1700678207
[95] 杰拉德·埃德尔曼（1929—2014），美国生物学家，因为有关抗体化学结构的研究与英国生物学家罗德尼·波特分享了1972年的诺贝尔生理学或医学奖，职业生涯后期致力于神经科学领域的研究。——译者注
1700678208
1700678209
[96] Dehaene (2014), p. 233.
1700678210
1700678211
[97] 例如：Edelman, G. and Tononi, G. (2000), Consciousness: How Matter Becomes Imagination (London: Penguin), and Tononi, G., et al. (2016), Nature Reviews Neuroscience 17: 450–61.
1700678212
1700678213
[98] 我承认我不完全理解整合信息理论。正如我所猜测的那样，我并不孤单。法国科学哲学家马蒂亚斯·米歇尔（Matthias Michel）调查了科学家们对这一理论的态度，发现许多非专家级的研究人员并没有真正领会它，但不知道为什么却对这个理论印象深刻：“从某种意义上说，人们用这个理论表面上的复杂程度作为指标，来推测它正确的可能性有多大。他们并不真正理解这个理论，但他们愿意相信，如果能弄懂它，他们会认为这是关于意识的正确理论。”见：Sohn, E. (2019), Nature 571
:S2-S5; Michel, M., et al. (2018), Frontiers in Psychology 9
:2134。
1700678214
1700678215
[99] Tononi, G. (2008), Biological Bulletin 215: 216–42.论文中包含一些着实令人困惑的图表。
1700678216
1700678217
[100] Baluška, F. and Reber, A. (2019), BioEssays 2019: 1800229.
1700678218
1700678219
[101] Tononi, G. and Koch. C. (2015), Philosophical Transactions of the Royal Society: B 370: 20140167; Koch (2012).
1700678220
1700678221
[102] 罗杰·彭罗斯，出生于1931年，英国数学物理学家，因“发现黑洞的形成是广义相对论的有力预测”获2020年的诺贝尔物理学奖。——译者注
1700678222
1700678223
[103] Pennartz, C. (2018), Trends in Cognitive Sciences 22: 137–53; Morsella, E., et al.(2016), Behavioral and Brain Sciences 39: e168.另见论文后面关于他们各自立场的批判性讨论。
1700678224
1700678225
[104] 例如：Penrose, R. (1995), Shadows of The Mind: A Search for the Missing Science of Consciousness (London: Vintage)。
1700678226
1700678227
[105] Gazzaniga (2018).
1700678228
1700678229
[106] Litt, A., et al. (2006), Cognitive Science 30: 593–603.
1700678230
1700678231
[107] 例证参见：Dehaene (2014); Clark (2016); Shea, N. and Frith, C. (2019), Trends in Cognitive Sciences 23: 560–71。
1700678232
1700678233
[108] Tononi and Koch (2015), p. 10宣称他们的整合信息理论能够“预测”裂脑患者出现分裂心智的现象。事件出现后再去预测总是容易的。两个理论提出的检验方式的细节见：Reardon, S. (2019), Science 366: 293。
1700678234
1700678235
[109] Dehaene, S., et al. (2017), Science 358: 486–92.
1700678236
1700678237
[110] 丘奇兰德的著作是一泓清泉，充满了良好的判断力，用她的话来说，当你感到“被哲学的胡言乱语所迷惑”的时候，你就应该跃入其中。见：Churchland, P. (2017), in K. Almqvist and A. Haag (eds.), The Return of Consciousness: A New Sci-ence on Old Questions (Stockholm: Axel and Margaret Ax
:son Johnson Foundation), pp. 39–58, p. 59。
1700678238
1700678239
[111] Sarasso, S., et al. (2015), Current Biology 25: 3099–105.
1700678240
1700678241
1700678242
1700678243
1700678245
大脑传 第三部分 未来
1700678246
1700678247
我们最终将如何理解脑，以及这种理解将包括哪些内容，对此做出预测并不容易。这么做也很鲁莽，许多读者（尤其是各位当中的神经科学家们）无疑会不同意下文中的一部分内容，而且预测往往是白费工夫，尤其是事关未来的时候。然而，我还是要写出来。
1700678248
1700678249
如今，令人惊奇的新技术为脑实验提供了一定程度的操控能力，而就在几年前，这种操控能力还会被视作只可能出现在科幻小说里。与此同时，我们将各种发生在脑中的事情成像的能力也变得越来越精确。然而，科学家们一再指出，不仅所有这些数据没有让我们能够理解脑，而且我们甚至还没有踏上实现这一目标的道路。[1] 正如神经科学家奥拉夫·斯波恩斯（Olaf Sporns）所说的那样，“神经科学在很大程度上仍然缺乏组织原理或者理论框架，因此无法将脑研究数据转化为基本知识和认识”。[2] 我们对脑的理解似乎陷入了僵局。
1700678250
1700678251
2017年，《科学》杂志在题为《神经科学：寻找新概念》（Neuroscience: In Search of New Concepts）的系列文章中探讨了这个问题。[3] 法国神经科学家伊夫·弗雷尼雅克的文章聚焦于当前的一个流行趋势：开展耗资巨大的大型研究项目并收集海量的数据。对于弗雷尼雅克来说，这代表了脑研究的工业化——出资机构（以及研究人员）相信，“利用最新奇的工具并借助规模的力量，可以带来一些启示”。[4] 世界各地都有这样的项目，从美国（“脑计划”“人类连接组计划”等）到中国（“中国脑计划”），再到欧洲（“人脑计划”以及许多其他计划），还有澳大利亚和日本。矛盾的是，这些研究产生的海量数据反而正在成为脑研究进程中的主要瓶颈。对于造成这种情形的部分原因，弗雷尼雅克一针见血地指出是“大数据不等于知识”：
1700678252
1700678253
仅仅在二三十年前，神经解剖学和神经生理学的信息还相对稀缺，理解心智相关的过程似乎还可以实现。如今，我们已经淹没在了信息的洪流中。矛盾的是，我们所有对心智问题的整体理解都处于被冲走的极度危险之中。每一次技术上的突破都打开了潘多拉的魔盒，暴露出隐藏的变量、机制和非线性关系，把问题的复杂性提高到了新的水平。
1700678254
1700678255
对于这个问题，弗雷尼雅克没有给出直接的答案，只是提出了一系列建议，包括通过鼓励跨学科合作、专注于假设检验等方式来驾驭和丰富大数据项目，而不是单纯地收集大量信息。
1700678256
[
上一页 ]
[ :1.700678207e+09 ]
[
下一页 ]