19世紀中葉，一場科學史上最為浩大的沖擊波席卷了物理學。1865年，蘇格蘭物理學家、數學家詹姆斯·克拉克·麥克斯韋（James Clerk Maxwell）發表了一篇由7個部分組成的論文《電磁場的動力學理論》（A）。這篇論文就好似一場充斥著類比和方程式的馬拉松，麥克斯韋通過其洞察力證明了電和磁這兩種本身就已經很重要的物理概念之間還存在著一層更為深刻而重要的關系。具體來說，麥克斯韋電磁場理論所打下的數學基礎有助于我們將電和磁的方程式看作同一枚硬幣的兩個面。他又在這個過程中得出結論，還有第三種東西也是該電磁場中的一個重要部分，這便是光波。

當然，早在麥克斯韋之前的幾個世紀，科學家就已經對電、磁和光進行了研究。他們已經了解了一些相關的知識，知道它們是如何相互作用的以及人類如何利用它們。但麥克斯韋提出的這種統一理論與先前的觀點截然不同，它是一種解釋物理世界的全新方式，是一連串里程碑式的基礎物理學發現中的第一張多米諾骨牌，它為當今的許多技術鋪平了道路。例如，愛因斯坦的工作就建立在電磁場理論之上，據說他將自己的成功歸結為“站在了麥克斯韋的肩膀上”。

麥克斯韋的理論不僅對具體的研究產生了直接影響，而且還在日后物理學家的腦海中植入了這樣一種想法，即物理上的各種作用力之間可能還存在更多潛在的關系，而挖掘這些關系就成為理論物理學最主要的目標。

到20世紀，人們開始尋找所謂的大統一理論，首先的目標就是進一步將電磁相互作用與其他兩種相互作用力相統一：控制放射性衰變的弱相互作用力和維持原子核的強相互作用力。1970年，人們朝著這個方向邁進了一大步，他們發現在很高的溫度下，弱相互作用力和電磁相互作用力會合二為一。即便如此，若是將強弱相互作用力都納入理論，就意味著會遺漏另一個重要的物理量，也就是引力。因此，在追尋一個完整的大統一理論的道路上，物理學仍未停歇其腳步。

大統一理論符合物理學家的審美口味，它簡單、優雅且完備，展示了整體是如何超越部分之和的。在找到大統一理論之前，科學家就像是古老寓言中摸象的盲人一般，他們中每個人都只能依賴于從象鼻、象腿或象尾中獲取少量信息，通過這些信息，他們只能得出有關各個單獨部分的不完整的故事。然而一旦看見了整只大象，我們就能鎖定這些部位，并結合周圍部分對其進行理解。

大統一理論所帶來的深刻智慧，是單獨研究部分所無法比擬的。因此，盡管尋找大統一理論的道路荊棘密布，物理學界大體還是認為值得為之付出努力。物理學家迪米特里·納諾普洛斯（Dimitri Nanopoulos）參與創造了“大統一理論”一詞，在1979年他是這樣說的：“大統一理論對一大堆各不相同且乍看之下毫不相關的現象給出了非常好的合理解釋，它絕對有資格也有權利值得我們認真對待”。

但大腦的大統一理論值得我們認真對待嗎？誠然，用少數簡單原理或方程式就能解釋大腦的一切結構和功能，這個想法聽起來很誘人，也是大統一理論在物理學中令人垂涎的原因。然而大多數科學家都懷疑它是否真的存在。正如心理學家邁克爾·安德森（Michael Anderson）和托尼·切梅羅（Tony Chemero）所寫的那樣：“我們完全有理由認為，不存在一個有關大腦功能的大統一理論，因為我們完全有理由認為，像大腦這樣復雜的器官，其運作原理五花八門。”盡管大腦大統一理論聽起來很棒，但許多人都認為這只不過是一種幻想。

但同時，神經科學從物理學中借鑒的許多東西，如模型、方程式以及思維方式，都已經以其各自的方式助力了神經科學領域的發展，而大統一理論作為現代物理學的核心不容忽視。對于研究大腦的人來說，盡管大統一理論看似不太可能，但它確實誘人，而對于一些科學家來說，大統一理論實在是太誘人了，以至于他們絕無可能輕言放棄。

本文作者· Author

Grace Lindsay

紐約大學心理、數據科學助理教授

她的主要研究領域有三個：建立注意力和學習之間的聯系模型、驗證系統神經科學的工具、將計算機視覺用于應對氣候變化。出版科普圖書、主持播客節目UnsupervisedThinking、參與科學寫作與學術傳播活動，還致力于將數據科學用于應對氣候變化等跨學科研究。

在大腦中尋找大統一理論是一項高風險高回報的工作，因此，它通常需要一個大人物來領導。對于大多數候選的大腦大統一理論來說，其核心代表人物都具有某種特征，他通常是第一位提出該理論的科學家，同時也代表了該理論的公眾形象。

一個成功的大統一理論還講求奉獻精神，為了完善理論，理論的支持者需要為此付出數年甚至數十年的光陰。他們絞盡腦汁地搜索新方法，以便將其理論運用到能找到的大腦的方方面面。同樣重要的還有宣傳，如果保持默默無聞，那么哪怕是最偉大的大統一理論也難以為人所知。因此，人們編寫了各種論文、文章以及圖書，為的就是將大統一理論不僅傳達給科學界，也傳達給整個世界。

此外，大統一理論愛好者的臉皮最好也要厚，因為推廣這類理論可能會遭受大批科學家的白眼，由于這些人一次只研究大腦的某一部分，其研究成果可能更加可靠。

1971年，社會學家穆雷·S.戴維斯（Murray S.Davis）在題為《這很有趣》（That’s Interesting）的文章中對理論進行了反思：“長久以來人們一直認為，一個理論家偉大是因為他的理論是正確的，可這大錯特錯。一個理論家偉大，不是因為他的理論是正確的，而是因為他的理論很有趣……事實上，理論的影響力和它是否正確關系不大，即使一個理論的正確性有爭議，甚至已被證偽，這都不妨礙它繼續被看作一個有趣的理論！”而無論大腦大統一理論是否正確，它無疑都是有趣的。

從預測到行為：

自由能理論的廣泛應用與爭議

英國神經科學家弗里斯頓生性開朗，講話輕聲細語，讓人很難聯想到他是一項雄心勃勃且富有爭議的科學運動的領導者。可他確實不乏忠實的追隨者，從學生到教授，甚至是神經科學傳統邊界之外的科學家，這些人每周一都會雷打不動地聚在一起，聽取弗里斯頓的一些見解。他們在弗里斯頓身上尋求的，主要是他針對以下課題的獨特智慧：15年來，弗里斯頓將自己對大腦、行為以及其他方面的理解都建立在一個包羅萬象的框架上，這便是自由能理論。

“自由能”這個術語在數學中描述的是概率分布之間的差異。但在弗里斯頓的框架中，自由能的含義可以被簡單地概括為：大腦對世界的預測與它實際接收到的信息之間的差異。自由能理論主張，大腦的一切所作所為都可以被理解成在盡可能地減少自由能，換句話說，就是盡可能地讓大腦的預測與現實保持一致。

在這種理解方式的啟發下，許多研究人員一直在尋找大腦中生成預測的部位以及這些預測是如何與現實進行比對的。在其中一個研究領域中，圍繞“預測編碼”的想法，人們探索了這類情況是如何在感覺處理中發生的*。在大多數預測編碼的模型中，信息在正常情況下通過感覺處理系統進行傳遞。例如，聽覺信息從耳朵傳入大腦后，首先通過腦干和中腦的區域進行傳遞，然后再依次通過皮質的各個區域。人們普遍認為，這條前饋通路是感覺信息轉化為感知的關鍵方式，即便是不怎么相信預測編碼理論的研究人員也對這一點沒有異義。

*實際上，預測編碼的想法是在沒有受到弗里斯頓或自由能理論影響的情況下獨立發展的，它首次亮相是在拉杰什·拉奧（Rajesh Rao）和達娜·巴拉德（DanaBallard）于1999年發表的一篇論文中，而自由能理論的擁躉們隨后熱切地探索了這個想法。

但預測編碼的獨特之處在于它對反饋通路的見解，這類通路是指從下游腦區到上游腦區的連接，例如從次級聽覺皮質到初級聽覺皮質。總的來說，關于這些連接的功能，科學家做出了許多不同的假說。根據預測編碼假說，這些連接攜帶了預測信息。例如，當你在聽最喜歡的歌曲時，你的聽覺系統可能對接下來的音符和歌詞都爛熟于心。在預測編碼的模型中，這些預測會被反向傳遞，并與正向傳遞的現實世界中真實發生的信息相結合，通過比較這兩股信息流，大腦就能計算預測和現實之間的誤差。

事實上，在大多數預測編碼的模型中，某些表征預測誤差的神經元的唯一任務就是進行這種計算。因此，這些神經元的活動強度就指明大腦犯了多少錯：如果它們大量放電，這就表明預測誤差很大，如果它們保持安靜，則表明預測誤差很小。如此一來，這些神經元的活動就是物理實體化的自由能，并且根據自由能原理，大腦的目標就應該是讓這些神經元盡量少放電。

在感覺通路中存在這種神經元嗎？大腦是否學會了做出更準確的預測從而讓這些神經元保持安靜？多年以來，科學家一直在尋找這些問題的答案。

例如，法蘭克福大學的研究人員進行的一項研究就發現，當聽見預期中的聲音時，聽覺系統中的一些神經元確實會減少放電量。具體來說，研究人員訓練小鼠按下一個會發出噪聲的杠桿，當小鼠按下杠桿并聽見預期中的聲音時，相較于隨機播放相同的聲音或是杠桿發出意料之外的聲音，其神經元反應都較弱。這表明小鼠大腦中存在著一個預測，當預測情況沒有發生時，其聽覺系統中的神經元會發出更多的信號。然而總的來說，尋找預測編碼的證據是一件喜憂參半的事，并非所有尋找誤差神經元的研究都能滿載而歸，而且即便我們找到了這些神經元，其行為也并非總和預測編碼假設的完全一致。

為了最小化自由能，最顯而易見的方法似乎是讓大腦成為一臺更準確的預測機器，然而這并非唯一的方法。由于自由能是大腦預測內容和現實之間的差異，所以我們也可以通過調整行為將差異最小化。

設想有這么一只已經習慣于在某片森林周圍飛行的鳥，它可以預測哪些樹木適合筑巢，哪里的食物最豐富等。然而有一天，它比平時飛得更遠，并最終落在了某座城市中。由于這是它第一次體驗高樓大廈和車水馬龍，它對周圍世界中幾乎所有事物的預測能力都很低。預測內容和現實之間的這種巨大差異就意味著自由能很高。為了降低自由能，這只鳥可以選擇留下來，并寄希望于其感覺系統能逐步適應并預測城市生活的特征，當然它也可以選擇干脆飛回之前的森林。這第二個選項，即選擇某種行為從而導致感官體驗可以被預測，這正是自由能原理能夠成為潛在的大腦大統一理論的原因，因為該原理不僅可以解釋感覺處理的特征，也可以囊括行為上的決策。

自由能原理的確已經被用來解釋感知、動作以及介于兩者之間的一切東西*，這包括學習、睡眠和注意力等行為或事物，以及精神分裂癥和成癮等疾病。還有人認為，該原理還可以解釋神經元和大腦區域的解剖結構以及它們交流方式上的細節。事實上，弗里斯頓甚至沒有將自由能限制在大腦之中，他認為這是生物學和進化學中的指導原則，甚至還是理解物理學基礎的一種方式。

*完全展開來說，自由能原理的枝蔓會觸及本書中所涵蓋的大多數課題。它建立于貝葉斯大腦假說（第9章），與信息論中的想法交相輝映（第6章），應用了統計力學中的方程式（第3章和第4章），并解釋了視覺處理中的要素（第5章）。

弗里斯頓終其一生都在試圖將復雜的話題總結成簡單的三言兩語。2018年，他在《連線》雜志的一篇文章中回憶了他十幾歲時的一個想法：“一定存在一種方法，它能夠從零開始解釋萬物……如果我一開始只擁有整個宇宙中的一個點，那么我能僅根據這一個點推導出其他所有需要的東西嗎？”在弗里斯頓的世界中，自由能原理現在就是那個幾乎為零，卻又幾乎可以解釋世間萬物的東西。

然而在弗里斯頓的世界之外，自由能原理的能力就沒那么顯著了。由于他夸下海口，無數的科學家便嘗試著去了解弗里斯頓理論的來龍去脈，然而即使在那些自認為支持該原理的人中間，也很少有人會認為他們的嘗試是絕對能成功的。其中難點并不在于方程式過于復雜，因為在這群努力嘗試的科學家中，有很多人一生都致力于理解大腦中的數學。難點在于，要將自由能原理外推并運用于解釋大腦功能的各個犄角旮旯，我們就需要一種直覺，而這種直覺似乎只在弗里斯頓本人身上表現得最為強烈。由于我們缺少一個可以在給定某個情況下明確客觀地解釋自由能的方法，弗里斯頓只能扮演一個守著自由能喃喃低語的形象，在無數論文、報告以及周一例會中闡釋他對自由能含義的看法。

自由能原理之所以令人如此困惑，很可能源于一個連弗里斯頓也不得不接受的特征，即它的不可證偽性。大多數關于大腦功能的假設都是可證偽的，也就是說，通過實驗我們可以證明其主張是錯誤的。然而自由能原理更像是一種觀察大腦的方式，而非一個關于其工作原理的強有力的具體主張。

正如弗里斯頓所說：“自由能原理的本質就單純是一個原理……除了用來測試某個可測量的系統是否遵循該原理，你沒辦法再利用它做些什么。”換句話說，科學家不該基于自由能原理嘗試對大腦做出某種明確的預測，而應該捫心自問該原理是否有助于使他們以一種新的眼光看待事物。你想要試著弄清大腦是如何工作的嗎？那就去看看它是否在以某種方式最小化自由能吧。如果這能帶來進步，那很好；如果不能，那也沒關系。

如此看來，自由能原理最多只能搭一個架子，上面掛滿了有關大腦的各種事實。就它可以將很多事實聯系起來這一點而言，自由能理論確實“大”而“統一”，然而由于其不可證偽，它是否可以被稱為一種理論還有待商榷。

千腦智能理論：

解密大腦的終極挑戰

Numenta是一家位于加利福尼亞州紅木城的小型科技公司，它的創始人是企業家杰夫·霍金斯，他之前創立的兩家公司從事的都是手機的生產工作。這些手機是現代智能手機的前身。Numenta從事的則是軟件制造工作，該公司設計的數據處理算法旨在幫助股票經紀人、能源分銷商、IT公司等客戶識別并追蹤輸入數據流中的模式，而Numenta的主要目標是對大腦進行逆向工程。

霍金斯在科技領域取得了輝煌的職業成就，他卻一直對大腦很感興趣。雖然從未獲得任何該領域的學位，他卻在2002年創立了紅木神經科學研究所。這個研究所現在是加州大學伯克利分校的一部分。霍金斯在2005年又創立了Numenta。2004年，霍金斯和桑德拉·布拉克斯莉（Sandra Blakeslee）共同撰寫了《新機器智能》（On Intelligence）一書，書中所展示的一些想法構成了Numenta工作的基石。在這本書中，霍金斯提出的理論總結了新皮質（覆蓋在哺乳動物大腦表面的一層薄薄的腦組織）是如何產生感覺、認知、學習以及運動的，而這一系列想法現在被稱為“千腦智能理論”。

千腦智能理論的核心是一塊被稱為皮質柱的神經結構，這是一小團直徑為0.5～1毫米，長度為2～4毫米的細胞。如此命名是因為皮質柱構成了一根根從新皮質頂部一直延伸到底部的圓柱體，其外形就像是一根根平行的意大利面條。它的縱切面則類似一層層地質沉積：神經元被分成明顯的6個可識別的層次，各層中的神經元通過向上或向下的連接彼此進行交流。通常來說，同一皮質柱中的神經元執行著相似的功能，例如它們可能都以某種類似的方式對感覺輸入做出反應。然而，不同層次看起來確實擁有不同目的，例如有些層次負責從其他腦區接受輸入，有些層次則負責發送輸出。

20世紀中葉，神經科學家蒙卡斯爾首次發現了這些皮質柱，他認為皮質柱代表了大腦的基本解剖單元。將整個新皮質劃分成一個個不斷重復的單元，盡管這個想法同當時的主流意見格格不入，但蒙卡斯爾從中看見了它的潛力，因為這個單元可以處理皮質所接收的各式各樣的信息。霍金斯對此表示贊同。他在書中將蒙卡斯爾的工作描述為“神經科學中的羅塞塔石碑”，因為它“雖然只是單一的一個想法，卻將人類大腦各式各樣的奇妙能力相統一”。

想要了解霍金斯對這些微型處理單元的看法，我們必須同時考慮時間和空間。2014年，霍金斯在一次采訪中說：“如果你接受智能機器會根據新皮質的原理工作，那么（時間）就意味著一切。”大腦接收的輸入并非一成不變，這意味著任何有關大腦功能的靜態模型都是極其不完整的。更重要的是，大腦的輸出，也就是身體產生的行為在空間和時間上都得到了擴展。根據霍金斯的說法，主動在空間中移動身體并從中獲得動態的感覺數據流，這有助于大腦對世界建立更加深刻的理解。

神經科學家對動物是如何在世界中移動的有所了解，這種行為模式和一種被稱為“網格細胞”的神經元息息相關（見圖11-1）a。網格細胞是當動物處于某些特定位置時放電活躍的神經元。想象有一只小鼠在一片場地中跑來跑去，當小鼠位于場地中央時，某個網格細胞會處于活躍狀態。當小鼠向北移動幾個身長的距離時，同樣的細胞會再次處于活躍狀態，即使再向北移動幾個身長的距離也是如此。另外，如果小鼠朝著北偏西60°移動，我們也會看到相同的活動模式。

實際上，如果我們繪制一張地圖來表示這個細胞所有活躍的位置，就會在整個場地中形成類似于波爾卡圓點的圖像。這些圓點會全部均勻地分布在三角形網格的頂點，“網格細胞”也因此而得名。雖然不同網格細胞的網格在大小和方向上都有所差異，但它們都具有這種共同的網格狀特征。

霍金斯折服于這些細胞表示空間的能力，在他提出的有關新皮質如何了解世界的理論中，網格細胞也是其中的一個組成部分。但問題是人們在新皮質中并沒有找到網格細胞，事實上網格細胞存在于內嗅皮質中，這是一個在進化上相對古老的大腦區域。盡管幾乎沒有證據表明在這個區域以外還存在網格細胞，但霍金斯猜測它們實際上就隱藏在新皮質各個皮質柱的第六層。這些細胞究竟在做什么呢？為了解釋這一點，霍金斯喜歡舉的一個例子是用手指沿著咖啡杯畫圈兒。

實際上，霍金斯將其理論的起源歸結于他盯著咖啡杯時的一次靈光乍現，而他在演講時甚至會帶著一個杯子現場進行演示。新皮質中處理感覺的那部分皮質柱會從指尖獲得輸入，而根據霍金斯的理論，那些位于皮質柱底部的網格細胞也同時會記錄指尖的位置。通過將手指的位置信息與杯子在該位置摸起來的感覺相結合，皮質柱就可以在手指劃過咖啡杯時了解物體的形狀，下次再遇到相同物體時，皮質柱就可以使用這些儲存好的知識來識別物體。

由于這些皮質柱在新皮質中分布廣泛，這一過程可能會同時在任何位置發生。例如，代表手上其他部分的皮質柱會在碰到咖啡杯時構建自己的模型，而視覺系統中的區域也會將視覺信息和眼睛的位置相結合從而構建自己對咖啡杯的理解。總而言之，這些零零散散的貢獻統一地構成了我們對世界的理解，這就像是成千上萬個大腦在協同工作一般。

霍金斯的理論還處于發展階段，其中的許多細節仍有待推敲，但他對此寄予厚望。在他眼里，皮質柱不僅可以學習具象物體的形狀，還可以學習抽象物體的形狀。在思維或語言的世界中穿梭，和在真實物理世界中穿梭是異曲同工的，二者都可以通過相同的機制來實現。如果事實真的如此，那么就解釋了大腦是如何利用新皮質中重復的模式來完成從視覺到聽覺、從運動到算術的各類任務的。

這些皮質柱究竟有多相似，這也是人們爭論的話題。乍一看，新皮質看似密密麻麻地鋪滿了相同的皮質柱，但一些研究表明，在新皮質的不同區域中，皮質柱的大小、所含神經元的數量和類型以及它們之間的相互作用方式都有所不同。既然這些皮質柱的解剖學結構并不相同，那么它們的功能可能也就不同。這意味著和千腦智能理論所假設的不同，每個腦區執行的任務可能更為專一。若真是這樣的話，找到某個通用智能算法的希望可能會就此破滅。

正如我們在這本書中一再看到的那樣，要建立大腦的數學模型，我們通常需要先從大量的可選數據中篩選出一連串看起來與之相關的事實，然后將這些事實簡化并以某種方式拼接在一起，從而展示大腦的某一部分在理論上是如何工作的。此外，在弄清具體如何拼接這個簡化版生物學的過程中，我們可能還會做出一些與眾不同的意料之外的預測。就這種模式來說，千腦智能理論和其他神經科學中的模型相比沒什么兩樣。實際上，通過實驗和計算的工作，千腦智能理論中的許多概念，例如皮質柱、網格細胞、物體識別，這些已經被廣泛地研究過了。從這個角度看，千腦智能理論并非獨一無二，它和其他理論一樣可對可錯，也可能半對半錯。

或許真正讓霍金斯和Numenta的工作脫穎而出的原因，僅僅是他們堅持不懈樂觀地認為該理論是舉世無雙的，認為讓大腦皮質完全門戶洞開的鑰匙會第一次在真正意義上變得觸手可及。在2019年的一次采訪中，當霍金斯被問及我們距離完全理解新皮質還有多遠時，他是這樣說的：“我感覺自己已經上了一個臺階，所以如果我能在接下來的5年里正確地完成我的工作，也就是說如果我能宣傳這些想法、說服其他人相信這些想法，以及向其他從事機器學習的人證明他們應該關注這些想法，那么我們最多只需要不到20年的時間。”這種自信在科學家中十分罕見，而由于霍金斯的背后是私有資本，他的這種自信自然也就不會受限于正常的科研壓力。

霍金斯對其有關大腦的主張深信不疑，這一點盡人皆知。可縱使他把基于大腦的突破性算法吹得天花亂墜，人們仍對他兌現之前承諾的能力表示懷疑。人工智能研究領域的領軍人物辛頓曾稱，霍金斯對領域的貢獻“令人大失所望”。而在2015年，心理學教授加里·馬庫斯（Gary Marcus）在對比了Numenta的工作和其他人工智能技術后說：“我還沒有看到哪個觀點能一錘定音地證明，該理論在任何一個主要的挑戰中能一騎絕塵。”千腦智能理論有多少可能性能提供一套真正通用的智能機制呢？只有時間，這個在霍金斯思想中占據重要地位的概念，才能證明一切。

整合信息論：

革命性的理論還是科學的誤區

有人說，如果關于大腦的某個理論不能解釋大腦中最大最悠久的謎團，也就是意識，那它就是不完整的。對科學家來說，意識可能是一個艱深的話題，因為它承載了幾個世紀的哲學思考。然而在某些研究人員心中，其工作中的“圣杯”就是科學化且精準地定義意識，而通過這個定義，我們可以發現并量化存在于任何地方的意識。這也是“整合信息論”所許下的承諾。

整合信息論試圖通過一個方程式來定義意識，它最初是在2004年由意大利神經科學家朱利奧·托諾尼（Giulio Tononi）提出的，自此該理論又在他和其他人手中不斷更新換代。整合信息論的目標是把在任意物體中測量意識這件事都變得像是在大腦中測量意識一樣容易，這些物體包括計算機、石頭甚至未知的外星人等。通過更普遍地解釋意識的本質，該理論不同于那些由神經科學家設計的尤以生物學為核心的理論。

整合信息論能擺脫具體的大腦物理特征，是因為其產生的靈感完全來自另一個源頭，即內省。通過對第一人稱意識體驗的反思，托諾尼提出了意識的5個重要特征，它們構成了整合信息論的“公理”。第一個公理承認了意識客觀存在的基本事實，其他公理則包括：有意識的體驗是由多種不同的感覺組成的；體驗是具體的；體驗在我們看來是一個完整的整體；體驗是獨一無二的，多一分少一毫都不行。

托諾尼思考了什么樣的信息處理系統才能給出體驗的這些公理，如此一來他就能將公理映射到數學術語上。這么做的最終結果是對所謂的“整合信息”的一種統一度量，托諾尼用希臘字母φ對其進行表示。總的來說，φ表示了一個系統中信息的混合程度，恰到好處的混合應該可以產生豐富且完整的體驗。在整合信息論中，一個系統的φ越高，它所擁有的意識就越多。

事實證明，想要計算任何一個具有現實復雜度的系統的φ都幾乎是癡人說夢。對人類大腦來說，我們首先要進行幾乎無窮無盡的實驗來探索大腦的不同子結構是如何相互作用的。即便能做到這一點，接下來等待我們的將是一系列漫長而艱苦的計算。

為了解決這個問題，人們發明了多種近似φ的方法，如此一來我們就能有理有據地猜測系統的φ。利用φ，人們已經解釋了為什么某些大腦狀態會比在其他狀態產生更多意識體驗。例如在睡眠期間，由于中斷了神經元之間有效的交流，大腦整合信息的能力下降，從而導致φ變小。根據托諾尼的理論，類似的原因還可以解釋人為什么會在癲癇發作時失去意識。

該理論還做出了一些可能有些出人意料的預測。例如，一個普通恒溫器的φ雖然很小但并不為0，這意味著一臺調節室溫的設備也具有一定量有意識的體驗。不僅如此，如果我們精心設計，一些非常簡單的設備所擁有的φ可能還遠遠高于人類大腦的φ的估計值。這些違背直覺的結論使一些科學家和哲學家對整合信息論持懷疑態度。

另一條對整合信息論的批評則直指其公理基礎。該批評指出，托諾尼選擇的公理并非唯一可以用來建立意識理論的公理，而他將公理映射到數學上的方法明顯既不是唯一也不是最好的方法。那么問題來了，如果整合信息論的基礎如此單薄，我們又怎么能相信從中得出的結論，尤其是那些出人意料的結論呢？

2018年，意識科學家開展了一項非正式的調查，調查結果顯示整合信息論并非專家們最喜歡的理論，它名列第四，排名前三的選項分別是另外兩種理論以及包括了各式理論的“其他”選項。但同樣是在這項調查中，人們發現整合信息論更受非專業人士的青睞，實際上，在非專業人士中有一部分人自認為擁有足夠的知識來回答該問題，而關于這幫人的調查結果中整合信息論排名第一。

一些開展該調查的人猜測這可能是整合信息論公關的結果。在外界看來，僅僅是因為理論背靠著硬核的數學，它看起來就很權威很合理。而相較于大多數關于意識的科學理論，整合信息論在大眾媒體上受到了更多關注。其中就包括著名神經科學家科赫的著作，他同托諾尼合作，公開宣揚整合信息論。在這本題為《意識與腦：一個還原論者的浪漫自白》（Consciousness: Confessions of a Romantic Reductionist）的書中，科赫描述了他探索意識的科研之路，包括他和諾貝爾獎獲得者弗朗西斯·克里克（Francis Crick）的合作，以及他對整合信息論的看法。這種通俗的讀物或許能行之有效地將理論傳播給更廣的受眾，卻不一定能使懂行的科學家心服口服。

*實際上，預測編碼的想法是在沒有受到弗里斯頓或自由能理論影響的情況下獨立發展的，它首次亮相是在拉杰什·拉奧（Rajesh Rao）和達娜·巴拉德（DanaBallard）于1999年發表的一篇論文中，而自由能理論的擁躉們隨后熱切地探索了這個想法。

但即使是那些對整合信息論缺乏信心的科學家，也情不自禁地為這種努力而鼓掌。眾所周知，意識這個概念很難把握，所以整合信息論能試著將意識訴諸嚴謹的科學探究，這算得上是朝著正確的方向邁進了一步。物理學家斯科特·阿倫森（Scott Aaronson）是整合信息論的公開批評者，他在博客上寫道：“縱使整合信息理論因其核心的緣故明顯是錯的，在所有關于意識的數學理論中，其仍然能夠躋身前2%了。在我看來，幾乎所有與之競爭的意識理論都過于模糊、松散以及易變，以至于錯誤對它們而言都是一種奢求。”

大統一理論：

在復雜中尋求簡單之美

大統一理論可能是個不太好掌握的東西。為了“大”和“統一”，理論必須對一個極其復雜的物體做出簡單的表述，而幾乎所有關于大腦的表述肯定都在某些地方有著潛藏的例外。因此，讓大統一理論過“大”就意味著它實際上無法解釋很多具體的數據，而將它與某個具體數據聯系得過于緊密，它又不再那么“大”了。無論大腦的大統一理論是不可測的、未經測試的，還是測試后失敗的，它在嘗試解釋太多東西時，就冒著什么都解釋不了的風險。

雖然這對尋求大統一理論的神經科學家來說是一場艱苦卓絕的戰斗，但這個挑戰在物理學中就似乎沒那么大。造成這種差異的原因可能很簡單：進化。經過數億萬年的進化，神經系統適應了一系列需求，從而使特定物種能在特定環境中完成特定挑戰。在研究這種自然選擇的產物時，科學家就不能希望它是簡單的。為了創造出有功能的生物，生物學可以根據所需選擇任何一條途徑，它才不管其中哪個部分是否容易理解呢。因此，如果我們發現大腦只是一盤不同成分和機制的大雜燴也就不足為奇了，因為這只不過是大腦運作所需的一切罷了。總的來說，我們不能保證，甚至可能也沒有任何令人信服的理由去相信，大腦可以用簡單的規律來描述。

一些科學家選擇接受這種混亂。與其將大腦簡化為其最簡單的元素，他們更愿意選擇構建一種更包容且宏大的大統一理論來將所有部分拼接在一起。如果說傳統的大統一理論就像是一塊只用鹽調味的煎牛排這般簡單，那么這類模型則更像是一大鍋亂燉，雖然它不像大統一理論那樣時尚優雅，卻更有可能勝任其工作。

這種更具包容性的方法的一個例子，就是我們在第1章討論過的藍腦計劃所構建的極盡詳細的模擬。通過一系列細致的實驗，這些研究人員找到了關于神經元和突觸的無數細節，然后將所有這些數據重新拼湊成一個僅僅包含大腦一小部分的精細計算模型。這種方法假設每個細節都是寶貴的，缺少其中任何一個都會導致我們無法理解大腦。它全心全意地接受了生物學中的細枝末節，并希望通過將所有東西合成一堆，我們就能更全面地了解大腦的工作原理。然而其中的問題在于規模。自下而上重建大腦的方法只能是一個神經元一個神經元地往上加，這就意味著我們距離搭建一個完整的模型還有很長的路要走。

語義指針架構統一網絡（Semantic Pointer Architecture Unifi ed Network，SPAUN）則來自一個完全不同的方向。SPAUN是由加拿大安大略省滑鐵盧大學的克里斯·伊利亞斯米特（Chris Eliasmith）所領導的團隊開發的，它的目標并非要捕捉神經生物學的全部細節，而是大腦模型。這意味著和大腦一樣，模型獲得了相同的感覺輸入同時也具有相同的動作輸出。具體而言，語義指針架構統一網絡可以用圖像作為輸入，并控制模擬手臂寫下輸出。在輸入和輸出之間是一個由250萬個簡單模型神經元所組成的復雜網絡，其排列方式大致模仿了全腦結構。通過這些神經連接，語義指針架構統一網絡可以執行7種不同的認知和運動任務，例如繪制數字、回憶物體列表以及補全簡單圖像等。

通過這種方式，語義指針架構統一網絡犧牲了優雅從而獲得了功能。當然，人類大腦所含神經元的數量是其數萬倍，可完成的任務也遠不止這7項。語義指針架構統一網絡發展至今靠的是實用主義的原理，但它的這種原理和規模是可以帶領我們直抵大腦的完整模型，還是尚需要加入更多的神經元細節？這一點仍未可知。

一個真正的大統一理論，其目標在于濃縮。它將各式各樣的信息融合成一個緊湊且易于消化的形式。這使大統一理論看起來令人滿意，因為它給人一種仿佛能輕松完全掌握大腦原理的感覺。然而像語義指針架構統一網絡和藍腦計劃模擬這類模型則非常寬泛，它們引入了多個數據源并用其構建一個復雜的結構。通過這種方式，這類模型犧牲了可解釋性以獲得其準確性，其目標是通過整合所有需要解釋的東西去解釋一切。

就像所有模型一樣，即使是這些更寬泛的模型也仍舊不是完美的復制品。構建這些模型的人仍舊需要選擇想要涵蓋的內容、想要解釋的東西以及可以忽略的東西。當以大統一理論這類東西為目標時，我們總希望可以找到一組最簡單的規則來解釋最多的事實。對于像大腦這樣緊密且混亂的東西，這組最簡單的規則可能還是很復雜。并且我們也絕無可能提前知曉，捕捉大腦功能相關特征所需要的細節程度和規模是什么，只有通過建模對其進行測試，我們才能在這個問題上取得進展。

總而言之，神經科學和“更難”、更定量化的學科之間存在著相當密切的關系。它接受了許多來自物理學、數學以及工程學的饋贈。這些類比、方法以及工具儼然已經改變了我們對關于大腦的一切內容的思考，包括從神經元到行為。而大腦研究也知恩圖報，它不僅為人工智能提供了靈感，同時也為數學方法提供了測試的舞臺。

但神經科學終究不是物理學，它必須避免扮演弟弟妹妹的角色，避免跟在這個更古老的學科身后亦步亦趨。物理學中的指導原則以及成功策略并不總能有效地運用于生物學，因此我們必須小心謹慎地對待靈感。在建立大腦模型時，數學上的美并非唯一的指路明燈，相反，我們始終需要在這種影響和大腦獨有的特征之間進行權衡。當權衡得恰到好處時，生物學的復雜性就可以被簡化為數學方程式，從而產生真知灼見，而這也不會過度地受到其他領域的影響。如此一來，大腦研究才能在用數學理解自然世界這件事上開辟出自己的道路。

?《心智的10大模型》作者：［美］格蕾絲·林賽 點擊上圖購買。

贈書介紹：在《心智的10大模型》中，計算神經科學家格蕾絲·林賽深入探討了數學模型在理解大腦中的關鍵作用。書中通過10個數學模型，從單個神經元到復雜的神經環路，再到整個大腦的行為控制，逐步展示了數學工具如何幫助科學家理解和描述大腦的決策、感覺處理、記憶等過程。本書不僅是一部科學史，也是一本前沿的神經科學指南，為讀者呈現了神經科學與數學計算機科學的跨學科融合，啟發讀者思考大腦建模與心智建模之間的關系及其未來的發展方向。

本次贈書活動規則如下：請在本推文評論區留言，說說你對大腦的大統一理論的看法，我們將按照留言點贊數最高、留言區編輯精選、追問讀者社群隨機抽取，從中選取三位讀者，各送上一本《心智的10大模型》！本次贈書活動截止時間為5月22日晚10點，歡迎感興趣的朋友前來參與。（追問讀者社群加入方式，請添加微信“NextQuestion_bot”）

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute, TCCl）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。TCCI與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了TCCI加州理工神經科學研究院。TCCI建成了支持腦科學研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括學術會議和交流、、、科研型臨床醫生獎勵計劃、、中文媒體追問等。