为什么说大脑不是电脑（上）

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：破解大脑是人类科技探索的圣杯，一直以来，人类就用各种类比来研究大脑。比如，笛卡尔曾经用机械喷泉来比拟人脑机制，而最近关于人脑的类比是电脑。几十年来，这个东西一直都是神经科学占据主导地位的隐喻。但是这种想法会不会导致我们一直都误入歧途呢？ 曼彻斯特大学动物学教授Matthew Cobb提出了他的质疑，并且对大脑研究的未来进行了设想。原文发表在卫报上，摘自他的新书《The Idea of Brain》，标题是：Why your brain is not a computer。篇幅关系，我们分两部分刊出，此为上半部分。

为什么说大脑不是电脑？（下）

了解大脑

人类正进行着最伟大的一项科学壮举之一——尝试去了解宇宙当中最复杂的一个东西，大脑。从最小的大脑到我们的大脑，科学家们正在从大量的大脑当中积累有关其结构和功能的大量数据。成千上万的研究人员投入了大量的时间和精力来思考大脑的功能，而惊人的新技术正让我们大家可以描述和操纵这种活动。

现在，我们大家可以让老鼠记住一些自己从未闻到过的气味，将一个记性不好的老鼠变成好记性，还可以用电涌来改变大家对面容的感知。我们在绘制越来越详细、越来越复杂的人类以及其他生物的大脑功能图。对于某些物种，我们大家可以随意改变其大脑结构，从而改变其行为。我们日益精通这门手艺会产生哪些意义深远的影响呢？从我们也可以让瘫痪者利用意念控制机械臂可以管中窥豹。

每一天，我们都会了解到新发现，这些发现揭示了大脑的工作方式，以及能让我们做一些离奇事情——类似读心术检测犯罪或甚至上传思想到电脑等——的新技术的希望（或威胁）。解释大脑机制的书层出不穷，每一本的解释都不一样。

但是，一些神经科学家却愈发认为我们的未来之路尚不明朗。除了收集了更多的数据或依靠最新的、令人兴奋的实验方法以外，很难看出接下来的路应该怎么走。正如德国神经科学家Olaf Sporns 所说那样：“在很大程度上，神经科学仍然缺乏组织原则或理论框架，没法将大脑数据转换为基本知识和理解。” 尽管积累了大量事实，但我们对大脑的了解似乎正在陷入僵局。

2017年，法国神经科学家Yves Frégnac 把关注重点放在到昂贵的大型项目里面去收集海量数据的流行做法，他指出，这些项目产生的数据海啸导致了重大瓶颈的出现，就像他所说的那样，可悲的是，“大数据不是知识”。

Frégnac 写道：“仅仅20到30年前，神经解剖学和神经生理学的信息还相对匮乏，但了解与思维有关的过程似乎已触手可及。今天，我们被淹没在信息的海洋里面。自相矛盾的是，我们对大脑的共同理解反而面临着被这股浪潮冲刷掉的严重危险。对技术障碍的每一次克服，都会通过揭示隐藏的变量、机制和非线性，以及增加新的复杂性而打开了一个潘多拉盒子。

神经科学家Anne Churchland与Larry Abbott也强调了我们在解释世界各地实验室所产生的大量数据时遇到的困难：“要想从这种猛扑的做法获得深刻的洞察，除了要熟练和创造性地运用实验方法以外，还需要技术、数据分析方法取得重大进展以及理论概念和模型的广泛应用。”

关于大脑功能，包括人类大脑可以做的最神秘的一件事情——产生意识，确实有一些理论方法。但是这些框架都没有正真获得广泛接受，因为通过实验研究的决定性测试还没有。再三呼吁更多的理论出现可能只是个虔诚的希望。这么说吧，哪怕是蠕虫，也没有单一的关于大脑功能的理论，因为大脑并不是一个整体。（科学家甚至发现对大脑的确切定义提出建议都很难。）

就像DNA双螺旋结构的共同发现者弗朗西斯·克里克（Francis Crick）所观察到的那样，大脑是一个完整的，进化的结构，大脑的不同部位是一点点地在不同的进化时刻出现的，是为了适应解决不同问题的需要。我们目前对所有大脑功能的理解都是非常局限的——比方说，大多数神经科学感官研究都集中在视觉而不是味觉上。从概念上和技术上来说，味觉研究都更具挑战性。但是嗅觉和视觉的工作机制是不一样的，无论从计算上还是结构上都不一样。因为我们的焦点放在视觉上，所以我们对大脑的功能及其作用方式的理解非常有限。

大脑的本质（即整合又复合）可能意味着我们将来对它的理解不可避免会变得支离破碎，并且这种理解将由对不同部分的不同解释组成。Churchland和Abbott把这个潜在影响说得很清楚：“对大脑的整体理解可能会是高度多样化的镶嵌形式，把一块块的小碎片拼凑成碎布床单。”

大脑就像电脑？

大约半个多世纪以来，我们研究的所有这些拼凑而成的高度多样化的碎布片，都是通过把大脑的过程想象为某种在计算机处理的事情来进行的。但这并不代表这种隐喻还将继续见效。在数字时代伊始的1951年，神经科学的先驱Karl Lashley就反对使用任何基于机器的隐喻。

Lashley写道：“笛卡尔对皇家花园里面那些的机械喷泉人物印象深刻，并形成了自己有关大脑活动的水力理论。从那以后，我们有了电话理论，电场理论，以及现在基于计算机器与自动舵的理论。我认为，跟沉迷于牵强附会的物理类比相比，研究大脑本身以及行为现象更有可能了解大脑的工作原理。”（编者注：笛卡尔在《论人》中把人的身体跟机械喷泉做比较）

法国神经科学家Romain Brette最近甚至进一步摒弃了这种隐喻，他向代表大脑功能的一个最基本的隐喻：编码发起了挑战。自从1920年代问世以来，神经代码的思想就一直是神经科学思想的主导——在过去10年的时间里，有关这一主题的论文发表了超过11000篇。Brette质疑的一个基本点是，因为在用“代码”去思考时，研究人员无意间从技术意义转移到表征意义，前者考虑的是刺激与神经元活动之间的关联，而后者考虑的是代表这一刺激的神经代码。

在大多数关于神经编码的描述里面，有一个东西是没有明说的，那就是神经网络的活动会展现给给大脑里面一个理想的观察者或读者，这个东西通常被描述为“下游结构”（downstream structure），它利用用最优方式对信号进行解码。但是，哪怕是在简单的神经网络功能模型里面，此类结构究竟是怎么样处理这些信号的依然未知，也很少有明确的假设。

对大脑的MRI 扫描。

对神经代码的处理通常被视为一系列的线性步骤——就像倒下的多米诺骨牌一样。但是，大脑是由高度复杂的神经网络组成，这些神经网络相互连接，并跟外界关联去影响动作。把关注焦点集中在一系列感官和神经元处理上而不是把这些网络跟动物的行为联系起来，这样其实忽略掉了所有这些处理都是怎么回事。

我们把大脑看作是一台被动响应输入和处理数据的计算机，却忘了它是一个活跃的器官，是我们身体介入世界的一部分，有塑造其结构和功能的进化史。匈牙利神经学家György Buzsáki在他的新书《The Brain from Inside Out》概要描述了对大脑的这种看法。按照Buzsáki的说法，大脑不单单是被动地接受刺激并用神经代码去表示那些刺激，而且还会积极地寻找替代的可能性来测试各种选择。他的结论（类似看法可追溯到19世纪）是，大脑所为不是表示信息：而是构造信息。

神经科学的隐喻——计算机、编码、电路图等——这些东西必然是局部性的。这就是隐喻的本质。科学哲学家和科学家对隐喻进行了深入研究，因为隐喻似乎对科学家的思维方式至关重要。但是隐喻也是丰富的，是可拿来洞察和发现的。当它们所给予的理解胜过所施加的限制时，用隐喻是可以的，但大家对大脑的计算性和表征性隐喻其实并没有达成共识。从历史的角度来看，对大脑的隐喻之争还在进行这一事实表明，我们确实可能正在接近计算性隐喻的终结。但是，代替它的又会是什么呢？现在还不清楚。

当科学家意识到隐喻的使用如何塑造了自己的观点时，常常会感到非常兴奋，因为这说明用新的隐喻也许会改变他们对自己工作的理解，甚至能让他们构思出新的实验。不过提出这些新隐喻是个挑战——过去跟大脑有关的大多数隐喻都跟新技术相关。这可能意味着对大脑有洞察力的，可与水力、电话交换或者计算机隐喻相提并论的新隐喻的出现，以及这种隐喻如何发挥作用，要取决于未来的技术突破。目前还没再次出现这种隐喻的迹象。尽管最新的流行术语如区块链、量子霸权（或量子XX）、纳米技术等等也很热，但这些领域不太可能变革技术或改变我们对大脑功能的看法。

解释不了的东西就叫涌现

有一个迹象表明我们的隐喻可能已经失去了它的解释功效，那就是我们的一个普遍假设是，从简单的系统到人类意识的出现，神经系统所做的许多事情都只能解释为涌现性（emergent properties）——没法通过分析组成部分来预测，而是作为整体涌现出来的东西。

1981年，英国心理学家Richard Gregory认为，靠涌现来解释大脑功能说明了这种理论框架存在一个问题：“‘涌现’的出现很可能是一个迹象，表明我们应该一个更普遍的（或至少不一样）的概念图式…好的理论应该能够避免涌现的出现。（因此，对涌现的解释也是假的。）”

但这个忽视了一个事实：涌现有强弱之分。弱涌现特征，比方说一群小鱼为了躲避鲨鱼的移动，能够理解为控制组件行为的规则。在这种情况下，看似神秘的群体行为是基于个体行为做出的，而每一个个体的行为都会对类似旁边的个体的移动或外界刺激（例如掠食者的逼近）等因素做出反应。

这类弱涌现连哪怕是最简单的神经系统的活动都解释不了，更不要说大脑的机制了，因此我们只能指望强涌现了，也就是涌现无法靠个体组件的活动解释的现象。你和你正在看住的这页书都是由原子组成的，但是你却可以阅读和理解。这种能力源自人体的原子所形成的更高层次的结构所涌现出来的特征，比方说神经元及其点火模式，而不单单是靠原子的相互作用。

强涌现最近被一些神经科学家非难，称其在“形而上学上有不像真实”的风险，因为对于涌现是如何产生的并没有明显的因果机制，也没有一点的解释。就像Gregory一样，这些批评家声称，靠涌现来解释复杂现象表明神经科学正处关键的历史关头，这种转变有点类似于从炼金术向化学的缓慢转变。但是面对神秘的神经科学，涌现往往是我们唯一的手段。而且，涌现也不至于有那么的蠢——从本质上来说，深度学习程序的惊人特性，也就是它们的设计者无法从根本上对其作出解释这一点实际上的意思就是涌现的属性。

有趣的是，虽然一些神经科学家对涌现的形而上学感到困扰，但人工智能的研究人员对这种想法却十分迷恋，他们都以为现代计算机的纯粹复杂性，或者说通过互联网的互连性，会导致被称为奇点的事物出现。机器会变得有意识。

对于这种可能性已经进行过许多虚构上的探索（结局对各方来说往往都非常糟糕），这个主题无疑激发了公众的想象力，但是除了我们对意识的机制的无知之外，没有一点理由认为这件事情会发生在不远的将来。从原则上来讲，这必须是可行的，因为意识是物质的产物是有效假设，因此我们该可以用设备去模仿。但是，哪怕是最简单的大脑，其复杂程度也令我们目前可以想象的任何机器相形见拙。在未来数十年（乃至数百年）的时间里，奇点都只能属于科幻小说而非科学。

有关意识本质的一个相关观点把大脑即计算机的隐喻变成了一种严格的类比。一些研究人员把思维看作是在神经硬件上实现的一种操作系统，这在某种程度上预示着我们的思维被看作是一种特定的计算状态，可以上传到某些设备上或另一大脑里面。这种表示方式是错误的，或者充其量是幼稚到了无可救药的地步。

唯物主义的有效假设是，人类、蛆虫以及其他所有事物的大脑和思想都是一样的。神经元及其支持的过程——包括意识在内——都是一样的东西。在计算机里面，软件和硬件是分开的。但是，我们的大脑和思想是由（最好是描述为）湿件的东西组成，也就是发生的事情和地点完全是交织在一起的。

想象一下，假设我们大家可以重新调整我们的神经系统，让其运行不同的程序，或者把我们的思想上传到服务器上，这听起来似乎符合科学的，但是隐藏在这个想法背后的，却是一种非唯物主义的观点，这种观点还可以追溯到笛卡尔及其以后。这种观点暗示着我们的思想其实就是漂浮在我们的脑海里面的，并且是有可能被转移到另一个头脑里面，或者被另一个思想取代的。这种想法可以佯装成读取一组神经元的状态，然后把它写入到新的有机或人工的基质上，让它看起来具有科学上的体面。

但是，哪怕光是想象一下这种想法的实现，就会发现这不仅需要理解数量远远超出了我们目前可以想象的范围的神经元的功能，而且还需要庞大到不可思议的计算能力以及对大脑结构的精确模拟。要想让这件事哪怕在原则上成为可能，我们也首先需要完全能模拟可保持单一状态的神经系统的活动，模拟想法更是想都不要想了。我们离迈出第一步还很遥远，以至于至少在很远的将来，上传你的思想的可能性都可以被看作是幻想。

译者：boxi。