一
无论如何努力，脑科学家和认知心理学家都不可能在人脑中找到贝多芬第五交响曲的副本，也不可能找到记录文字、图片、语法或其它外界刺激的副本。诚然，人脑并非真的空空如也，但大多数我们认为它“拥有”的东西并不真的“存在”其中；甚至简单如“记忆”，也不存在。
我们对大脑拙劣认识有着深远的历史根源。不过，上世纪四十年代，计算机的问世让我们的认识变得尤为混乱。半个多世纪以来，不断有心理学家、语言学家、神经学家和其他研究人类行为的专家宣称，人脑有着和计算机一样的工作方式。
细想一下婴儿的大脑，就能看出这个观点有多么无稽。人类新生儿和其它哺乳动物的幼崽一样，一出生就为和这个世界互动做好了准备，这是演化的结果。婴儿的视力虽然模糊，却会特别注意人脸，很快就能辨认出自己的母亲。他们对语言比对一般的声音更加敏感，而且能够分辨出不同人的语音。我们的身体专门是为社交打造的。
健康的新生儿还拥有十几套神经反射，它们是针对生死攸关的特定刺激预设的身体反应。比如，他们会把头转向触碰到面颊的物体，或是吮吸放进嘴里的东西。新生儿也会在水下自动屏住呼吸；紧紧抓住送到手里的物体——用力之大几乎可以支撑起他们自己。不过最重要的是，他们天生就有强大的学习机制，这让他们能够迅速改变。因此，即使世界已经变得和先祖时候全然两样，他们依然能够迅速地让自己与外界的互动变得愈发高效。
感觉、反射、学习机制：我们生来就具有类似能力，想想看还挺不少。如果我们出生的时候缺少其中某种，恐怕就很难活下来。
但下面这些东西都不是我们与生俱来的：信息、数据、规则、软件、知 识、词库、表示、算法、程序、模型、内存、图形、处理器、子程序、编码器、译码器、符号、缓存等等。这些都是计算机智能化的设计要素。我们不但生下来就没有这些东西，而且一生都不会发育出来这些东西。
我们不存储词汇和运用词汇的规则；受到视觉刺激时，我们不会创建它的表示（representations），并存储在一个短期缓存中，再转移到长期记忆的设备里；我们也不会从内存寄存器里检索信息、图像或文字。这些都是计算机的做法，而生物不这样做。
计算机切实地处理信息：数字、字母、文字、公式、图像。首先，信息经过编码，转化为计算机可用的格式，也就是由“ 0 ”和“ 1 ”（称为“ 位 ” 或 “比特”）组合成的一小段一小段的组块（“字节”）。我的计算机里每个字节含有 8 个位，这些位的某种组合模式表示字母“ d “，另一种模式表示字母“ o ”，再一种是“ g ”。这三个字节串联起来组成单词“ dog ”。而图片（比如桌面上我的猫“的照片）则是由百万级的字节（称为“兆字节”）按某种特殊的模式排列表示的。这些字节前后还有一些特殊字符，告诉计算机它们是图片而不是文字。
计算机切实地将这些模式从一个物理存储区转移到另一个，把它们写入到电子元件上。有时计算机会复制这些模式，有时它们会改变这些模式，比如当我们更正稿件或是修改图片时。计算机在移动、复制和操作数据组时遵循的规则也存储在计算机内部。这样的规则集合称为“程序”或“算法”，而一套协助我们进行某项工作（比如购买股票或网上交友）的算法则称为“应用（Application）”——也就是当下很多人口中的“ APP ”。
原谅我介绍了这么多计算机原理，不过我需要明确这样一点：计算机操作的是符号表示 （symbolic representations ) 。它们真正地存储、检索，处理数据（process）。它们有物理内存。它们的任何操作都受算法引导，无一例外。
人类则并非这样:从来不是、永远也不会这样。现实如此，为什么还是有这么多科学家在讨论精神活动时把人看成计算机呢？
二
人工智能专家乔治·扎卡达基斯（George Zarkadakis）在 2015 年出版的 In Our Own Image 一书中，叙述了过去两千年来在解释人类智能采用过的六种比喻。
最早的一种终究在《圣经》里：人类是用尘土塑成，智能的神将他的灵注入其中。这个灵（至少从语法上看）“解释”了我们智能。
公元前三世纪水利设施的出现使得一种用水利模型解释人类智能的学说大行其道。此说运用人体内的各种液体流（即“体液”）解释我们的物理动作和心理活动，前后延续1600多年，阻碍了期间医学实践的发展。
十六世纪初出现了以发条和齿轮传动为动力的自动机，这个发明激发了当时顶尖思想家（如笛卡尔）的灵感，他们宣称人是复杂的机器。十七世纪初，英国哲学家霍布斯提出了思想源于脑内微小机械运动的观点。进入十八世纪，电和化学方面的发现又引发出人类智能的新理论，这些理论实质上依旧多为比喻性的。而到了十九世纪中叶，德国物理学家亥姆霍兹有感于当时最新的通信发展，将人脑比喻成了电报机。
这些比喻性理论都反映当时相关的最新思想。可以想见，上世纪四十年代计算机科技出现之后，不出几年就有了人脑像计算机一样运作的说法：大脑是硬件，思想则是软件。我们今天称为“认知科学”的这门学科，其建立的标志性事件是1951年心理学家乔治·米勒（George Miller）Language and Communication（《语言与交流》）一书的出版。米勒提出，我们可以利用信息理论、计算学和语言学中的概念对心理世界进行充分的研究。
这类思想，在数学家冯·诺依曼 1958 年出版的《计算机与人脑》（The Computer and the Brain）这本小册子里发展到了极致。冯·诺依曼在书中断言，人类神经系统的功能是“表面数字式的”。尽管他承认自己对人脑在推理和记忆上的功能不甚了了，但他还是罗列出一条条当时的计算机和人脑的相似之处。
在计算机技术和脑科学研究进一步发展的推动下，充满野心的、通过多学科理解人类智能的工作渐渐开展起来。它立足在人类是计算机式信息处理器的思想之上。目前，有数千名研究者投身其中，花费的经费以数十亿美元计，产生出大量的或专门或综合的论文和书籍。雷·库兹韦尔（Ray Kurzweil）2013 年出版的 How to Create a Mind: The Secret of Human Thought Revealed（《如何创造思维：揭开思想之谜》）就是一个代表。这本书推测了人脑的“算法”，并解释人脑如何“处理数据”，甚至还讨论了人脑从表面上看其结构与集成电路的相似性。
如今，“信息处理说”（information processing metaphor）已经主导了大众和学界对人类智能的认知。就像任何特定时期和文化下关于人类智能行为的讨论都不能脱离相关的神灵一样，现实中任何的相关的讨论都已经离不开这个学说。现在人们普遍认可它，而无人置疑。
但信息处理说终究是一个比喻，是我们为了理解一个我们并不真正理解的东西而讲述的故事。它和先前所有的比喻一样，终有一天也会被我们抛开——要么被另一个比喻，要么最终被真正的知识取代。
就在一年多以前，我访问了一家世界上最负盛名的研究所。我试探性地让那里的研究人员不使用任何信息处理说的概念来解释人类智能行为，结果他们做不到。后来我又在邮件交流中礼貌地提出这一问题，几个月里他们还是没什么进展。他们意识到了这个问题，对这个挑战也并非不屑一顾，但他们没有别的替代品。换句话说，信息处理说已经“根深蒂固”，它的用语和观念太过强大，让人难以回避，因而妨碍了我们思考。
信息处理说的错误逻辑很容易就能说明白。它建立在一个错误的三段论上，由两个合理前提得到一个错误结论。合理前提 1：所有的计算机都能表现得智能。合理前提 2：所有计算机都是信息处理器。错误结论：所有具有智能表现的实体都是信息处理器。
通俗地说，因为计算机是信息处理器，所以人类也必须是信息处理器：这样的观点实在很蠢。等到哪天信息处理说被最终抛弃，后世的历史学家想必也会像我们现在看待水利说和机械说那样，觉得这个学说很荒谬吧。
既然信息处理说这么蠢，那它为什么还这么根深蒂固？我们为什么不能像扫除挡在路上的树枝那样抛弃这个学说，是什么妨碍着我们？有什么方法能够让我们放开这根不靠谱的手杖，走向理解人类智能之路？我们为长久以来依赖这根手杖付出了什么代价？信息处理说终究是引导着几个领域里大量的研究者进行了几十年的写作和思考，我们的损失有多少呢？
这些年我进行过很多次这样的课堂实验：首先找一个学生上台，让他/她在黑板上“尽可能详细地”画出一美元纸币的样子。画完之后，用一张白纸盖住，然后从钱包里拿出一张一美元纸币贴在黑板上，让他/她照着再画一张。完成后，揭开第一张图上的白纸，让全班讨论两幅图的差异。
你也许没见过这样的实验，或是想象不出结果如何，所以我让学院里的一位实习生吉妮·西姆（Jinny Hyun）画了两张。这是她“凭记忆”（注意“记忆”被类比为计算机“内存”）画的图：
而这是之后照着一美元实物画的图：
这出乎吉妮意料，你大概也一样吧？但这就是典型结果。尽管吉妮早就见过不知多少回一美元纸币，但如我们所见，相比照着实物画的图，没有实物时画的图可谓相当糟糕。
问题出在哪？我们脑内的“内存寄存器”里难道没有“存储”一美元纸币的“表示”吗？我们不能就这么把它“检索”出来，在画图的时候做参照吗？
显然不能。哪怕再给神经科学一千年，他们也不可能在大脑中找到存储一美元的表示的地方。原因很简单，他们找错地方了。
记忆存储在单独的神经元内的观点可谓荒诞：记忆如何存储在细胞里，又存储在何处？
大量脑科学研究告诉我们，即使是最单调的记忆任务也要动用大脑的多处区域，有时还会用到大片区域。如果涉及到强烈情感，则几百万神经元都会变得更加活跃。在 2016 年一项对空难幸存者的研究中，以多伦多大学神经心理学家布莱恩·莱文（Brian Levine）为首的研究团队发现，回忆空难情景会增加幸存者 “杏仁体，内侧颞叶，前、后正中线和视觉皮质“ 的神经活动。
有些科学家提出的特定的记忆会通过某种方式存储在单独的神经元内的观点可谓荒诞不经。如果真是这样，也只不过是让记忆问题更难解决了：记忆究竟是如何存储在细胞中的？它又存储在细胞中的何处？
那么，吉妮在凭空画那一美元纸币的时候脑中发生着什么？如果吉妮之前从未见过一美元纸币，那她画的图可能就和第二张完全不同。曾经见过一美元这个经历改变了她。具体来说，她的大脑变得能够让她想象一美元纸币的样子，也就是至少在某种程度上能重新体验看到它时的情形。
这两张图的差异提醒我们，想象（也就是看一个不在眼前的对象）的图像远没有真正看见时的观察准确。比起回想，我们更擅长识别，原因就在于此。我们在回忆（remember，来源于拉丁文 re（再一次）和 memorari（记着）的组合）某个事物的时候，是在尝试重新体验当时的经历；但在识别某个事物时，只需要注意自己是否先前有过这种感知体验即可。
你也许还要反驳我的解释。吉妮以前虽然见过一美元纸币，但她并没有刻意去“记住”上面的细节。你也许会说，如果她有去记忆，那她可能不需要照着画就能画出第二张的效果。但就算是这种情况，吉妮的脑中也无论如何都不会“存储”有一美元纸币的图像。她只是为能够画得更精确做好了准备，就像钢琴家通过练习让自己的协奏曲演奏更加熟练，而无需用某种方式将乐谱吸收进脑子里。
三
通过这个简单的实验，我们就可以开始构造解释人类智能行为的非比喻性理论框架了。在这个理论中，人脑并不完全是空的，但至少没有信息处理说的地方。
我们在感受外界事物时，会因为不同的经历而发生改变。其中有三类值得特别提出：（1）我们观察身边发生的事物（其他人的行为、乐音、接收的指令、书页上的文字、屏幕上的图像等）；（2）我们处在不重要和重要刺激的双重影响下（前者如警笛声，后者如警车出现）；（3）我们会因特定行为得到惩罚或奖励。
如果我们根据经验作出改变——背一首诗或唱一支歌；能够按照接收的指令行动；对不重要刺激的反应更类似于对重要刺激的反应；避免做出会受到惩罚的行为而更多地做能得到奖赏的行为——我们的生活就能更有效率。
为避免误导，我要声明：没有人真的知道我们在学唱一支歌或记下一首诗后大脑经历了怎样的变化。但不管是歌还是诗都没有“存储”在大脑里，大脑只是按一定的方式作出了改变，让我们能在一定情况下唱出这支歌或背诵这首诗。去表演的时候，歌和诗都不是从脑内某处“读取”出来的东西，就像我在桌上敲手指也不是“读取”的动作。我们就是唱出来背出来，没有读取的必要。
哥伦比亚大学的神经科学家埃里克·坎德尔（Eric Kandel）因为识别出海兔（海蛞蝓）在学习某项技能后神经元突触内出现的某些化学变化而获得诺贝尔奖。几年前我曾问过他，我们还要多久才能理解人类的记忆功能，他立刻回答说：“一百年。”我当时没想问他信息处理说是不是拖慢了神经科学的研究，但确实已经有一些神经科学家开始思考这个之前不可想象的事实：比喻不是必须的。
现在有些认知科学家则完全排斥人脑像计算机那样运作的观点。其中以 Radical Embodied Cognitive Science（《激进具身认知科学》， 2009年出版）的作者、辛辛那提大学的安东尼·凯姆罗（Anthony Chemer）尤其突出。现在主流观点认为，与计算机类似，我们对的各种“精神表示”进行运算，通过这个过程理解世界。但凯姆罗等人提出了另一种解释智能行为的方法，即认为智能行为是生物和外界的直接互动。
信息处理说和现在一些人称之为人类机能“反表示”观点的学说之间存在巨大的差异。在反映这个差异的案例中，我特别喜欢的一个是：用两种不同理论解释棒球运动员如何接到高飞球。对于这个问题，迈克尔·麦克佩斯（Michael McBeath，现在亚利桑那州立大学）和同事在1995年的《科学》（Science）杂志上发表过优美详尽的分析。信息处理说要求运动员估计球被击飞时的各种初始条件，如击打力量、飞行角度等等；然后建立一个内在模型分析球可能移动的路径；接着运用这个模型指导和不断调整自己的动作，从而拦截飞球。
如果我们真如计算机一样工作，这样倒也不错。不过麦克佩斯他们给出了一个更简单的解释：运动员要想接到球，只需在移动中保持球和本垒及四周环境间的视觉关系不变即可，用术语说就是沿“线性光学轨迹（linear optical trajectory）”移动。看上去挺复杂，实际却出奇简单，而且与运算、表示和算法完全无关。
我们永远都不用担心有人会在网络空间里发狂，不过我们也永远不可能依靠思维下载获得永生。
英国利兹贝克特大学的两名心理学教授安德鲁·威尔孙（Andrew Wilson）和萨布丽娜·格隆卡（Sabrina Golonka）下定决心，连同上面的棒球例子在内，收集了一些可以跳出信息处理论来进行简单合理讨论的案例。他们近年一直在经营一个博客，发表“用更有条理、更自然的方式研究人类行为的科学方法……和主流的认知神经科学方法完全不同”。可是，光有这些还远不成气候；主流认知科学依旧无条件地接受信息处理论，当世一些最有影响力的思想家也以它为前提，提出了许多关于人类未来的宏伟预言。
未来学家库兹韦尔、物理学家霍金和神经学家兰德尔·科恩（Randal Koene）等都作出过这样一个预言：因为人类意识好比计算机软件，所以我们很快就能将人的思维载入计算机中。我们在计算机的电路里能够获得超强的智力，而且很有可能获得永生。在 2014 年约翰尼·德普（Johnny Depp）主演的反乌托邦电影《超验骇客》（Transcendence）中，就有一个情节受此启发。其中有个类似库兹韦尔的科学家，他的思维被人载入到因特网上，给人类带来了毁灭性的后果。
万幸的是，信息处理说没有半点根据，我们永远都不用担心有人会在网络空间里发狂。不过呢，我们也永远不可能依靠思维下载获得永生。这不光是因为大脑里没有意识软件，其中还有更深的问题，就叫它“唯一性问题”吧。这个问题既鼓舞人心，又令人沮丧。
四
脑内没有“内存条”和外界刺激的“表示”之类的东西；我们对外界做出反应时，只需大脑能按某种合理的方式变化，让行动结果符合经验即可。因此，没有理由认为两个人会对同一段经历做出相同的变化。如果你我去听同一场贝多芬“第五交响曲”的音乐会，我脑内发生的变化就会和你脑内的变化完全不同。且不管这些变化是什么，它们都建立在我们各自独特的神经结构中，而这个结构则由我们各自的过往经历发展而来。
弗雷德里克·巴特莱特（FredericBartlett）爵士在 1932 年出版的 Remembering（记忆）中叙述道，在复述一个以同样的方式听到的故事时，没有两个人的表达会完全一样；而且他们的描述会随时间推移变得越发不同。其原因即如前文所述。他们并不是在脑中形成故事的“副本”，而是各自根据故事进行了某种程度的变化，使得之后再被问起这个故事时（比如在听巴特莱特读完故事的几天、几月甚至几年之后），能多多少少重现听故事时的情景——尽管不完美。（参见之前第一张美元的例子。）
我认为这鼓舞人心，因为这说明我们每个人都是真正独特的，不只是基因组成，更重要的是大脑随时间的变化。但这也令人沮丧，因为神经学家的任务会变得超乎想象，要让人望而却步了。每个特定经历引起的变化，在个人脑都有所差异，涉及到上千、上百万甚至整个大脑的神经元。
更麻烦的是，即使我们有能力获取大脑全部860亿神经元的瞬时状态，并把它们用计算机模拟出来，这个巨大的模式结构在脱离产生它的大脑之后也没有任何意义。这或许就是我们讨论人类功能时，信息处理说带来的最大曲解。计算机能精确存储数据的副本，这些副本可以长期保持不变，即使断电也不会丢失；而大脑只有在我们活着的时候才能维持智能。我们没有脑部开关，要么是大脑还在工作，要么就是我们不复存在。此外，神经生物学家史蒂文·罗斯（Steven Rose）在 2005 年出版的 The Future of the Brain（脑的未来）中写道，除非我们知道一个人的全部生活经历，可能还要包括他/她成长的社会背景，否则就是得到了他/她脑部的瞬时状态也没什么用。
让我们来看看这个问题有多复杂。即使是为理解大脑保持智能的基本原理，要知道的也不只是所有 860 亿神经元和它们之间 100 万亿连接的瞬时状态，以及这些连接的强度和连接点内 1000 多种蛋白质的状态，而是要知道大脑每时每刻的活动对体系整体的影响。再加上大脑还在某种程度上因为个人生活的独特性而更加唯一，如此看来坎德尔的预言未免过于乐观。神经学家肯尼斯·米勒（Kenneth Miller）最近在《纽约时报》上与人合作发表文章认为，光是弄清楚基本的神经元连接活动就需要“几百年”。
同时，人们为脑科学研究投入了大量资金，某些项目却建立在错误的观念和不可能兑现的承诺上。神经科学研究出错的最大案例是欧盟2013年通过的人类大脑工程（Human Brain Project），耗资13亿美元。此前《科学美国人》杂志对此有专文报道。项目创立者亨利·马克拉姆（Henry Markram）魅力非凡，声称能在 2023 年用超级计算机模拟人的整个大脑，而且这个模型可以为治疗阿尔茨海默病和其它神经紊乱病症带来革命性的改变。欧盟官员被他说动，给这个项目提供的资助实际上完全没有限制。结果不到两年，这个项目变成“脑瘫工程（brain wreck）”，马克拉姆也就此下马。
我们是有机体，不是计算机，别在这上面纠结了。我们还是回过头来理解自身吧，不要再被不需要的东西拖累。信息处理说领跑了半个世纪，其间还是产生了一些洞见。不过现在是时候为它按下删除键了。
本文作者：罗伯特·爱泼斯坦是美国行为研究与技术研究所（ American Institute for Behavioral Research and Technology）心理学高级研究员，《今日心理》杂志（Psychology Today）前任主编。
| 歡迎光臨 比思論壇 (http://108.170.10.237/) | Powered by Discuz! X2.5 |