為什麼說大腦不是電腦？（上）

目前為止，上傳思想的可能性可以被看作是幻想。

編者按：破解大腦是人類科技探索的聖盃，一直以來，人類就用各種類比來研究大腦。比如，笛卡爾曾經用機械噴泉來比擬人腦機制，而最近關於人腦的類比是電腦。幾十年來，這個東西一直都是神經科學佔據主導地位的隱喻。但是這種想法會不會導致我們一直都誤入歧途呢？ 曼徹斯特大學動物學教授Matthew Cobb提出了他的質疑，並且對大腦研究的未來進行了設想。原文發表在衛報上，摘自他的新書《The Idea of Brain》，標題是：Why your brain is not a computer。篇幅關係，我們分兩部分刊出，此為上半部分。

瞭解大腦

人類正進行著最偉大的一項科學壯舉之一——嘗試去了解宇宙當中最複雜的一個東西，大腦。從最小的大腦到我們的大腦，科學家們正在從大量的大腦當中積累有關其結構和功能的大量數據。成千上萬的研究人員投入了大量的時間和精力來思考大腦的功能，而驚人的新技術正讓我們可以描述和操縱這種活動。

現在，我們可以讓老鼠記住一些自己從未聞到過的氣味，將一個記性不好的老鼠變成好記性，甚至可以用電湧來改變大家對面容的感知。我們在繪製越來越詳細、越來越複雜的人類以及其他生物的大腦功能圖。對於某些物種，我們可以隨意改變其大腦結構，從而改變其行為。我們日益精通這門手藝會產生哪些意義深遠的影響呢？從我們能夠讓癱瘓者利用意念控制機械臂可以管中窺豹。

每一天，我們都會了解到新發現，這些發現揭示了大腦的工作方式，以及能讓我們做一些離奇事情——類似讀心術檢測犯罪或甚至上傳思想到電腦等——的新技術的希望（或威脅）。解釋大腦機制的書層出不窮，每一本的解釋都不一樣。

但是，一些神經科學家卻愈發認為我們的未來之路尚不明朗。除了收集了更多的數據或依靠最新的、令人興奮的實驗方法以外，很難看出接下來的路應該怎麼走。正如德國神經科學家Olaf Sporns 所說那樣：“在很大程度上，神經科學仍然缺乏組織原則或理論框架，沒法將大腦數據轉換為基本知識和理解。” 儘管積累了大量事實，但我們對大腦的瞭解似乎正在陷入僵局。

2017年，法國神經科學家Yves Frégnac 把關注重點放在到昂貴的大型項目裡面去收集海量數據的流行做法，他指出，這些項目產生的數據海嘯導致了重大瓶頸的出現，就像他所說的那樣，可悲的是，“大數據不是知識”。

Frégnac 寫道：“僅僅20到30年前，神經解剖學和神經生理學的信息還相對匱乏，但瞭解與思維有關的過程似乎已觸手可及。今天，我們被淹沒在信息的海洋裡面。自相矛盾的是，我們對大腦的共同理解反而面臨著被這股浪潮沖刷掉的嚴重危險。對技術障礙的每一次克服，都會通過揭示隱藏的變量、機制和非線性，以及增加新的複雜性而

神經科學家Anne Churchland與Larry Abbott也強調了我們在解釋世界各地實驗室所產生的大量數據時遇到的困難：“要想從這種猛撲的做法獲得深刻的洞察，除了要熟練和創造性地運用實驗方法以外，還需要技術、數據分析方法取得重大進展以及理論概念和模型的廣泛應用。”

關於大腦功能，包括人類大腦可以做的最神秘的一件事情——產生意識，確實有一些理論方法。但是這些框架都沒有得到廣泛接受，因為通過實驗研究的決定性測試還沒有。再三呼籲更多的理論出現可能只是個虔誠的希望。這麼說吧，哪怕是蠕蟲，也沒有單一的關於大腦功能的理論，因為大腦並不是一個整體。（科學家甚至發現對大腦的確切定義提出建議都很難。）

就像DNA雙螺旋結構的共同發現者弗朗西斯·克里克（Francis Crick）所觀察到的那樣，大腦是一個完整的，進化的結構，大腦的不同部位是一點點地在不同的進化時刻出現的，是為了適應解決不同問題的需要。我們目前對所有大腦功能的理解都是非常侷限的——比方說，大多數神經科學感官研究都集中在視覺而不是味覺上。從概念上和技術上來說，味覺研究都更具挑戰性。但是嗅覺和視覺的工作機制是不一樣的，無論從計算上還是結構上都不一樣。因為我們的焦點放在視覺上，所以我們對大腦的功能及其作用方式的理解非常有限。

大腦的本質（即整合又複合）可能意味著我們將來對它的理解不可避免會變得支離破碎，並且這種理解將由對不同部分的不同解釋組成。Churchland和Abbott把這個潛在影響說得很清楚：“對大腦的整體理解可能會是高度多樣化的鑲嵌形式，把一塊塊的小碎片拼湊成碎布床單。”

大腦就像電腦？

大約半個多世紀以來，我們研究的所有這些拼湊而成的高度多樣化的碎布片，都是通過把大腦的過程想象為某種在計算機處理的事情來進行的。但這並不意味著這種隱喻還將繼續見效。在數字時代伊始的1951年，神經科學的先驅Karl Lashley就反對使用任何基於機器的隱喻。

Lashley寫道：“笛卡爾對皇家花園裡面那些的機械噴泉人物印象深刻，並形成了自己有關大腦活動的水力理論。從那以後，我們有了電話理論，電場理論，以及現在基於計算機器與自動舵的理論。我認為，跟沉迷於牽強附會的物理類比相比，研究大腦本身以及行為現象更有可能瞭解大腦的工作原理。”（編者注：笛卡爾在《論人》中把人的身體跟機械噴泉做比較）

法國神經科學家Romain Brette最近甚至進一步摒棄了這種隱喻，他向代表大腦功能的一個最基本的隱喻：編碼發起了挑戰。自從1920年代問世以來，神經代碼的思想就一直是神經科學思想的主導——在過去10年的時間裡，有關這一主題的論文發表了超過11000篇。Brette質疑的一個基本點是，因為在用“代碼”去思考時，研究人員無意間從技術意義轉移到表徵意義，前者考慮的是刺激與神經元活動之間的關聯，而後者考慮的是代表這一刺激的神經代碼。

在大多數關於神經編碼的描述裡面，有一個東西是沒有明說的，那就是神經網絡的活動會展現給給大腦裡面一個理想的觀察者或讀者，這個東西通常被描述為“下游結構”（downstream structure），它利用用最優方式對信號進行解碼。但是，哪怕是在簡單的神經網絡功能模型裡面，此類結構究竟是如何處理這些信號的依然未知，也很少有明確的假設。

對大腦的MRI 掃描。

對神經代碼的處理通常被視為一系列的線性步驟——就像倒下的多米諾骨牌一樣。但是，大腦是由高度複雜的神經網絡組成，這些神經網絡相互連接，並跟外界關聯去影響動作。把關注焦點集中在一系列感官和神經元處理上而不是把這些網絡跟動物的行為聯繫起來，這樣其實忽略掉了所有這些處理都是為什麼。

我們把大腦看作是一臺被動響應輸入和處理數據的計算機，卻忘了它是一個活躍的器官，是我們身體介入世界的一部分，有塑造其結構和功能的進化史。匈牙利神經學家György Buzsáki在他的新書《The Brain from Inside Out》概要描述了對大腦的這種看法。按照Buzsáki的說法，大腦不僅僅是被動地接受刺激並用神經代碼去表示那些刺激，而且還會積極地尋找替代的可能性來測試各種選擇。他的結論（類似看法可追溯到19世紀）是，大腦所為不是表示信息：而是構造信息。

神經科學的隱喻——計算機、編碼、電路圖等——這些東西必然是局部性的。這就是

當科學家意識到隱喻的使用如何塑造了自己的觀點時，常常會感到非常興奮，因為這說明用新的隱喻也許會改變他們對自己工作的理解，甚至能讓他們構思出新的實驗。不過提出這些新隱喻是個挑戰——過去跟大腦有關的大多數隱喻都跟新技術相關。這可能意味著對大腦有洞察力的，可與水力、電話交換或者計算機隱喻相提並論的新隱喻的出現，以及這種隱喻如何發揮作用，要取決於未來的技術突破。目前還沒有出現這種隱喻的跡象。儘管最新的流行術語如區塊鏈、量子霸權（或量子XX）、納米技術等等也很熱，但這些領域不太可能變革技術或改變我們對大腦功能的看法。

解釋不了的東西就叫湧現

有一個跡象表明我們的隱喻可能已經失去了它的解釋功效，那就是我們的一個普遍假設是，從簡單的系統到人類意識的出現，神經系統所做的許多事情都只能解釋為湧現性（emergent properties）——沒法通過分析組成部分來預測，而是作為整體湧現出來的東西。

1981年，英國心理學家Richard Gregory認為，靠湧現來解釋大腦功能說明了這種理論框架存在一個問題：“‘湧現’的出現很可能是一個跡象，表明我們需要一個更普遍的（或至少不一樣）的概念圖式…好的理論應該能夠避免湧現的出現。（因此，對湧現的解釋也是假的。）”

但這個忽視了一個事實：湧現有強弱之分。弱湧現特徵，比方說一群小魚為了躲避鯊魚的移動，可以理解為控制組件行為的規則。在這種情況下，看似神秘的群體行為是基於個體行為做出的，而每一個個體的行為都會對類似旁邊的個體的移動或外界刺激（例如掠食者的逼近）等因素做出反應。

這類弱湧現連哪怕是最簡單的神經系統的活動都解釋不了，更不要說大腦的機制了，因此我們只能指望強湧現了，也就是湧現無法靠個體組件的活動解釋的現象。你和你正在看住的這頁書都是由原子組成的，但是你卻可以閱讀和理解。這種能力源自人體的原子所形成的更高層次的結構所湧現出來的特徵，比方說神經元及其點火模式，而不僅僅是靠原子的相互作用。

強湧現最近被一些神經科學家非難，稱其在“形而上學上有不像真實”的風險，因為對於湧現是如何產生的並沒有明顯的因果機制，也沒有任何的解釋。就像Gregory一樣，這些批評家聲稱，靠湧現來解釋複雜現象表明神經科學正處關鍵的歷史關頭，這種轉變有點類似於從鍊金術向化學的緩慢轉變。但是面對神秘的神經科學，湧現往往是我們唯一的手段。而且，湧現也不至於有那麼的蠢——從本質上來說，深度學習程序的驚人特性，也就是它們的設計者無法從根本上對其作出解釋這一點其實就是湧現的屬性。

有趣的是，雖然一些神經科學家對湧現的形而上學感到困擾，但人工智能的研究人員對這種想法卻十分迷戀，他們認為現代計算機的純粹複雜性，或者說通過互聯網的互連性，

對於這種可能性已經進行過許多虛構上的探索（結局對各方來說往往都非常糟糕），這個主題無疑激發了公眾的想象力，但是除了我們對意識的機制的無知之外，沒有任何理由認為這件事情會發生在不遠的將來。從原則上來講，這必須是可行的，因為意識是物質的產物是有效假設，因此我們應該可以用設備去模仿。但是，哪怕是最簡單的大腦，其複雜程度也令我們目前可以想象的任何機器相形見拙。在未來數十年（乃至數百年）的時間裡，奇點都只能屬於科幻小說而非科學。

有關意識本質的一個相關觀點把大腦即計算機的隱喻變成了一種嚴格的類比。一些研究人員把思維看作是在神經硬件上實現的一種操作系統，這意味著我們的思維被看作是一種特定的計算狀態，可以上傳到某些設備上或另一大腦裡面。這種表示方式是錯誤的，或者充其量是幼稚到了無可救藥的地步。

唯物主義的有效假設是，人類、蛆蟲以及其他所有事物的大腦和思想都是一樣的。神經元及其支持的過程——包括意識在內——都是一樣的東西。在計算機裡面，軟件和硬件是分開的。但是，

想象一下，假設我們可以重新調整我們的神經系統，讓其運行不同的程序，或者把我們的思想上傳到服務器上，這聽起來似乎符合科學的，但是隱藏在這個想法背後的，卻是一種非唯物主義的觀點，這種觀點甚至可以追溯到笛卡爾及其以後。這種觀點暗示著我們的思想實際上是漂浮在我們的腦海裡面的，並且是有可能被轉移到另一個頭腦裡面，或者被另一個思想取代的。這種想法可以佯裝成讀取一組神經元的狀態，然後把它寫入到新的有機或人工的基質上，讓它看起來具有科學上的體面。

但是，哪怕光是想象一下這種想法的實現，就會發現這不僅需要理解數量遠遠超出了我們目前可以想象的範圍的神經元的功能，而且還需要龐大到不可思議的計算能力以及對大腦結構的精確模擬。要想讓這件事哪怕在原則上成為可能，我們也首先需要完全能模擬可保持單一狀態的神經系統的活動，模擬想法更是想都不要想了。我們離邁出第一步還很遙遠，以至於至少在很遠的將來，上傳你的思想的可能性都可以被看作是幻想。

為什麼說大腦不是電腦？（下）

未來我們會如何理解大腦呢？

編者按：破解大腦是人類科技探索的聖盃，一直以來，人類就用各種類比來研究大腦。比如，笛卡爾曾經用機械噴泉來比擬人腦機制，而最近關於人腦的類比是電腦。幾十年來，這個東西一直都是神經科學佔據主導地位的隱喻。但是這種想法會不會導致我們一直都誤入歧途呢？ 曼徹斯特大學動物學教授Matthew Cobb提出了他的質疑，並且對大腦研究的未來進行了設想。原文發表在衛報上，摘自他的新書《The Idea of Brain》，標題是：Why your brain is not a computer。篇幅關係，我們分兩部分刊出，此為下半部分。

電腦隱喻的探索

目前，大腦即計算機的隱喻仍然佔據主導地位，儘管大家對這個隱喻的強大程度還有分歧。2015年，在《This Idea Must Die》的論文集裡面，機器人學家Rodney Brooks把將大腦比作計算機的隱喻選為自己非常厭惡的事物。雖然沒那麼強烈，但在二十年前，歷史學家S Ryan Johansson也得出過類似的結論，他認為，“沒完沒了地爭論類似‘大腦就是計算機’這樣的隱喻的是真還是假純粹是浪費時間。所提出的關係是比喻性的，它在命令我們做某件事，而不是試圖告訴我們事實。”

不過另一方面，大腦的計算機隱喻也有堅定的支持者，美國人工智能專家Gary Marcus認為“簡而言之，計算機是一種系統架構，這種架構可以接受輸入，將其編碼並且處理信息，然後將輸入轉換為輸出。就我們所知，大腦也是這樣。真正的問題不在於大腦本身是不是信息處理器，而在於大腦如何存儲信息，如何對其進行編碼，以及對編碼後的信息執行什麼樣的操作。”

Marcus繼續指出，神經科學的任務是對大腦進行“逆向工程”，就像研究計算機的方法一樣，檢查計算機的組件，看看組件之間是怎麼連接的，從而破譯它的工作方式。這種建議的出現已有一段時間。1989年， Crick意識到了它的吸引力，但是由於大腦複雜而混亂的進化歷史，他感覺這種思路會失敗——他聲稱這就像試圖對一項“外星人技術”進行逆向工程一樣。認為試圖對大腦的工作機制——把在其結構內邏輯性的流動給出整體解釋註定是要失敗的，因為一開始肯定就已經是錯的——並沒有整體邏輯的存在。

對計算機進行逆向工程通常被用作思想實驗，以便從原則上展示我們是如何理解大腦的。這些思想實驗必然是成功的，因為這會鼓勵我們用這種方式來理解大腦裡面的溼件。但是2017年的時候，當兩位神經科學家決定用一個（有真正邏輯以及真實部件的）真正的計算機芯片做實際實驗時，事情並沒有按預期進行。

這兩個人分別是Eric Jonas和Konrad Paul Kording，他們運用了通常用來分析大腦的技術，把它應用到1970年代末80年代初那時候的計算機的MOS 6507處理器上，從而讓這些機器可以跑Donkey Kong和太空入侵者之類的視頻遊戲。

首先，他們通過掃描芯片所包含的3510增強型晶體管，然後在現代計算機上模擬該設備（包括跑10秒鐘遊戲程序）來獲得該芯片的連接組。然後，他們利用了各種神經科學技術，比方說“損失”（撤走部分晶體管），來分析了虛擬晶體管的“尖峰”活動，並研究其連通性，通過這樣來觀察各種操作對系統行為的影響，這種影響是用啟動每款遊戲的能力來衡量的。

儘管部署這個強大的分析兵工廠，也儘管對芯片的工作機制有著明確的解釋（用技術行話來說，這東西是有“地面實況”的），但

這個令人清醒的結果表明，儘管計算機的隱喻具有吸引力，並且大腦的確也處理信息並且多多少少表徵了外部世界，但我們仍然需要有重大的理論突破才能取得進展。即便我們的大腦不是按照邏輯行設計的，但我們目前的概念和分析工具仍不足以去解釋它。但這並不意味著模擬項目就一點意義都沒有——通過建模（或模擬），我們可以去測試假設，並且通過將模型與可精確操縱的完善系統連接起來，就可以去洞悉真實大腦的功能。這是一個非常強大的工具，但是在聲稱此類研究取得了什麼進展時，一定程度的謙虛是必要的，並且在尋找大腦跟人造系統的共性遇到的困難方面需要現實一點。

當前的“逆向工程”技術連Atari遊戲機芯片（內含MOS 6507微處理器）都理解不了，更不用說人腦了。

哪怕是像計算大腦存儲容量這樣看似簡單的事情，一旦嘗試也會遇到失敗。這樣的計算充滿了概念上和實踐上的各種困難。大腦是自然進化現象，不是數字設備。儘管經常有人辯解說，特定功能就像在機器裡面一樣緊密地侷限在大腦的特定部位，但是這種確定性一直受到新的神經解剖學發現的挑戰——研究人員發現，大腦的不同區域間存在著未知的聯繫，或者具備令人驚訝的可塑性，即部分受損的大腦居然可以執行本該是受損部分才能執行的行為。

實際上，大腦和計算機的結構完全不一樣。2006年， Larry Abbott發表了一篇文章，標題叫做“這東西的開關在哪裡？”。在文章中，他探討了電子設備最基本的組成部分——開關的潛在生物物理學基礎。儘管抑制性突觸可通過讓下游神經元無反應而改變活動流，但這種相互作用在大腦中相對較少。

神經元不像可以打開或關閉從而形成接線圖的二進制開關

目前，我們還沒法掌握哪怕是最簡單的此類網絡。布蘭代斯大學神經科學家Eve Marder職業生涯大部分的時間都在試圖瞭解龍蝦胃裡面的幾十個神經元是如何產生有節奏的研磨的。儘管絞盡了腦汁，付出了大量的精力，但改變這個甚至都不算一顆簡單大腦的小小網絡裡面的一個組件會發生什麼呢？但我們至今仍無法預測。

這是我們必須解決的大問題。一方面（微觀層面），大腦由神經元和其他細胞組成，它們在網絡裡面會相互作用，其活動不僅受到突觸活動的影響，還會受到類似神經調節劑等各種因素的影響。另一方面（宏觀層面），很明顯，大腦功能在種群的層面上牽涉到神經元活動的

並非所有的神經科學家都是悲觀主義者——有些人很自信，聲稱應用新數學方法可讓我們理解人腦裡面無數的相互聯繫。其他人（比方說我自己）則喜歡研究另一端的動物，把關注焦點放在蠕蟲或蛆蟲的小腦袋上，並採用成熟的做法尋求理解簡單系統的機制，然後把獲得的那些經驗用於更復雜的情況。還有很多神經科學家，根本就認為（如果說考慮過這個問題的話）這方面的進展必定是零碎的、緩慢的，因為看不到有大腦大一統理論的希望。

未來我們會如何理解大腦呢？也許會有多種情況出現：可能各種計算項目會有好結果，可能理論家能破譯所有大腦的功能，或者連接體能揭示我們目前看不出的大腦功能原理。又或者從我們生成的大量成像數據裡面會突然冒出一種理論。抑或我們可以把一種（或多種）理論的碎片慢慢拼湊起來，得出一系列獨立但令人滿意的解釋。或者通過把焦點放在簡單的神經網絡原理，我們就可以理解更高級別的組織。或者把生理學、生物化學和解剖學結合起來的一些激進的新方法會為正在發生的事情提供一些決定性的啟示。要麼就是新的比較進化研究會展示出其他動物是如何形成意識的，從而為研究我們自己大腦的功能提供洞察。還是說現在我們還無法想象的新技術會給大腦提供一個全新的隱喻，一舉顛覆我們之前所有的看法？或者我們的計算機系統說不定會產生意識，從而為我們提供令人震驚的新洞察呢？或者在節制論（cybernetics）、控制理論、複雜性與動力學系統理論、語義學和符號學裡面會出現一個新的框架。也可能實根本就沒有理論，因為大腦並沒有整體邏輯，只要對每個細微部分做出充分解釋即可，我們不甘心也只能接受。或者……

閱讀更多 牛爺新媒體 的文章

關鍵字: 神經科學 蠕蟲 勒內·笛卡