1700678270
法国神经科学家罗曼·布雷特（Romain Brette）最近把这种对隐喻的排斥更进了一步，他挑战了脑功能最基本的隐喻——编码。[11] 自从阿德里安在20世纪20年代提出这个概念以来（最重要的是霍拉斯·巴洛在20世纪60年代对这个概念的热情推广），神经编码的想法已经主导了神经科学的思考。在过去的10年里，总共有超过11000篇关于这个主题的论文被发表。[12] 布雷特提出的批评的基本点是，在思考“编码”时，研究人员无意中从技术意义上偏移到了表征意义上，前者基于的是刺激与神经元活动之间的联系，而后者基于的则是神经元编码对刺激的表征。这个问题早在1990年就由沃尔特·弗里曼（Walter Freeman）和克里斯汀·斯卡尔达（Christine Skarda）提出了，当时他们发表了一篇题为《表征：谁需要它们？》（Representations: Who Needs Them?）的论文。[13] 弗里曼当时对气味引发的电生理反应已经开展了几十年的研究，他论述道，不再想着神经系统如何反映环境，他就能“更少地关注输入脑的有关外部世界的信息，更多地关注脑正在做什么”。神经系统表征或编码信息的观点还包含着更深一层的含义。正如丹尼特向克里克和科赫提出的问题指出的那样，这一切呈现给谁呢？
1700678271
1700678272
在大多数关于神经编码的描述中，一个没有被明确指出的意涵是，神经网络的活动是呈现给脑中的一个理想化的观察者或读者的，它们通常被描述为“下游结构”（downstream structure），能够以最佳的方式解码信号。但这些结构究竟是如何处理外周神经元的活动的，我们目前还不清楚，甚至在神经网络功能的简单模型中也很少有明确的相关假说。神经编码的处理过程通常被看作一系列线性的步骤——就像一连串的多米诺骨牌那样，在反射中尤其如此。然而脑是由相互连接并且高度复杂的神经网络组成的，这些神经网络与外部世界相连并产生行动。只关注一组感觉和处理神经元，而不把这些网络与动物的行为联系起来，就会忽略整个处理过程的关键点。“动作电位是产生动作的电位，”布雷特总结道，“而不是需要破译的象形文字。”
1700678273
1700678274
盖伊尔吉·布萨基在他的新书《由内而外的脑》（The Brain from Inside Out ）中也提出了类似的观点。[14] 布萨基认为，脑并不是简单被动地接收刺激，然后通过神经编码来表征它们，而是通过积极地搜索各种可能性来测试各种可能的选择。基于赫尔姆霍兹和马尔的观点，他得出的结论是脑并不表征信息，而是在构建信息。
1700678275
1700678276
计算机、编码、连线图等神经科学隐喻必然是片面的，这是隐喻的本质。科学哲学家和科学家都对隐喻开展过深入的研究，因为它们似乎是科学家思维方式的核心。[15] 但隐喻也可以很丰富，协助科学家形成见解和做出发现。总会有那么一个时刻，它们带来的限制会超越它们促成的理解，但在脑的计算机隐喻和表征隐喻中，科学界对这样的时刻是否已经到来仍然无法达成一致意见。[16] 从历史的角度来看，出现了这样的争论就表明我们可能确实正在接近计算机隐喻的尾声，然而我们现在还不清楚它将被什么取代。
1700678277
1700678278
当科学家们意识到隐喻是如何塑造他们的观点的，并意识到新的类比可能会改变他们对自己工作的理解，甚至使他们能设计新的实验时，他们常常会兴奋不已。想出这些新的隐喻是很有挑战性的——过去出现的与脑相关的大多数隐喻都与新技术有关。这可能意味着，有关脑的有洞察力的新隐喻以及它们会发挥怎样的作用将取决于未来的技术突破，就像过去的液压动力、电话交换机以及计算机那样。目前还没有这种进展的迹象，虽然最近出现了很多科技流行词，比如区块链、量子计算（或者量子任何东西）、纳米技术等等，但这些领域不太可能引发技术变革或者我们对脑看法的变革。
1700678279
1700678280
互联网和云计算的出现使人们一度认为脑是某种分布式计算机系统（distributed computer system）。这是有道理的，因为我们的神经元并不像计算机里的简单组件。相反，神经元有无数的树突连接[17] ，其中许多涉及多种神经递质和细胞输出的细微差别，这使它们能执行高度复杂的过程，对应于所谓的线性不可分函数（linearly non-separable function）。对来自其他神经元的局部刺激，每个树突通过向胞体发放一个锋电位来做出反应，但这并不是通过一对一的线性方式进行的，而是通过不成比例地增加它们的放电频率来实现的。参与这项研究的研究者之一、英国神经科学家马克·汉弗莱斯（Mark Humphries）强调，这意味着每个细胞的行为方式都类似于一台复杂的迷你计算机。[18]
1700678281
1700678282
然而，这并不意味着云和互联网的类比对我们有很大的帮助。事实上，互联网的一个重要特点是，即使它的一些关键部分被移除（比如遭到了核打击），它仍然可以继续运行。从最早的形式开始，互联网就具备这一特点。虽然有非常确凿的证据证明可塑性的存在，也无论我们对脑活动的看法多么偏重分布式的观点，如果脑的某些特定区域受到损伤，脑功能的关键方面的确会被彻底破坏。
1700678283
1700678284
1700678285
1700678286
1700678287
我们的隐喻可能正在失去解释力的一个迹象是，人们普遍认为神经系统的功能（无论是龙虾的胃节律性地研磨食物还是人类的意识）只能被解释为涌现属性——那些你无法通过分析一个系统的组成部分来预测的东西，但它们却能以系统功能的形式出现。
1700678288
1700678289
理查德·格雷戈里在1981年指出，依赖涌现性来解释脑功能显示出科学界的理论框架存在问题：“‘涌现’的出现很可能是一个信号，表明我们需要一个更普遍的（或者至少是不同的）概念框架……好的理论的作用是避免引入涌现性。（因此基于涌现性的解释是虚假的。）”[19] 这忽略了一个事实——涌现性有不同的种类，有强有弱。弱的涌现性特征——如小鱼群对鲨鱼的反应——可以根据支配群体成员行为的规则来加以理解。在这种情况下，看似神秘的群体行为是以一个个动物个体的行为为基础的，每一只动物都在对某种因素（如毗邻动物的运动）或者外部刺激（如靠近的捕食者）做出反应。
1700678290
1700678291
这种弱涌现性不能解释龙虾胃的蠕动，更不可能解释人脑的功能。要解释这些现象，我们需要求助于强涌现性。在强涌现性中，涌现的现象无法用单个组成部分的活动来解释，它们有自己要服从的法则。你和本书的这一页纸都是由原子组成的，但你的阅读和理解能力来自原子在你身体中形成的更高层次结构所产生的特征，比如神经元和它们的放电模式，而不仅仅是来自原子间的相互作用。一些神经科学家最近批评强涌现性有引发“形而上学上的难以置信”（metaphysical implausibility）的危险，因为对于这种涌现是如何发生的，既没有明确的因果机制，也没有任何解释。这些批评者和格雷戈里一样，声称依靠涌现性来解释复杂现象表明神经科学正处于一个关键的历史转折点，就像炼金术慢慢转变为化学的那个时期一样。[20] 但面对神经科学的诸多谜团，我们往往只能诉诸涌现性。而且涌现性也并不是像看起来那么“傻”：深度学习程序的惊人特性在本质上就是涌现属性，而设计这些程序的人根本无法解释这些特性。
1700678292
1700678293
有趣的是，虽然有些神经科学家对涌现性的形而上学感到困惑，人工智能的研究者却陶醉于这个想法中。他们认为，现代计算机的高度复杂性或者它们通过互联网建立的互联性将推动一个关键转折点的到来，这个夸张的转折点被称为奇点。那时，机器将变得具有意识。关于这种可能性，有很多虚构作品做了探索。在这些作品中，对所有相关的人来说，事情往往都以糟糕的结局告终。这个主题当然会激发公众的想象力，但除了我们对意识如何运作的无知外，没有其他理由可以让我们相信这种可能性会在不久的将来出现。从原理上讲，这肯定是可能的，因为我们的现有假说认为心智是物质的产物，因此我们应该能够在一个装置中模仿它。但即使是最简单的脑，其复杂程度也足以令我们目前所能想象的任何机器相形见绌。在未来的几十年甚至几个世纪里，奇点都只会出现在科幻小说而不是科学中。
1700678294
1700678295
一个与意识本质相关的观点把“脑就像一台计算机”的隐喻变成了一个严格的类比。一些研究者将心智视为一种在神经硬件上运行的操作系统，我们的心智被视为一种特殊的计算状态，这意味着心智可以被上传到某个设备或另一个脑中。按照其通常的表述方式，这种想法是错误的，或者至少是天真到了无可救药的地步。现有的关于脑的唯物主义观的假说是，无论是在人、果蝇的幼虫，还是其他动物中，脑和心智都是一回事。因此，神经元和它们所支持的过程（尽管具体细节还不清楚，但也包括意识）是一回事。在计算机中，软件和硬件是分开的。然而，我们的脑和我们的心智是由最好被描述为“湿件”（wetware）的东西组成的，其中正在发生的事情和事情正在发生的地点是完全交织在一起的。
1700678296
1700678297
想象一下，我们可以改换我们神经系统的用途，让它运行不同的程序，或者把我们的心智上传到服务器上。这听起来可能很科学，但在这个想法背后隐藏着一种可以追溯到笛卡儿和他的前辈的非唯物主义的观点。这暗示着我们的思想以某种方式漂浮在我们的脑中，可以将它转移到另一个头脑中，或是被另一个心智取代。读取一组神经元的状态并将其写入新的基质（有机的或人造的），通过这样的假设，我们有可能给这个想法披上一层科学的体面外衣。但即使是试图想象这是如何在现实中操作的，我们也需要对神经元功能的深入理解，深入程度已经远远超出了我们目前所能设想的深度。不仅如此，我们还需要超乎想象的强大计算能力以及能精确模仿脑结构的模拟能力。哪怕是要理出一个可行的原理，我们首先也要能建立一个令人满意的神经系统活动模型，这个模型要能够保持单一的状态，要建立思想的活动模型就更难了。再一次，龙虾的胃凸显了我们的无知，也提示了我们要走的路还有多远。
1700678298
1700678299
1700678300
1700678301
1700678302
目前，“脑就像一台计算机”这个隐喻仍然占据着主导地位，尽管人们对于这个隐喻的贴切程度的看法存在分歧。[21] 2015年，在论文集《这个想法必须消亡》（This Idea Must Die ）收录的他的一篇文章中，机器人专家罗德尼·布鲁克斯（Rodney Brooks）把脑的计算机隐喻选为了他最反感的观点。早在20多年前，历史学家S.瑞安·约翰森（S.Ryan Johansson）就指出：“无休止地争论‘脑是一台计算机’这类隐喻的真伪是在浪费时间。它提出的关系是隐喻性的，是在敦促我们去做某些事情，而不是在试图告诉我们真相是什么。”[22] 虽然这些话的言辞不像布鲁克斯的态度那么尖锐，但结论是类似的。同样，神经科学家马泰奥·卡兰蒂尼（Matteo Carandini）认为，脑与当前尖端技术的类比可能很快就会过时并显得古怪，[23] 但他仍然强调计算机隐喻有一定的价值：“脑无疑是一个信息处理器官，因此对脑和我们最好的信息处理设备进行比较，这是有意义的。”加里·马库斯则为脑的计算机隐喻做了更为有力的辩护：
1700678303
1700678304
简而言之，计算机是接受输入、编码和操纵信息并将输入转化为输出的系统结构。就我们所知，脑也是如此。真正的问题不是脑本身是不是一个信息处理器，而是脑如何存储和编码信息，以及一旦信息被编码，脑会对这些信息进行什么操作。[24]
1700678305
1700678306
马库斯接着说，神经科学的任务是对脑开展“逆向工程”，就像研究计算机那样，检查其组成部分及其相互连接，以破译其工作原理。这个提议已经存在一段时间了。1989年，克里克认识到了这种策略的吸引力，但觉得它不会成功，因为脑有着复杂而混乱的进化史——他夸张地宣称，这会像是尝试对一项“外星科技”开展逆向工程。[25] 克里克认为，试图从逻辑出发通过脑的结构找出脑工作机制的总体解释注定会失败，因为几乎可以肯定的是，这么做的出发点就是错误的——脑如何工作并没有一个整体的逻辑。
1700678307
1700678308
计算机的逆向工程通常被用作思维实验，以展示我们在原理上理解脑的可能性。这些思维实验毫无疑问是成功的，它们鼓励我们以这种方式去理解我们脑袋里的这个柔软器官。但是在2017年，两位神经科学家决定在一个真实的计算机芯片上做这个实验，这个芯片有真实的逻辑、真实的组件和设计明确的功能。事情并没有像预期的那样发展。
1700678309
1700678310
这两位科学家分别是埃里克·乔纳斯（Eric Jonas）和康拉德·保罗·科尔丁（Konrad Paul Kording），他们使用了通常用于分析脑的技术，并将其应用到MOS 6507处理器上。MOS 6507处理器是一种20世纪70年代末和80年代初的计算机使用的处理器，能使这些计算机运行《大金刚》《太空侵略者》《陷阱》等视频游戏。首先，他们扫描了芯片中的3510个增强型晶体管，获得了它们的连接组，并在一台现代计算机上模拟了这种芯片（包括运行游戏程序10秒钟）。然后他们使用了神经科学的各种技术来研究这张模拟的芯片，如“损毁”（把某些晶体管从模拟芯片中移除）、分析虚拟晶体管的“锋电位”活动并研究它们之间的连接，以及通过测量其运行每个游戏的能力来观察各种操作对系统行为的影响。
1700678311
1700678312
移除晶体管（这相当于破坏一个脑区）产生了一些颇具吸引力的明晰结果。例如，乔纳斯和科尔丁总共发现了98个晶体管，如果单独移除其中的任何一个，就会使系统无法启动《大金刚》，但对《太空侵略者》或《陷阱》没有影响。但正如作者们认识到的那样，这并不意味着处理器中存在任何类似“大金刚晶体管”的东西。他们表示，把这些晶体管描述成“大金刚晶体管”会产生“严重的误导”。事实上，每个组件都只是完成了一个简单并且基本的功能，这些功能对《大金刚》是必要的，而其他两个游戏则不需要。
1700678313
1700678314
虽然使用了这些强有力的分析方法，而且研究者对芯片的工作原理事实上也已经有明确的解释（用技术术语来说，它拥有“基准真相”），但这项研究未能检测出芯片内部信息处理的层级结构。正如乔纳斯和科尔丁所说，这些技术不能产生“有意义的理解”。他们的结论是悲观的：“最终，问题不是神经科学家无法理解微处理器，而是他们目前所采用的方法使他们无法理解它。”[26]
1700678315
1700678316
这个令人警醒的结果表明，尽管计算机隐喻很有吸引力，而且脑确实在处理信息，并以某种方式表征外部世界，但我们仍然需要理论方面的重大突破。即便我们的脑是按照逻辑来设计的，我们目前的概念和分析工具也完全不足以解释脑。更何况脑不是按照逻辑设计出来的。但这并不意味着模拟研究毫无意义：通过建模（或者模拟），我们可以检验假设，通过将模型与已建立的、可以精确操纵的系统联系起来，我们可以深入理解真正的脑是如何运作的。[27] 这是一种极其强大的工具，但这类研究在给出结论时需要有一定程度的谨慎。此外，面对将脑和人工系统进行类比时存在的困难，我们需要现实一点。
1700678317
1700678318
甚至像计算人脑的存储容量这样简单直接的事情，研究者在尝试时也会崩溃。泰瑞·谢诺夫斯基的团队曾对树突棘的数量和大小以及突触上神经递质囊泡的数量进行了仔细的解剖学研究，根据他们的计算，每个突触平均至少能存储4.7比特的信息。[28] 这表明人脑可以存储至少1拍字节（petabyte）的信息，也就是100万吉字节（gigabyte）的信息。不管这听起来多么值得注意，或者对于那些认同数学和工程学可以告诉我们脑如何工作的人来说多么有吸引力，这种计算的出发点是扭曲的。神经元不是数字的（这是信息数字化的基础），脑（即使是线虫那算不上脑的脑）也不是硬连接的（hard-wired）。每个脑都在不断地改变突触的数量和强度，而且最重要的是，脑并不仅仅依靠突触工作。神经调质和神经激素也会影响脑的运作方式，但由于它们的作用方式和起效的时间尺度与计算机隐喻不相符，所以这类研究中没有把它们的影响纳入考虑。
1700678319