1700673330
1700673331
1700673332
1700673333
1700673335
大脑传 绪论
1700673336
1700673337
1665年,一小群思想家在法国巴黎南部郊区的伊西齐聚一堂。丹麦解剖学家尼古拉斯·斯丹诺向他们做了一次演讲。这次非正式会谈是催生法国科学院的原因之一,现代对脑[1] 的认知方式也是从这一刻开始的。斯丹诺在他的演讲中大胆地指出,如果我们想要理解脑的功能以及脑的运作方式,而不单单是描述其组成部分,那么我们就应该将脑视为一台机器,并拆解开来观察其如何运转。
1700673338
1700673339
这是一个革命性的理念。在此后的350多年里,我们研究脑的方式一直都遵循着斯丹诺的建议:窥探死亡的脑组织;切下活脑的一小块并加以研究;记录神经细胞(神经元)的电活动;甚至在最近,通过改变神经元的功能来诱发惊人的结果。尽管大多数神经科学家从未听说过斯丹诺这个人,但他的远见卓识深刻地影响了其后几个世纪的脑科学研究,并且是我们对脑这个非凡器官的认知能够取得显著进步的根源所在。
1700673340
1700673341
现在,我们可以使一只小鼠记住它从未嗅过的气味,使健忘的小鼠获得良好的记忆力,甚至可以使用电流改变人类感知人脸信息的能力。我们也正在越来越详尽地描绘出人类和其他生物复杂的脑功能图谱。我们可以随意改变一些物种特有的脑部结构,进而改变其行为。我们还能使一个瘫痪的人通过意识控制机械臂,这体现了我们对脑日益深入的理解所能带来的深远影响。
1700673342
1700673343
但我们也并非无所不能。至少在目前,我们无法在人脑中人为地创造精准的感官体验(致幻剂能做到这一点,不过是通过一种我们无法控制的方式),尽管我们已经可以在小鼠实验中进行这种精准的操作。在最近的一组实验中,两个科学家团队训练小鼠在看到一组线条后舔食瓶子中的水,并用仪器记录下小鼠脑中视觉中枢的少量细胞对这些图像的反应。这些研究者随后使用复杂的光遗传学技术,在小鼠相关的脑细胞中人为地重现了这种神经元活动的模式[2] 。这时,尽管小鼠处于完全黑暗的环境中,它们却表现得仿佛看到了这些线条一样。对于这种现象,一种解释是对于小鼠而言,这种神经元活动的模式与“看见”在本质上是相同的。我们需要更多巧妙的实验来验证这种猜想,但现在,对于神经元网络的活动模式是如何创生出知觉的这个问题,我们距离答案已经不远了。
1700673344
1700673345
本书讲述了几个世纪以来有关脑的发现,向读者展示那些超凡脱俗的智者(尽管他们中的一部分人已被世人遗忘)是如何发现脑是产生思想的器官并探索脑的运作机制的。本书还描述了我们在试图理解脑的功能时所取得的一些非凡发现。这些深刻的见解源自一些设计巧妙的实验,这些实验天才般的设计本身就令人惊叹。
1700673346
1700673347
但这个令人惊叹的发现过程中存在一个明显的缺陷,而许多声称解释了脑如何运作的书籍都鲜少承认这个缺陷。尽管我们对脑已经有了相当程度的基本认知,但对于数十亿个、数百万个、数千个甚至仅仅数十个神经元是如何协同工作,从而产生脑活动的,我们仍然没有清楚的认识。
1700673348
1700673349
对于脑是如何工作的,我们已经有了一些宽泛的了解:脑与世界互动,然后和我们身体的其余部分一起,用先天和后天形成的神经网络来表征有关外界刺激的信息。脑会预测这些信息可能发生何种变化,以便准备随时做出反应。作为身体的一部分,脑还负责组织各项身体活动。这一切都靠神经元及其复杂的相互连接以及浸淫神经元的化学信号共同完成。事实上,在你的脑中并不存在一个超脱于肉体的人在注视着这些活动,无论这与你内心深处的感受多么背道而驰。脑中只有神经元、神经元之间的连接以及在这些神经网络间传递的化学物质。
1700673350
1700673351
然而,对于在神经网络层面和组成神经网络的细胞的层面上脑中究竟发生了什么,或者在一个特定的神经网络活动发生改变后会发生什么,我们的了解才刚刚起步。通过在小鼠的脑中精准地复制我们所发现的神经元活动模式,我们也许能在小鼠的脑中人工诱导出视觉,但我们目前仍然不太清楚视觉感知为什么会产生这样的神经元活动模式,也不清楚这样的神经元活动模式是如何产生的。
1700673352
1700673353
虽然我们取得了了不起的进步,但对于人脑这个神奇的器官,我们仍然知之甚少。而解答这一切问题的一个关键方法,正是斯丹诺的那个建议——我们应当把脑看作一台机器。“机器”这个词在不同的世纪被赋予了非常不同的含义,而每一个不同的含义都影响了我们对脑的看法。在斯丹诺生活的时代,世间的所有机器都是基于液压动力或者发条的装置。人们很快就发现,这类机器对于我们了解脑结构和脑功能的帮助非常有限。如今,已经没有人会从这种视角去理解脑了。随着科学家发现神经能对电刺激做出反应,19世纪的人们首次将脑看作某种电报网络系统。在神经元和突触(synapse)被发现后,人们又将脑看作电话交换机,具有灵活的组织和输出能力(这种隐喻至今仍然不时出现在研究论文中)。
1700673354
1700673355
自20世纪50年代以来,反馈回路、信息、编码、计算等计算机领域的概念渗透到生物学领域,并主导了我们对脑的认识。尽管在我们发现的脑功能中,有很多通常都涉及某种计算,但时至今日,我们完全弄明白的功能仍然寥寥无几。不仅如此,在有关神经系统的“计算”机制的理论中,有一些最耀眼和最有影响力的理论后来被证明是完全错误的。毕竟,当科学家在20世纪中叶首先将脑与计算机进行类比后,他们很快就意识到脑并不是数字化的。即使是最简单的动物脑,也和我们制造出的或者能够设想出的计算机不是一回事。脑不是计算机,但是比起钟表来,脑与计算机更相似,把脑比作计算机可以启发我们思考人与动物的脑中正在发生什么。
1700673356
1700673357
通过想象脑是哪种类型的机器,我们在不断地探索关于脑的概念。探索这些概念让我们明白,虽然我们对脑的理解还远不够彻底,但我们思考脑的方式比过去更加丰富了。这不仅仅是因为我们发现了很多令人惊奇的事实,更是因为我们解读这些事实的方式。
1700673358
1700673359
这样的变革有重大的意义。几个世纪以来,每一层新的技术性隐喻都加深了我们对脑的理解,让我们能够开展新的实验,并对过去的发现进行重新解读。然而,对这些隐喻的依赖也限制了我们思考的内容和方式。颇有一些科学家现在认识到,把脑看作一台被动响应输入信息并处理数据的计算机使我们忘记了脑其实是一个主动的器官。作为身体的一部分,脑能与外部环境相互作用,而且是脑过往的演化经历塑造了它现在的结构和功能。这些隐喻使我们忽视了脑活动的关键部分。换句话说,我们使用的这些隐喻塑造了我们有关脑的概念,但这种塑造并非总是有益的。
1700673360
1700673361
技术与脑科学之间的这种吸引人的关联意味着在未来的某一天,目前尚未可知的新技术进步又将改变我们对脑的认知。随着新洞见的出现,我们将重新解读当前已知的知识,抛弃错误的假设,发展新的理论和探究之道。当科学家们认识到他们的思考方式(包括他们提出的问题和构想的实验)一定程度上受到了技术性隐喻的框定和限制时,对未来的憧憬常常会使他们兴奋不已。他们想知道下一次重大突破会是什么,以及如何将其运用到他们的研究当中。如果对此我能知道哪怕一星半点,我都能发大财。
1700673362
1700673363
1700673364
1700673365
1700673366
本书不是一部神经科学史,不是脑解剖学和脑生理学史,不是意识研究史,也不是心理学史。虽然书中包含了一些以上学科的内容,但我要讲的历史与这些学科的历史都不同,原因有二。第一,我想要探索我们在思考脑能做什么以及如何运作时,所采用的丰富多样的方法,重点关注实验证据——这与讲述某个学科的故事大为不同。本书也不会局限于讲述我们是如何认识人脑的,因为我们对哺乳动物脑和其他动物脑的探究,也对我们认识人脑的思路有所启发。
1700673367
1700673368
在我们探究脑的历程中,有一些主题和观点会不断重复出现,其中一些至今仍然会引发激烈的讨论。一个始终存在的争论是,脑的各项功能在多大程度上是局域化地分布在脑的特定区域的。这个想法可以追溯到几千年前,至今仍不断有研究结果指出,脑的某个功能可以定位在一个特定的脑区,例如你手掌的感觉、你读懂句法的能力或者你的自控力。但这些观点往往很快又会被一些新的发现所修正,比如脑的其他区域可能也在影响、补充着这种功能,或者这个特定的脑区也在其他脑功能中起着某种作用。如此往复很多次后,脑功能定位化的理论虽然并没有完全被推翻,但和最初的样子相比已经变得面目模糊了。原因很简单:与其他机器不同,脑不是被设计出来的,而是演化了5亿多年的器官。因此,我们没有理由认为脑会像我们创造的机器那样行使功能。这意味着尽管斯丹诺的出发点——将脑看作机器——一直以来十分有生命力,但它永远无法就脑的运转机制给出一个全面并且令人满意的描述。
1700673369
1700673370
脑科学与技术的相互作用是贯穿本书的脉络,这种相互作用也表明科学会渗入文化中。因此,本书内容的一部分是阐释这些想法是如何体现在莎士比亚、玛丽·雪莱、菲利普·迪克[3] 和其他作家的作品中的。有趣的是,文化史研究发现,隐喻可以双向流动。19世纪,就在脑和神经系统被比作一个电报网络后,顺着电报线传递的莫尔斯电码和其引发的人类读码者的反应,也反过来被比作神经系统的活动。同样,计算机从诞生之初起就被视作一个脑。为约翰·冯·诺伊曼建造第一台数字计算机的计划提供依据的,是生物学上的发现,而不是这些计划催生了生物学上的发现。
1700673371
1700673372
本书不是一部单纯的历史的第二个原因可以从目录页上看出来。本书被分为“过去”、“现在”和“未来”三个部分。“现在”部分讲述了过去70年来,在计算机隐喻的框架下,我们对脑的理解是如何发展的。这一部分的结论是,某些研究者感觉到我们对脑的理解正在陷入僵局。
1700673373
1700673374
这听起来似乎有些诡异。科学家们目前正在对各种各样的脑(从最小的脑到人类自己的脑)进行研究,也在积累有关脑结构和脑功能的海量数据。数以万计的研究者正付出大量的时间以及精力探究和思考脑的活动,令人惊叹的新技术也赋予了我们描绘和操纵脑活动的能力。我们每天都会听说新的发现如何为理解脑活动提供新的思路。与此同时,能让我们化不可能为可能的新技术的希望(或者威胁)也随之而来,包括读心术、通过脑电波识别罪犯,甚至把思维上传到计算机里。
1700673375
1700673376
与这些慷慨激昂的展望不同,过去十年间学术期刊和书籍上发表的观点显示,神经科学家群体中流传着一种看法,认为脑科学的未来之路并不清晰。除了单纯地收集更多的数据或者指望出现最新的激动人心的实验手段外,我们很难看清该往何处去。当然,并不是每个人都这么悲观。有一些神经科学家信心十足地宣称,新数学方法的应用能让我们理解人脑中难以计数的神经连接。另一些科学家则致力于研究尺度复杂性上另一极的动物脑——线虫或果蝇幼虫[4] 极其微小的脑。他们试图使用成熟的技术来探究这些简单的系统如何工作,然后把获得的知识应用于探究更复杂的脑。在思考过这些难题的神经科学家中,很多人都认为脑科学只可能逐步且缓慢地进步,因为这个领域并没有一个自己的“大统一理论”。
1700673377
1700673378
这个难题有两个层面。首先,脑的复杂程度超乎想象。任何一个脑,不只是人脑(虽然本书重点讲述的是人脑的智能),都堪称已知宇宙中最复杂的物体。天文学家里斯爵士[5] 曾指出,一只昆虫都比一个恒星更复杂。达尔文也说过,蚂蚁的脑虽然很小,却能产生非常复杂的行为,简直是“世界上最不可思议的物体之一,也许比人脑还不可思议”。我们面对的正是这样量级的挑战。
1700673379
[
上一页 ]
[ :1.70067333e+09 ]
[
下一页 ]