与大家分享本人上学期哲学课的课堂报告❤️一些思考🤔

Part 1 对意识的认识

有关心智、意识、灵魂的探讨是在哲学与现代科学史上争论不休的永恒话题，其中关于高级认知功能定位的探讨也是哲学家们热衷的论题。古埃及人认为心脏是灵魂的栖息所，古希腊哲学家亚里士多德认为心是思维的发生地，中国道教传统观念提出“心为神主，动静从心”；柏拉图和盖伦认为脑是心智的源泉，中世纪时期的笛卡尔则提出松果体是灵魂所在，而达芬奇也受到盖伦的影响肯定了脑对包括意识在内的高级认知功能的重要性，并为神经解剖学做出重要贡献。

无数研究者试图对意识、意识的涌现和自由意志等概念进行定义和描述，英国心理学家斯图尔特·苏瑟兰德认为“意识是一种难以捉摸的现象，不可能说明它是什么，能做什么，从哪里来。在它上面没有写着任何能值得读出来的东西”。朱利安·杰恩斯把意识描述为“一个充满无声的独白和先见之明的秘密剧院，一栋装满各种情绪、沉思和秘密的无形大厦，一个充斥失望和发现的无限空间”。现代心理学的发展也使得充满象征性、荒诞性和意识流的欧美现代主义文学成为20世纪欧美文学的主要思潮之一。而从80年代末和90年代初开始，随着弗朗西斯·克里克和杰拉尔德·埃德尔曼等知名科学家的参与以及神经影像学的成熟，意识研究从哲学范畴的理论研究，发展成以神经科学和人工智能为主的应用型研究，其成果如雨后春笋般不计其数。

Part 2 有关意识的研究结果

1. 发现主观意识的客观标志

1990年小川诚二和同事们发明了能够对脑活动进行可视化的核磁共振成像技术 (fMRI)。围绕神经元的神经胶质细胞会从突触活动中感受到神经回路活动增加的变化，大量携带血红蛋白分子的红细胞富集。核磁共振成像技术，通过可以远距离探测血红蛋白分子的物理性质，以毫米级别的分辨率呈现人脑活动的状态。该技术具有较高的空间分辨率，但其时间分辨率较低，不能追踪神经元放电的时间进程。脑电图 (EEG) 可以以毫秒级的分辨率高质量地数字化记录全脑活动；脑磁图能够通过置于头部的电极，更精确地记录伴随皮质神经元放电。

脑成像技术的兴起给意识研究领域带来了巨大突破，该技术可用于比较经外界刺激后具有意识的脑活动与无意识加工过程中脑活动之间的差异，得到可用于证明“外界刺激已被觉察到”的“意识标志” (Signature of consciousness).

1.1 顶叶和前额叶回路因大脑活动的增强与扩散而突然激活

在加拿大神经生理学家唐纳德·赫布在畅销书《组织行为学》 中首次分析神经元集群的活动，用非常直观的语言解释了神经元网络如何互相激活并很快产生全脑规模的同步激活。随着传输至大脑皮质深处的阈下刺激不断积累，并超越产生意识的阈限时，互相紧密连接的神经元将进入一种自我维持的高点位激活状态，成为：不断回响”的神经元集群。此时，可以通过核磁共振成像观察到大脑活动增强并扩散至其他脑区，从而导致顶叶和前额叶回路的突然激活。

1.2 P3的晚期慢波

作为高级认知功能指标的事件相关电位 (ERP) 在刺激出现后的1/3秒才发生，意味着意识滞后于外部世界。正如笛卡尔观察到的“烧伤的手指会在我们意识到疼痛之前就从火旁边缩回去”；闪光滞后效应的原理，也基于人眼总是先知觉可预测的刺激，再知觉不可预测的刺激而造成的。

1.3 大脑深处因γ波大幅增加而突然出现的高频振荡

人脑皮质神经元交换的不连续电信号被称为“锋电位”，神经元放电则成为思维的主观状态编码的基础。神经尘埃 (neural dust) 是在一种可以植入人体内部的微信传感器，是能够对神经信号进行集成、放大和转化一体化的包括压电晶体和三极管在内的器件，其为百万数量级神经元电活动的检测为人脑高级功能的解码提供了条件。

1.4 远距离脑区之间信息交换的同步化

近年来光遗传学上的技术突破让神经元可受到光驱动而不只是电驱动。细菌和藻类中有一种被称为视蛋白的光敏感分子，它可以将光子转化为作为神经元基本交流手段的电信号。通过病毒将视蛋白基因转染至动物脑中，并在大脑的部分神经元处进行限制表达，选择性激活或抑制脑回路来诱发不同脑活动，进行特定意识的创造或重现，为我们提供关于神经元编码的全新视角。

2.裂脑人实验

作为前沿交叉学科研究院神经科学方向的学生，我的入门读物是认知神经科学之父迈克尔·加扎尼加编写教科书《认知神经科学》和他的自传《双脑记》. 这本自传中除了夹带讲述可能出现在实验室运营过程中的捉襟见肘的情形；阐述科学史的编纂者是如何将种种意外发现用显著的逻辑关系串联，从而产生科学稳步前进的假象；美国科研圈内的学术垄断氛围以及他本人在政治舞台上的抱负与活动之外，其主体是他和导师罗杰·斯佩里对经历过胼胝体切除手术的人和非人灵长类动物进行的一系列行为学研究，并以二维码的形式提供了很多宝贵的影像资料。

裂脑人被试 J.W 具备同时做两件事情的能力，他可以根据左右两侧视野呈现的不同图形，一手画方一手画圆，就仿佛他的身上存在者彼此互不干扰的两个人格。经受过胼胝体分离手术的左右半脑各自独立，但书中提及的“人脑自我线索启动策略”，则使得一侧大脑半球能够读取另外一侧半球加工好的线索，从而表现出一种整合式的有效行为。“对于裂脑病人的左半球而言，右半球所做的一切事情都是一种潜意识行为；左右半球之间的差异不在于神经元的数量，而是左半球的皮层神经元之间的连接更加丰富。左半球使用“目标导向”的搜索策略，倾向于抓住情景的精髓，在舍弃无关元素的同时做出与主体相符的推论。右半球则是忠于事实的自动化搜索与挨个寻找，只会识别出原先呈现过的照片。”书中涉及到的“大脑的左右半球能分别容纳独立意识主体的程度”仍具争议，毕竟，这一观点挑战了我们关于“意识必然是统一的”固有的认知信念。

3. 自由意志实验

美国生理学家本杰明·里贝特于1983年进行了神经系统科学中最著名的实验之一，证明“人类的自由意志感可能只是错觉”。在实验过程中，被试者被告知“不要预先计划地移动左臂或右臂“，其中手臂准确的移动时间由检测肌肉活动的可辨别亚秒级别变化的计时仪器（钟上的黑点每2.56秒绕钟面一圈，其位置可用于报告时间）记录，而大脑活动由放置于运动皮层的电极提取。里贝特还要求被试者观看钟表报告他们决定移动时刻的准确时间，实验说明这个步骤发生在脑电改变和实际动作之间，意味着大脑信号在实验主题意识到要做决定之前就已经发生变化，而我们的主观意识并不能准确反映大脑的每个方面。

4. 克里克和科赫：最小神经关联

克里克和科赫在1990面发表的“迈向意识的神经生物学理论”一文中以“令人惊讶的是，绝大多数意识研究的认知和神经科学工作都和意识毫不相干”作为开头，提出了基于γ约40Hz波段振荡的视觉意识理论，提出神经意识关联物 (NCCs) 并将其描述为“足以产生一个有意识感知的最小神经元机制集合”。其中γ振荡现象是脑区兴奋性神经元和抑制性神经元相互作用的结果，一般被认为是意识产生的信号，其对统一对象的特性整合起重要作用。以几百种不同类型神经元在新皮层柱中的分布密度与联系为基础，人脑计划在2009年建立了大鼠的新皮层柱模型，该模型在仿真过程中涌现出的频率在40Hz左右的γ振荡现象，成为该计划的重要理论基础之一。

如今的核磁共振成像，脑电图技术以及非人灵长类动物研究中的侵入性神经设备，使得神经意识关联物的相关研究取得实质性进展。神经科学家们也因此将意识科学的研究焦点放在“意识体验与特定脑区之间的相关性研究上，而不再沦陷于“意识最原始的物质来源”。除此之外，科学家还通过研究意识状态（如睡眠、昏迷、麻醉、植物人和正常状态）的转变，了解产生意识的神经机制；但全局性的意识状态变化会对大脑以及整个机体产生普遍影响，难以控制变量与确定因果关系。

5. 全局空间理论（Global Workspace）

“全局工作空间”是美国认知科学家巴尔斯为探讨意识现象而提出的一种隐喻式认知理论。他将相同事件的有意识状态与无意识状态的对比分析引入了意识研究，分析了有意识和无意识状态处理能力之间的区别。有意识处理能力是低效的，容易受到干扰；处理范围有限，具有较强的关联能力和语言敏感性，意识经验是串行的，具有内在连贯性。无意识处理能力是高效的，是具有固定程序自动化模型运行的结果，因而鲜有干扰；处理范围近乎无限，相对而言独立自主，无意识经验是并行的，可能相互矛盾。

Part 3 “欧洲人脑计划”(HBP)及其前身“蓝脑计划”(BBP)

瑞士洛桑理工学院的以色列神经科学家马克拉姆博士启动了由瑞士联邦政府资助的“蓝脑计划”，以在超级计算机上实现虚拟仿真脑为目标。IBM公司以优惠条件为该计划提供新研发的超级计算机——“蓝基因”(BlueGene)。尽管这个轰动一时，历经十年并耗资高达10亿欧元的项目以失败告终，但关于该话题仍有很多方面值得探讨。

这样宏大美好的脑科学设想具有强大的炒作效应，这也在某一程度上激发了大众对于脑科学与人工智能的兴趣，以及对神经生物学和计算机科学之间联系的与探讨。长期增强效应 (LTP) 由海马神经元经受高频电刺激产生，其是短期记忆转化为长期记忆的关键。而与此同时，在计算机中将信息从短时工作记忆转移到更稳定的长时记忆则是一个相对简单的过程：CPU从输入设备将文件逐位读入工作储存器，再以相同的方式将其写入包括硬盘或固态驱动器 (SSD) 在内的长期储存设备即可。底层的逻辑位信息以不同物理方式储存在计算机中，其在互补金属氧化物半导体 (CMOS) 芯片上由关闭的晶体管表示，在磁盘上由磁化点表示，在DVD上由光学材料中的小坑表示。

为了理解人工智能和神经生物学之间的相互启发，麦卡洛克-匹茨计算神经科学建立的神经元计算模型，为我们提供了一个极具开创性的结论——“神经元的操作以及其他神经元的关联可以完全用数理逻辑运算的方式建立模型”。他们说明单个简单的麦卡洛克-匹茨神经元可以执行逻辑“与”运算，而将大量上述简单神经元联合起来，则可以执行包括“异或”在内的所有逻辑运算，进而启发“赫布可塑性如何通过创建细胞集群来存储活动模式”，并由此提出关于生物神经元可以执行逻辑计算的概念。

麦卡洛克-匹茨神经元比生物神经元简单，但不意味着它所拥有的性质知识生物神经元性质的子集。它可能具有生物神经元不具备的简单性质比如（1）固定阈值（2）只有活动和不活动两种状态。因此麦卡洛克-匹茨神经元可能可以进行生物神经元所不能进行的逻辑运算，又或者二者的活动方式完全不同。除此之外，把神经元看作基本元件时，脑中的数十亿的神经元并不对应计算机中的存储单元，因为构成逻辑门的晶体管或晶体管阵列是计算机的基本设备，而本质为细胞的神经元则是拥有一整套遗传物质和不计其数的的蛋白质、突触和粒子通道的高度复杂的功能单元；将计算机存储单元和神经元进行类比像将试管和炼油厂比较一样不恰当，但人们往往还是通过模型的方式作出这样的比较。

值得强调的是，神经元具有相互作用的组织结构以及大规模集群的力量，而高度组织起来的集群性质可能并不严重依赖于其元素的详细属性。所以计算神经科学的重要问题在于，究竟需要保留哪些元素属性，才能在大规模集群中涌出包括意识在内的新性质，从而使人造智能机器不需要复制脑的所有细节便能模拟脑的行为？但与此同时，非线性计算系统中元件简化带来的小误差可能会导致很大的差异。更深入的问题在于，仿真时应当如何对进行抽象的层次做出关键性判断？如果选择较高的抽象层次，比如不同脑区，则模型中的黑箱本身则变得复杂透顶；如果选择较低的抽象层次，比如原子和分子，过多的细节则会导致计算资源的浪费。无论选择何种层次，建立描述多少细节的模型，都没有一种模型能顾考虑到所研究的所有方向，因为这只是试图用纯粹的“自下而上”的方法仿真整个人脑的本质缺陷。建模的好坏不仅在于能否通过实验证实其预测，还在于通过建模能否使人们对所关心的问题得到更好的认识。     

人脑计划 (HBP) 旨在通过在超级计算机上建模的方法重建人脑，进行从微观到宏观层次的仿真，总结出现有关于人脑的一切知识。该计划的主要问题之一，在于它试图把人脑当作工程师设计的模型来处理，并以工程师的方法精确地拷贝大自然最精密复杂的杰作。

事实上，探索脑功能机制和开发人工智能技术是两个不同的任务，我们可以采用从自然界获得启发的方法，而不是精确复制大自然所用方法的每一个细节。正如飞机制造与探索鸟类飞行的机制不同，可以在工程学上从鸟类飞行中得到启发，但不应该复制其每一个细节。不计其数的细节，反而会蒙蔽在像素海洋中探索到真实图景的双眼。马克拉姆将人类脑计划的困境归因于现行计算机能力的有限。事实上，神经科学还有很多领域没有得到很好的研究，而不只马克拉姆所言那般“仅剩有待填充的缝隙”——神经系统中的神经胶质细胞在数量上近乎神经元的十倍，但关于其功能的奥秘也未曾被揭晓。

神经元是脑的基本元件。蓝脑计划建立的神经元模型的确考虑了不同离子通道（如霍奇金-赫胥黎模型中的离子通道），以及它们在细胞膜上分布的差异以及神经元形态的特点，但大多数研究人员都宁愿把神经元从逻辑上考虑为理想的麦卡洛克-匹茨 (McCulloch-Pitts) 那样的输入输出装置。这些神经元可应用于某种实用的电子神经网络，但对于仿真活脑而言远远不够。如我们所知，神经元可以被粗略地分为高尔基I型神经元和高尔基II型神经元，前者常出现在教科书和科普读物中，具有一条发送信号的长轴突和许多接受信号树突；而高尔基II型神经元的轴突则很短或没有，树突和轴突末梢既是突触前的又是突触后的，可能只靠单个树突或部分神经末梢即可在相邻神经元间发生局部相互作用。视网膜中的无长突细胞和某些水平细胞被归入高尔基II型神经元，而如今大多数的神经元模型都只是高尔基I型。神经元具有纷繁的多样性，假如相关研究的基本元件本身就有缺点，单凭增加数量和几何级数增长的复杂性也无济于事。

蓝脑计划的基础之一是于2006年底在并行计算机“蓝基因”（Blue Gene）上建立的基于新皮层柱解剖结构、基因和电性质数据的“功能柱模型”。很早之前，解剖学家就通过解剖学实验观察发现大脑皮层上似乎有柱状组织——芒卡瑟尔发现垂直于体感皮层表面的柱体内，所有神经元的感受野特性相同；其他科学家也注意到，当位置沿着皮层切线方向变化时，细胞的感受野特性常常呈现出某种周期性。但芒卡瑟尔由此推广出的的关于“在新皮层扩张的进化过程中所形成的不同模态皮层在外观和内部结构上都具有高度均一性”以及“所有柱体都执行相同的算法”的结论虽然简洁诱人但却都是不对的。埃德尔曼的神经达尔文主义假定，神经系统的回路或模块之间存在竞争，只有适合于完成其目标的回路回模块才能得以保存；马克拉姆和霍金斯也认为皮层柱是新皮层的基本模块。但由于神经元的类型纷繁复杂，规范的功能柱模块假设并不够可靠，反而像美剧“生活大爆炸”中有关于“真空状态下的球形鸡”的冷笑话一般，更像一个过度简洁和理想化的模型。面对多层级的问题，马克拉姆提出的从离子层次到全脑层次的“自下而上”路线，则着实令人“望而生畏”。

德国工程师卡尔·施拉根霍夫认为，比起把十亿欧元投给沾满官僚习气的组织严密的科研机构，把钱资助给研究相关领域并且更加切实可行的“鱼雷艇申请者”，远好于资助驶向乌托邦蓝图的大型战舰。研究者越少按计划规定按部就班地攻克难题，其取得突破性创新型成功的可能性也越大。当然，该观点也相对片面，甚至有些许“意气用事”。事实上，脑科学技术幻想和科学家面临的实际困境正如江渊声诗情画意的描述，“每一代人都以为自己可以将神经机制与高层行为联系起来，但事实上，我们紧抓不放的仍然只是一些秸秆，却以为这些秸秆将构成摩天大楼的基础”。笔者也曾在某场学术报告中听闻一个比喻——当前对于强人工智能的研究，就像“一只猴想爬上月亮，但现在的他只能在爬完一棵树后，再换另一棵树”。人类基因组计划，有沃森克里克的DNA双螺旋结构理论为作为基础，阿波罗计划有牛顿力学定律作为后盾；而在脑科学没有坚实理论作为支撑的前提下，另起炉灶的蓝脑计划，不得不被浪潮般的汹涌的争议裹挟。而公众对欧洲人脑计划的脑技术幻想所持的怀疑态度和马克拉姆博士预言和承诺与实际表现之间近乎荒谬的巨大差距，也使得马克拉姆博士被戏称为“科研领域内筹措财政支持的天才”。正如《脑研究的新大陆》里二位对人工智能和脑科学之间关系的看法，人工智能的发展不一定需要完全复制人脑神经元的机制与功能，正如飞机的制造不需要完全模拟鸟的飞行机制。比起马克拉姆的宏图，人们或许更愿意相信人工智能的高级认知功能将从大规模集群中涌现。

期待人工智能的未来图景。

Reference:

《脑研究的新大陆：一位德国工程师与一位中国科学之间的对话》卡尔·施拉根霍夫，顾凡及

《脑与意识：破解人类思维之谜》斯坦尼斯拉斯·迪昂

《认知神经科学》迈克尔·加扎尼加

《双脑记》迈克尔·加扎尼加