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
1700678244
大脑传 [:1700672997]
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
1700678257
尽管生产出的海量数据是新事物，但问题并不是新问题。1992年，帕特丽夏·丘奇兰德和泰瑞·谢诺夫斯基出版了著作《计算脑》（The Computational Brain ）。他们在书中描述了感觉、可塑性和感觉运动整合的最新模型，但仍然认为在理论方面几乎没有什么进展：“几乎所有事情都有待完成，各个方面的重要谜题都若隐若现。”[5] 将近四分之一个世纪后，丘奇兰德的女儿、神经科学家安妮·丘奇兰德（Anne Churchland）做出了类似的判断。她与拉里·阿博特共同撰文，强调了我们解释世界各地实验室产生的大量数据时所面临的困难：“在这场科学攻坚战中，想要取得深刻的理解，除了需要巧妙和创造性地应用实验技术外，还需要更为先进的数据分析方法，以及对理论概念和模型的大量应用。”[6]
1700678258
1700678259
这些对更多理论的反复呼吁可能只是一种虔诚的希望。我们有理由相信，对脑功能的解释不可能只有单一的理论，即使在线虫中也不可能，因为脑不是一个单一的东西（科学家甚至很难对脑做出一个精准的定义）[7] 。正如克里克指出的那样，脑是一个进化和整合出的结构，在进化的过程中，脑的不同部分出现于不同的进化时期，以解决不同的问题。我们目前对脑运作机制的理解是非常片面的。例如，大多数有关感觉的神经科学研究都集中在视觉上，而不是嗅觉，因为嗅觉研究在概念上和技术上都更具挑战性。但无论是在计算方式上还是在结构上，嗅觉和视觉的工作方式都是不同的。通过聚焦视觉，我们对脑的功能以及它是如何运作的已经有了非常有限的理解。[8]
1700678260
1700678261
脑的本质是集成与复合同时存在，这可能意味着我们未来对脑的理解必然是支离破碎的，对不同的部分有不同的解释。毕竟，正如大卫·马尔所说的那样，脑是由“非常非常多”的信息处理装置组成的。丘奇兰德和阿博特明确地指出了个中的含义：“当我们建立起对脑的全面理解时，这种理解可能会很像一幅拼贴出的作品，由高度多样化的‘布片’松散地‘缝合’而成。”[9]
1700678262
1700678263
1700678264
1700678265
1700678266
半个多世纪以来，人们一直认为脑的信息处理过程与计算机的处理过程类似，所有对高度多样化的“布片”的研究都是基于这个想法。但这并不意味着这个隐喻在未来会继续有用。1951年，数字时代刚开始的时候，卡尔·拉什利就对使用任何基于机器的隐喻表示过反对：
1700678267
1700678268
皇家园林中的液压雕像令笛卡儿印象深刻，他因此发展出了脑活动的液压理论。从那以后，我们有了电话理论、电场理论，现在又有了基于计算机和自动方向舵的理论。我认为，通过研究脑本身和行为现象，我们更有可能发现脑是如何工作的，而不是沉溺于牵强附会的物理学类比。[10]
1700678269