神经科学领域是“前范式”的，意识是最终谜题。

 

 

周末分享一篇神经科学家 Erik Hoel 的思辨文章。

 

埃里克-霍尔 ( Erik Hoel )是美国塔夫茨大学的神经科学副教授、神经哲学家、小说家。他的主要研究领域是意识和哲学、认知、梦的生物功能以及涌现的数学理论等等。

 

今年在我的公众号里，我会分享更多在通用人工智能前沿研究，生物技术，神经科学以及物理学交叉地带的研究者的讨论以及突破性的技术。

 

前文阅读：

 

AI 时代，生物学能从物理学中学到什么？

 

黑洞与智能爆炸：用物理学可以理解 AGI 吗？| Dan Roberts， 美国红杉 AI 研究学者

 

2024 年开始，人工智能将会越来越受到生物和生态系统智慧的启发：原因是能量效率，去中心化分布，多模态和并行任务处理能力，以及最重要的是，让 AI 具有 “亲生命性”，这自然也是为了和我们人类的对齐。由自然的智能启发的 “仿生计算”，会是现有深度学习/大语言模型路线之外，最值得关注的 “下一代 AI” 之一。

 

如果你同时对人工智能和神经科学感兴趣，这篇文章里涉及的话题很值得一读：

 

1. 为什么下一代的人工智能研究还需要神经科学的范式革命？

 

2. 为什么大语言模型和先进AI系统都开始进行很多可解释性的研究，而在神经科学领域还没有很明显的变化？

 

3. 人工神经网络的构建会帮助神经科学最终解开 “意识” 的谜题吗？还是说意识问题将在很长时间被排除在科学研究范围之外？

 

这篇文章里有一些讨论视角我并不能确定在现有理论框架下是否准确，但是我觉得非常需要这样的批评和启发性文章，也有助于非神经科学背景的人迅速了解其中的关键问题。

 

2023 年在美国陆续有几家新成立的 “神经科学启发的人工智能创业公司” 成立，在之后的文章里我也会介绍它们。

 

Enjoy! 

 

 

---

 

神经科学领域是“前范式”的，意识是最终谜题。

Neuroscience is pre-paradigmatic. Consciousness is why

副标题：除了意识，大脑中的一切都没有意义

 

Nothing in the brain makes sense except

 

in the light of consciousness

 

作者：Erik Hoel

 

编辑：范阳

 

写作日期：2024年1月10日‍

 

如果某个学术领域受到质疑，那应该是因为存在根本性的问题。让我们提出一个问题：自进入新千年以来，神经科学，也是我学习的学科，是否有根本性的进展？

 

在这个问题中，“根本性” （ fundamental ）一词无疑很重要。但是，如果你审视一下自 2000 年以来神经科学的进展，显而易见的是，最受欢迎的论文更适合描述为 “酷” 而不是 “根本性” 的。比如，看看《科学美国人》2022 年关于 “今年最引人深思的大脑发现” （ This year’s most thought-provoking brain discoveries ）榜单，结果明显属于 "酷" 的范畴，而非根本性的发现。那么时间到了 2023 年呢？让我们看看一位计算神经科学主席（ Chair of Computational Neuroscience ）对该领域 2023 年回顾的看法：同样，仅仅有很多 “酷” 的研究，除非大脑中多巴胺的基本作用再次成为争论的焦点，结果发现没有人知道答案。如果我们更客观一点，查询浏览一遍自 2021 年以来发表在《神经科学》（ Neuroscience ）杂志上的最被引用的文章呢？这种模式依然存在。酷，你可以利用 micro-RNA 促进大鼠脊髓再生！酷，你可以利用深度学习帮助使用 fMRI 诊断认知损伤！有没有出现一些 “根本性” 的研究？并没有。

 

更加客观地看，2017 年研究人员使用文献计量学（ bibliometric analysis ）分析了 100 篇最多被引用的神经科学论文；几乎没有一篇是来自 2000 年以后的。是最近的研究结果还没有足够时间积累引用数量吗？不是的，因为大多数最多被引用的神经科学论文来自 90年代，仅仅是十年前。也许这是因为自新千年以来，很多神经科学的重点都集中在改进方法学（ refining methodologies ）上，比如光遗传学 ( optogenetics )、钙成像的进展（ advances in calcium imaging ）以及生长大脑类器官（cerebral organoids ），然后利用这些方法产生了一些很酷的论文。

 

但是酷炫可能掩盖了很多问题。神经科学并没有像它的姐妹学科领域 — 心理学— 那样经历过公众的信任危机。自 2000 年以来，由于被吹捧的经典心理效应未能复现，可重复性（ reproducibility ）在心理学中已经成为一个热门关键词。斯坦福监狱实验 (Stanford Prison Experiment) ？出局了。邓宁-克鲁格效应（ Dunning-Kruger Effect ）？出局了。自我耗竭理论（ Ego depletion ）？出局了。

 

然而，神经科学（ neuroscience ），本质上是心理学的硬核模式（ psychology on hard mode ）：提出类似的问题，但增加了进入大脑的难度 ( asking similar questions but with the added difficulty of accessing the brain )。它却没有受到公众的怀疑。机器是如此华丽，数据是如此美丽，炫酷因素更是不容置疑。

 

无疑，我们对单个神经元的理解取得了进展，比如发现人类神经元可以在其内部执行复杂的逻辑功能。此外，也有不可否认的实际进展。例如，我们可以判断一个处于植物人状态的患者，连眼睛肌肉都无法移动的患者，是否有意识，只需请他们想象打网球之类的事情，然后看看激活的神经元区域是否与正常大脑相同。我们可以以更细的时空尺度记录越来越多的神经元（record more and more neurons at finer spatiotemporal scales ）。我曾站在大学实验室里亲眼看到老鼠大脑内的神经元在钙波的激发下闪烁白光。但即便如此，对我来说，这种活动看起来像圣诞树灯一样随机，因为老实说，它总是这个样子。除了盯着贴在老鼠身上的那双深不可测的红眼睛，我没有得到更多的信息。

 

活体大鼠皮层的钙成像

 

 

当然，自从研究人员在本世纪中期将一条死鲑鱼扔进磁共振成像机（ fMRI machine ）并得到了统计学上显著的结果以来，就已经众所周知，现代神经科学的核心，即神经影像学（ neuroimaging ），存在各种问题。不可能仔细审查每一篇论文，许多论文在其选择的方法和分析方面是可以为自己辩护的。但当从集体考虑时，我们有充分的理由对其持怀疑态度。

 

例如，我们现在知道，在神经影像学中，可重复的效果（ reproducible effects ）可能比实际神经科学家所采用的标准更高。正如一篇 2022 年《自然》论文的标题直接表明的：“可复现的全脑关联研究需要成千上万的个体样本（Reproducible brain-wide association studies require thousands of individuals ）。” 与绝大多数论文中使用的仅有几十个个体相比，将大脑状态与心理状态，如寻找抑郁症的神经对应物（ searching for the neural correlates of depression ），进行关联需要数千个样本，远远超出 x 轴右侧。然而，大多数神经科学研究发生在左侧，处于虚假阴性（false negatives）、虚假阳性（ false positives ）和低可重复性( poor reproducibility ) 的阴影地带。

 

神经影像相关性的预期误差率

 

这个不为人知的秘密就是，为什么我尝试直接复制的唯一一项脑成像研究呈现了相反的结果（ 而原始论文仍然拥有数百次引用 ），而在我的职业生涯中，我个人见过许多令人费解的知名效应（ well-known effects ）失败，使博士后和研究生们私下感到很懵。

 

问题不仅仅是数据的稀缺性；问题涉及到的是分析和技术本身（ analyses and techniques themselves ）。几乎每一次神经影像实验的单个试验的数据都凌乱不堪；对它们的检查对神经科学家来说是一项“边缘”活动 (a “marginal" activity for neuroscientists )。因此，一直以来的的背景假设是，大脑的嘈杂性可以通过求平均值来消除 — 只要求出足够多的平均值，"真实 "的信号就会跳出来。然而，大脑会在乎神经科学家公布的统计平均值吗？毕竟，你不是用平均值来思考的。在神经科学实验中，如果给你看视觉刺激，你会体验到一种感觉，然后是另一种感觉，而且每种感觉都非常清晰。神经科学家的数据不会反映这一点。神经科学家的平均值和你看到的东西有关系吗？

 

如果实验设计足够巧妙，你可以测试这一点。在 2021 年，研究人员提出了两个标准，如果大脑真的关心神经科学家在他们的论文中提到的平均值，那么这两个标准必须是真实的:

 

（a）神经反应足够一致（ neural responses repeat consistently ），以至于它们的平均响应在理论上应该对下游区域具有可识别性 ( theoretically recognizable to downstream regions )。

 

（b）更像平均响应（ averaged response  ）的单次试验反应 ( single-trial responses ) ，应该与动物在任务上表现更好（ 比如识别视觉刺激 ）相关。

 

结果，他们发现（a）和（b）都不正确。当研究人员开始将小鼠大脑中的电生理记录与行为相关联时 ( correlating electrophysiological recordings in mice brains to behavior )，他们发现即使对于理想的观察者（ ideal observers）来说，从单次反应中识别平均值也是极其困难的，而且单次反应与 "柏拉图 "平均值的匹配程度几乎与行为没有任何关系。尽管作者恳求对其他实验进行同样的分析，但这篇聪明的论文目前只有一条引用，而且仍未通过同行评审（ 尽管其方法看起来很合理 ）。没人想听它传递的信息。

 

神经科学家对于众多表观统计结构（ epiphenomenal statistical constructs ）的关注可能解释了为什么现代神经科学的故事经常是：“哎呀，功能 x 比我们想象的要复杂”（ 就像经典的运动同源体实际上比教科书上说的要多变一样 ）。越来越多的科学家意识到，任何特定的现象（ 顺便说一句，几年前我的一部小说就预测到了 ）都涉及整个大脑整体在起作用，比如最近的发现，“语言区域”是平均化的产物（ Language regions’ are artefacts of averaging ）。

 

这一领域的行话掩盖了其不断向更复杂的方向发展，以及随之而来的解释清晰度下降的问题。在神经科学中，"计算 " （computation）或 "表征 "（ representation ）或 "信息处理"（ information processing ），甚至 "存储 "( storage )或 "检索 "( retrieval ) 等术语都可以交替使用，而且在不同的子领域之间也会有所不同。 只有在极少数情况下，这才意味着所观察到的神经活动存在真正的差异。大多数术语的真正含义是 "神经元在我的不同条件下发射的信号不同"。但这种差异意味着什么呢？

 

例如，在 2017 年的论文《 一个神经科学家能理解一个微处理器吗？》中，作者将神经科学的一整套流行技术应用于一个远不如大脑本身复杂的系统：：MOS 6502微芯片（ 80年代用于驱动任天堂游戏机 ）。尽管只有3，510个晶体管，它能够运行一些游戏，如《 Space Invaders 》、《 Donkey Kong 》和《 Pitfall 》。

 

范阳注：Can a neuroscientist understand a microprocessor?https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5230747/

 

假装不理解芯片的功能，研究人员尝试了神经科学的常用技术：查看芯片的连接组学（connectomics），也就是芯片的布线图（ wiring diagram of the chip ）；对晶体管进行 “损伤” ( lesions )以模仿大脑的部分受损研究；使用通常用于神经元的技术分析单个晶体管的行为（ 比如查看发射率或调谐曲线 ）；将晶体管与彼此相关联；将芯片的活动平均成类似 fMRI 的体素（ fMRI-like voxels ）；以及其他更深奥的分析，如降维和 Granger 因果关系。然而，尽管我们掌握了我们希望了解的大脑微观尺度的全部信息，结论却完全模糊不清。例如，约 50% 的晶体管受到损伤没有任何作用，而其余约 50% 的晶体管则完全关闭了芯片。

 

 

敲除部分芯片与受影响的游戏对比

 

一小部分是与特定游戏有关的，比如导致《 Donkey Kong 》独特故障的98个 “损伤”！啊哈！找到了《Donkey Kong》的晶体管！在大脑中取得类似的结果将使一些渴望成功的年轻研究生发表《自然》杂志的论文。然而，事实上，在这些损伤下导致游戏失败的原因与《Donkey Kong》无关；这只是后端代码中的偶然事件。你永远无法从这些知识中推导出关于扔桶或香蕉的任何事情。正是这些困难之处，导致神经科学对低信息量解释过于吹嘘。

 

这里有一个残酷的小把戏：请一个神经科学家解释有关人类认知的一些知识。听听他们的回答。然后再请他们解释，但在解释中不要提及位置。第二次的要求要难得多，几乎令人尴尬（ 我以受过神经科学训练的身份说这话）。" 言语在 Wernicke's 中处理...等等。" 

 

关于神经科学的科普读物，以及大多数入门教材都以空间信息（ spatial information ）为先导。前额皮层 (prefrontal cortex)。颞叶 (temporal lobe)。V1。环境皮质 (entorhinal cortex)。中央上橄榄核 ( medial superior olive)。你听说过很多这样的例子；例如，神经科学的大学课程通常以费内亚斯·盖奇( Phineas Gage )为起点，他是 19 世纪的铁路工人，眼睛中穿过一根金属杆并穿过头部。他奇迹般地幸存下来，但据说他的个性发生了变化；因此，有一种说法认为，前额皮质（ prefrontal cortex ）（受损的部分）肯定包含了最高层次的心理构造，即自我（ most high-level psychological construct， the self ）。

 

即使我们暂且不考虑费内亚斯·盖奇行为变化可能是夸大的科学神话，如果个性（ personality ）被定位在大脑的一侧而不是前部，那会有什么改变呢？如果你问我汽车是怎么工作的，我说 “发动机就在这里，这里是车轮，这是方向盘，它在内面”，依此类推，你很快就会得出结论，我对汽车的实际工作原理一无所知。

 

与汽车不同，大脑具有极强的可塑性（ the brain is extremely plastic ），因此空间位置更加无关紧要。实际的物理结构在我们的显微镜下一直在不断变化。在猕猴的视觉皮层 ( macaque visual cortex )中，每周约有 7% 的突触（synaptic boutons ）被翻转（ 突触结是轴突 axons 和树突dendrites 之间的紧密接触点，神经元在此进行交流 ）。现在，"表征漂移 " （ representational drift ）已经得到了充分的证实，即大脑中的某些部分不仅会在数天内，而且会在数分钟内改变它们的反应。表征和功能就像云一样在大脑皮层中（Representations and functions drift like clouds across the cortex )。就在去年，有研究表明，在人类的 fMRI 上可以看到表征漂移（ representational drift ）；即使是在视觉皮层，我们都被告知，视觉皮层应该有一个稳定的结构来执行稳定的视觉功能。在更简单的人工神经网络中也能发现这种漂移。人脑的高层到底在搞什么鬼？

 

对于神经科学家来说，还有比不参照空间位置来解释现象更难的问题。事实上，让我们提出神经科学中最难的问题。

 

这是一个非常简单的问题，却因其简单而具有毁灭性。如果即便是小型的人工神经网络都是数学上的黑匣子，即构建它们的人不知道如何控制它们，也不知道它们为何有效，以及它们的真正能力是什么 …… 你为什么认为大脑，一个参数更多且混乱得多的生物神经网络（ a higher-parameter and more messy biological neural network），不同样是一个黑匣子呢？

 

如果答案是肯定的，即我们应该预期与人工神经网络 ( artificial neural networks) 相比，大脑的不透明性甚至更大，那么为什么每一本神经科学教科书都没有从这一出发点开始呢？因为这意味着神经科学不仅仅是困难的，而且从可理解的数学角度来看，它已经接近不可能完成的难度（ it’s closing in on impossibly hard for intelligible mathematical reasons ）。AI 研究人员每天都在努力应对这些困难的原因，尽管拥有完美的访问权限；与此同时，神经科学家总是相隔三步，他们的研究选择受到血肉和骨骼的限制，只能看到局部，访问权限也很差。为什么会有这样的假设：你可以随便摸索大脑，只要有足够多的人一起摸索，真相就会显现呢？

 

这种怀疑态度得到了对人工智能研究与神经科学之间关系的历史分析的支持。如果自 2000 年以来神经科学取得了许多根本性进展（ fundamental progress ），那么对于对可解释性（ interpretability ）（ 神经网络工作原理 ）感兴趣的 AI 研究人员可以简单地查看神经科学，并窃取那里已经开发的技术，根据需要进行调整。虽然偶尔会发生这样的知识转移，但它们是零碎的、罕见的，并且令人不满。大多数时候，AI 研究人员是独立进行研究的。这就是为什么去年 Anthropic 发表的关于黑匣子解释性的最佳论文只引用了一篇类似于你在研究生阶段可能读到的传统神经科学论文的论文。75 篇论文中只引用了一篇（ 可能是最不重要的引用 ）。

 

范阳注：Anthropic 的论文

 

https://transformer-circuits.pub/2023/monosemantic-features

 

神经科学知识的缺乏跨领域可转移性是神经科学确实处于前范式阶段 ( neuroscience really is pre-paradigmatic ) 的最明显迹象之一。

 

这是什么意思呢？何时科学领域算是前范式的（ When does a scientific field count as pre-paradigmatic ）？因为这并不等同于说该领域等同于占星学，或者完全是浪费时间。不，根据托马斯·库恩 ( Thomas Kuhn )关于科学通过 “范式转变” 发展（ science proceeding via “paradigm shifts ）的最初构想，一个前范式的科学是指该领域对异常现象存在不安全感。在《科学革命的结构》( The Structure of Scientific Revolutions )中，库恩写道：

 

“ 伽利略对运动研究的贡献，主要取决于学者批评家在亚里士多德理论中发现的困难。牛顿关于光和颜色的新理论源于这样一个发现，即现有的前范式理论都无法解释光谱的长度，而取代牛顿理论的波理论是在人们日益关注衍射和偏振效应与牛顿理论之间关系的异常现象时宣布的。热力学诞生于两个已有的十九世纪物理理论的碰撞，量子力学诞生于围绕黑体辐射、比热和光电效应的各种难题。此外，除了牛顿之外，在所有这些案例中，对异常现象的认识都持续了如此之久，渗透得如此之深，以至于人们可以恰当地将受其影响的领域描述为处于日益严重的危机状态 ...... 新理论的出现一般都伴随着一段明显的职业不安全感。”

 

在库恩提到的所有领域中，都有论文（ 或其历史等价物 ）正在发表，实验正在进行，这都发生在范式革命之前。处于革命成熟时期的迹象既包括深刻的问题，又包括领域中存在无法解释的异常（ The tell of being ripe for revolution is both deep troubles and that there is an unexplained anomaly that haunts the field ）。

 

在神经科学中存在一个明显的异常：意识 ( consciousness ) 。

 

直到今天，神经科学仍然没有关于意识的被广泛接受的理论 — 意识是什么，它如何运作。虽然有神经科学的一个小分支从事所谓的 “寻找意识的神经相关性” （ search for the neural correlates of consciousness ）的工作，但这需要许多勇敢的学者的努力，由诸如两位诺贝尔奖得主弗朗西斯·克里克 ( Francis Crick ) 和杰拉尔德·埃德尔曼（ Gerald Edelman ）等重量级人物领导，才确立其微不足道的可信度 ( marginal credibility )。在此之前的几十年里，关于意识的讨论一直被科学界所禁止（ 我曾将这段时间称为 "意识的冬天"，并指出在这一时期，甚至连 "意识 "一词在整个文化中的使用率都在下降 ）。

 

然而，如果你回过头来读一读最初的心理学家和神经科学家，比如威廉-詹姆斯（William James）或威廉-冯特（Wilhelm Wundt），虽然他们和我们今天一样，对意识的终极形而上学本质（ ultimate metaphysical nature of consciousness ）并不确定，他们也不知道神经细胞的发射是如何伴随着主观体验的。但很明显，他们相信每个普通人都已经知道的东西，那就是，意识是大脑的主要功能（consciousness is the primary function of the brain）。

 

你醒来时就开始了一段意识流（ You wake up to a stream of consciousness），这是你对世界及其内容的感知，你处于主观体验的中心。在一天中，你所做的一切都源于这股意识流。你喝水是因为你渴了，开车时转弯是因为你心中有目的地，说话是因为你觉得自己很好客。我们所有的认知功能，从记忆、注意力到认知，都是在持续的意识流领域内进行的。这是大脑作为一个器官存在的理由。事实上，我们的生存依赖于意识的真实性和丰富的信息，它所提供的快乐或痛苦，以及介于两者之间的所有价值，指导着我们每天的行动。自动或无意识的过程可能是它的基础，它们可能像了不起的管家一样支持着它，但意识流才是重点。这正是威廉-詹姆斯（William James）在 1890 年发表的具有开创性意义的《心理学原理》（The Principles of Psychology）中被长期忽视的主要论点：

 

当我们达尔文化 ( darwinizing )时，我们确实谈论，好像仅仅拥有大脑的身体是有利益的；我们谈论身体各个器官的效用，以及它们如何帮助或妨碍身体的生存；我们将生存看作是一个绝对的目的，在物理世界中存在着这样一个目的 … 然而，这些器官本身，以及所有其他的物质世界，一直都会对这一结果毫不关心 … 但一旦你将一个意识引入其中，生存就不再只是一个假设 … 真正的目的现在第一次出现在世界的舞台上。将意识视为一种纯认知的存在形式（ consciousness as a purely cognitive form of being） … 这是完全反心理学的，正如本书的其余部分将要展示的。每一个实际存在的意识似乎至少对自己来说都是为目的而奋斗的，其中许多目的，如果没有它的存在，根本就不会是目的。它的认知能力主要是为了这些目的服务，辨别哪些事实有助于它们，哪些不会。

 

是否有观点反对意识是大脑的主要功能，而认知能力则是其仆从？是的，但这些论点必须考虑到这样一个事实，即正是因为意识对于科学来说总是显得过于主观，所以学者们才有强烈的非科学理由来淡化意识的重要性。值得注意的是，我长期以来一直在追踪那些用来论证意识无足轻重的实验结果是如何被后来的结果悄无声息地推翻的。

 

例如，长期以来一直声称人类可以在没有意识的情况下执行复杂动作；最明显的例子是一种被称为 “盲视” ( blindsight ) 的似乎听起来矛盾命名的现象。经典例子是枕叶损伤患者（ occipital lobe lesions ）。这些患者仍然可以执行从其盲点内部提示的任务（ 他们的视野中没有任何意识感知的部分 ）— 他们 “看见但不是通过视觉”（ they see without seeing ）。至少故事是这样说的。

 

问题在于 "盲视" 的主张始终基于极少数的受试者，比如只有三名主要受试者，仅以 GY、DB 和 TN 为人们熟知（ 出于匿名原因 ）。然而，这些患者在他们的盲点中报告了一些事物，比如 “感觉” (feelings)、“视觉针刺”（ visual pinpricks ）、“深色阴影” ( dark shadows ) 或“白色光晕”（ white halos ），在检测实验中使用的刺激的存在时，这是非常重要的。数十年后，在流行的心灵哲学书籍中盲视变得流行之际，对其中被研究最多的受试者 GY 进行的精确实验揭示了，尽管他的视觉确实受损，但他在所谓的盲点中仍然有视觉体验。在其他情况下，一旦受试者被允许在二元限制之外回答并提供感知的渐变，盲视就消失了。事实上，一些最著名的患者自相矛盾，向一些研究人员承认在他们的盲点中确实有受损视力，而在告诉其他研究人员他们没有的情况下。此外，即使相信这些主张，从实验中清楚地表明，“ 看见但不通过视觉” （ seeing without seeing ）在实验设计中需要广泛的提示和引导，与正常视觉不同。

 

另一个例子是，"变化盲区 "（ change blindness ） 现象也说明了反对意识至上的历史论点是如何被夸大和过度推销的。在这种实验文献中，观众被认为与自己的意识脱节，就像大多数观众据说甚至没有注意到一个穿着大猩猩衣服的人在人群中穿梭，并把篮球传给周围的人一样。

 

原视频中用于演示 "变化盲区 "（ change blindness ）的画面

 

然而，重复实验再次揭示了事实的复杂性。在最困难的条件下，最初的结果显示只有 8% 的受试者注意到了大猩猩；而在最近的一次复制尝试中，这一比例跃升至 60%（ 剩下的受试者中有多少是根本没有注意到的无聊大学生呢？） 按照这个速度，"变化盲区效应 " （ change blindness effect）将在十年内完全消失，就像心理学的其他很多研究一样，随着时间的推移，效应的大小会明显下降（ 这很可能是出于发表文章的原因而对常识产生了偏见）。

 

相比之下，现代研究显示你的意识可能与你想象的一样丰富细腻。仅以你的视觉意识（ visual consciousness ）为例：最近的研究表明，人类甚至在视野最远的边缘部分 ( furthest parts of peripheral vision )也能识别颜色，并且在那里对物体的感知有着丰富的点阵融合（ a rich pointillist fusion of perceptions of the objects）（ 尽管是粗粒度的 ），即使在人群中搜索单个面孔时，人类也会形成大量瞬时的短时记忆，然后能够回忆起来。这基本上符合你对自己内省现象学的期望。

 

在理论方面，正如我在研究生时期的科研导师朱利奥·托诺尼 ( Giulio Tononi ) 所指出的，大量可能的意识体验（ 每部可能电影的每一帧 ）在数学上意味着意识具有高度信息性，就像万亿面骰子具有高度信息性一样。而且不仅如此，你的意识中的信息是集成的（ the information in your consciousness is integrated ），以硬盘上存储的信息所不具备的方式相互联系在一起。

 

"M.C.埃舍尔的自画像 "带反射球体的手

 

相信我们对意识主导地位 ( primacy of consciousness ) 的内省，以及相信我们如何运用意识来理解不仅是人类，还有其他动物的行为能力，支持了神经科学处于前范式状态的论点。因此，让我们称之为 “极简前范式论证”（ Very Simple Proof of Pre-Paradigm-ism，VSPP）。VSPP 如下：

 

P1：意识是大脑的主要功能。

 

P2: 没有被广泛接受的意识理论。

 

证明完毕，神经科学是 "前范式" 的。

 

P2 无人能异议。对于P1，人们可能有异议，但他们通常基于先验的形而上学承诺（ 比如关于意识的剔除论 ）或者关于意识的早期心理学实验被过分宣传的论点，这些结果已经站不住脚。与此同时，神经科学的所有困境都可以用这个论证来解释，还存在一个明显符合库恩对前范式领域（ Kuhn’s definition of a pre-paradigmatic field ）定义的异常情况。

 

就像现代进化综合理论（ modern synthesis of evolution ）之父、生物学家狄奥多修斯·多布任斯基（Theodosius Dobzhansky）宣称的：“除了进化论，生物学中没有任何东西是有意义的 ” （ Nothing in biology makes sense except in the light of evolution）一样，要进入后范式科学，神经科学家必须宣称："除了意识，大脑中没有任何东西是有意义的"（ Nothing in the brain makes sense except in the light of consciousness ）。

 

我不指望大多数神经科学家会接受我的论点（ 不过我发现，如果你在会后喝啤酒时私下提出同样的观点，大多数人会同意其中的 80% ）。我相信很多人都能举出几十项研究，说明他们认为自己所选择的领域取得了根本性的进展；事实上，对很多人来说，这会被视为侮辱或贬损。

 

虽然我的本意并非如此，幸运或不幸的是，科学并不在乎这些。而且必须坚决指出传统神经科学的失败，因为直接研究意识仍然很难获得资金，特别是来自政府机构的资金。即使在神经科学的子领域中，谈论意识被接受，真正以开放的心态致力于新的科学意识理论的科学家数量极少。那些年轻且有才华的人更是少之又少。如果一些富有的慈善家（ 或雄心勃勃的初创公司 ）希望以最小的投资在科学进展中产生重大影响，这就是一个合适的地方，而意识就是圣杯问题。否则，神经科学必须一直等待下去它的奇迹之年。

 

原文链接：

 

https://www.theintrinsicperspective.com/p/neuroscience-is-pre-paradigmatic