们必须理解远超现如今能够设想的神经元功能，并研发出具有极强计算能力的设备，同时精确地模拟脑的结构。如果要在原则上让这一目标成为可能，我们首先要完全模拟保持单一状态的神经系统活动，更不必说模拟意识中的一个想法。人类如今的技术水平远远达不到这一水平，至少在遥远的将来之前，将意识上传只能被视为一个幻想。

如今，脑-计算机隐喻依旧占主流位置，但针对这一隐喻的强度却有一些争议。2015年，机器人学家罗德尼·布鲁克斯（Rodney Brooks）在论文集《哪些科学观点必须去死》（This Idea Must Die）的一篇文章中表达了他对脑-计算机隐喻厌恶至极。更平和一些，但也拥有相似观念的属历史学家莱恩·约翰逊（S Ryan Johansson）在20多年前的断言：“花费大量时间去讨论譬如‘脑像一个计算机’这类隐喻正确与否是浪费时间。二者的关系是隐喻性的，意味着是它让我们进一步去做些什么，而不是在诉说真相。”

而另一方面，美国人工智能专家盖瑞·马库斯（Gary Marcus）则坚定地维护计算机隐喻：“简言之，计算机是一种系统构架，将输入信息进行编码与处理，并转为输出信息。而在我们能够理解的范围内，脑也是如此行动的。真正的问题并不是脑在本质上是否属于信息处理器，而是脑是如何储存和编码信息，并怎样操作编码后的信息的。”

马库斯继续说明神经科学的任务是脑的“逆向工程”，就像计算机研究者通过检查计算机的组件和连接来破解它的工作方式。这一看法也并非什么全新观念，克里克在1989年表示尽管这一观念很有吸引力，但是它可能会以失败告终，毕竟脑的进化史相当纷繁杂乱——他形象地将其比作逆向破解“外星科技”的工程。他认为尝试从结构开始全面阐释脑的运作机制注定会失败，因为这一出发点就基本上是错误的——其中不存在一个整体逻辑。

计算机的逆向工程常作为一个思想实验在原则上解释应该如何理解脑。可以想象，这些思想实验都相当成功，激励着我们通过这一思路来理解脑袋里这一湿软的器官。但在2017年，两个科学家决定在真正的计算机芯片上进行实验，芯片里具有逻辑和用途明确的组件，但实验的结果却没有那么美好。

二人组——埃里克·乔纳斯（Eric Jonas）和康拉德·科丁（Konrad Paul Kording）使用常规用于分析脑的技术，对MOS6507处理器进行分析，该处理器见于20世纪70年代后期和80年代早期的机器上，可以运行《大金刚》（Donkey Kong）和《太空侵略者》（Space Invaders）这类电子游戏。

他们首先扫描了芯片中的3510增强型晶体管，并在现代计算机上模拟该设备（包括运行10秒钟的游戏程序）来获得芯片的连接组。之后他们利用各类神经科学技术，例如“损伤”（移除模拟程序中的一些晶体管），分析虚拟晶体管的“尖峰”活动并研究其连通性，通过启动每一款游戏的能力来观察不同的操作对系统行为的影响。

尽管他们配制了强大的分析库，并且这一芯片的运作机制清晰（技术层面上来说具有“地面实况”），该研究并没有测量到芯片内部处理信息的层次体系。按乔纳斯和科丁的说法，该技术不足以产生“有意义的理解”。这一结论像是泼了冷水：“总之，并非神经科学家们无法理解一个微处理器，而是目前采用的方法不足以理解它。”

这一结果令人清醒过来，尽管计算机隐喻相当引人入胜，脑也确实处理信息并通过一些手段来表征外部世界，我们仍然需要一些划时代的理论突破才能取得进展。即使脑以逻辑行运作（虽然事实并非如此），现如今的概念和分析工具仍然完全不足以解释它。当然这并不意味着一些模拟项目毫无意义，通过建模（或模拟）的手段，我们可以检测假设，并通过将模型和可精细操纵的完善系统相连接，来一探真实情况下脑的运作方式。这一工具相当强大，但在说明研究成果时仍需要保持谦逊的态度，且在寻求类脑的人工系统的道路上，面对困难时仍要现实一些。

如今的“逆向工程”技术甚至无法正确理解Atari控制芯片，更不必说人脑了

当研究者想一探脑的存储容量时，都会遇到一些难以解决的问题。这类计算充满了概念和实践上的困难。脑的存在是自然的、进化而来的一种现象，并非电子设备。尽管有人会反驳说证据表明一些脑的功能定位于特定区域，正如一台机器。但随着神经解剖学持续的新发现：脑区间存在令人始料未及的联系；从失去理应具有某一特定功能的脑组织后依旧在功能上表现正常并体现出脑惊人的可塑性来看，这些证据也不再可靠。

实际情况下，脑和计算机的结构是完全不同的。2006年，拉里·阿伯特（Larry Abbott）发表了一篇题为《它的开关何在？》（Where are the switches on this thing?）的文章，探讨了电子设备中最基础的组成部分——开关可能的生物物理学基础。尽管抑制性突触能够让下游的神经元无反应而改变神经元的活动，但这类交互作用在脑中相对较少。

神经元并非一个组成线路图的二进制开关，能够被开或关。相反，神经元通过类似的方法对刺激做出反应，其活动随着刺激的改变而改变。神经系统通过改变神经网络中大量细胞的活动模式来做出改变，真正实现活动导向、转换和分流的是这些网络。不同于我们设想的任何设备，这项网络的结点并非像是晶体管或阀门的稳定点，而是成组的神经元——数以百计、成千上万的大量神经元，它们能够持续作为一个网络做出一致的应答，即使其中的一些细胞有不一致的活动。

但如今仍然无法理解即使最简单的这类网络。布兰代斯大学的神经科学家伊芙·马德尔（Eve Marder）花费了她职业生涯的很长时间试图破解龙虾胃中的几十个神经元是如何产生具有节律的研磨运动。尽管在其中投入了大量精力并做出了许多创新性的工作，我们仍然无法预测在这一个小小的网络中，如果改变其中一个组件会发生什么。而这一小小网络甚至谈不上是最简单的脑。

这是我们要解决的大问题。一个层面上来说，脑由神经元及一些其他细胞组成，它们相交互组成网络，其活动不仅受到突触活动的影响，而且与神经调质等各类因素相关。在另一层面，脑的功能很显然包括了种群水平上神经元活动的复杂动态模式。笔者猜想在这两个水平间找到关联会是21世纪的一大难题。而真正理解精神疾病的本质会是更遥远的难题。

也并非所有神经科学家都持有悲观的态度——一些乐观者认为应用新的数学方法能够让我们理解人脑中的大量连接。而持有另一种看法者，如笔者本人，则认为应该研究动物模型，关注蠕虫或蛆虫的小脑袋，利用成熟的方法寻找简单系统的运作机制后，再推进到复杂的情况。还有许多神经科学家（如果他们考虑了这一问题）认为脑研究的进展将会是琐碎而缓慢的，因为现在还看不到关于脑的大一统理论。

未来的脑研究可能会有万千的可能性：也许各种计算机项目有了进展，理论家们解开了所有脑的运作机制；也许连接体揭示了脑运作的法则。或是一个全新的理论从我们产生的大量影像学资料中横空出世。又或是我们逐步将多种令人信服的理论碎片相结合，解决了问题。可能聚焦于简单的神经元网络法则时，我们发现了更高层次组织的奥秘。也可能一种激进的新方法将生理学、生物化学和解剖学相结合，点亮了研究的道路。兴许新的比较进化研究提示了其他动物如何产生意识，让我们得以洞察自身的脑。或一种革命性的新技术改变了我们的认识，产生了一种脑的新隐喻。又或计算机系统逐渐产生了意识，提供了意识问题的全新视野。或许从控制论、复杂性和动力学系统理论，或是语义和符号学中出现了一种全新的框架。又或许我们无可奈何地接受：脑由于不存在整体性的逻辑而理想中的理论不存在，只能从各个部分对其进行解释。也许……

资料来源The Guardian