深思考:大腦不是計算機，也不負責信息處理

選自：aeon

作者：Robert Epstein

參與：Jane W，Rick R，劉婷娜，曹瑞，微胖

我們是生物，不是計算機。信息處理比喻已經發展了50年，但是在發展過程中幾乎沒有產生任何真知灼見，即使是有也非常少。是時候該點擊「刪除」鍵了。

無論怎麼努力，腦科學家和認知心理學家也不會從一個大腦裡面找到貝多芬第五交響曲，或者辭彙、畫面、語法規則等任何其他類型環境刺激的產物。當然，人類大腦並非真的是空的，但它沒有容納大多數人們認為它應該有的東西——即使像「記憶」這麼簡單的東西也沒有。

我們對大腦的膚淺想法有很深的歷史根源，但20世紀40年代計算機的發明讓我們特別迷惑。半個多世紀以來，心理學家、語言學家、神經科學家以及其他研究人類行為的專家一直在聲稱人類大腦的工作方式就像一台計算機。

只要想想嬰兒的大腦，我們就能發現這個觀點毫無根據。多虧了進化，人類新生兒跟所有其他哺乳動物幼崽一樣，一出生就做好了與這個世界有效互動的準備。嬰兒的視力很模糊，但他會格外注意臉，並且可以迅速識別出母親的臉。他喜歡人聲甚於非人聲，並且可以將不同的人聲區別開來。毫無疑問，我們生來就是為了建立社會連結。

一個健康的新生兒同時也具備大量的反射——針對特定刺激的既有反應，這對生存很重要。嬰兒會把頭轉向有東西碰他臉頰的方向，會嘬一切送進他嘴裡的東西，他會在浸入水裡時屏住呼吸，他會緊緊抓住手裡的東西以至於幾乎能夠支撐他自己的體重。也許最重要的是，新生兒生來就具有強大的學習機制，這使他們能夠迅速的改變，從而越發有效地與世界互動，即使這個世界已經不像他們的祖先所面對的世界了。

感覺、反射和學習機制，這是我們用來開始一切的東西。仔細想想，這其實相當多。如果我們出生時缺乏其中任何一種能力，我們可能都會有生存問題。

但下面這些是我們生來沒有的東西：信息、數據、規則、軟體、知識、辭彙、表徵、演算法、程序、模型、記憶、圖像、處理器、子程序、編碼器、解碼器、符號和緩衝器——這些讓計算機能夠做出一點智能行為的設計元素。我們不僅生來沒有這些東西，我們甚至不會發展出它們——從來不會。

我們不會存儲辭彙或者告訴我們如何操縱辭彙的規則。我們不創造視覺刺激表徵，把他們存儲在短期記憶緩衝器里，然後把這些表徵轉移到長期記憶裝置里。我們不會從記憶寄存器里取回信息、圖像或話語。計算機會做所有這些事情，但是生物體不會。

計算機是在真正意義上處理信息——數字、字母、話語、公式、圖像。信息必須首先被編碼為計算機可以使用的格式，也就是把0和1（bits，比特）組織成小塊（bytes，位元組）的模式。一個特定的比特模式代表字母 d，另一個代表字母o，還有的代表字母 g。排在一起，這三個位元組組成了單詞 dog（狗）。一個單一圖像，比如說我的貓 Henry 在桌子上的照片，由一個特定的有上萬位元組（一個大位元組）的模式表達，它被一些特殊字元圍繞著，這些字元告訴電腦這是一個圖像，不是單詞。

計算機在真正意義上將這些模式從一個地方挪到另一個地方，這些地方都是蝕刻在電子元件上的物理存儲區域。有時它們也會複製這些模式，或者用不同的方式轉變這些模式——就像我們修正一個手稿的錯誤或者潤色一張照片。計算機移動、複製和操作這些數據組的規則也同樣存儲在計算機中。一組規則被稱作一個「程序」或一個「演算法」。一組一起工作幫我們做事（如買股票或尋找網上約會）的演算法叫做一個「應用」，現在大多數人把它稱之為「 app 」。

原諒我用這種方式介紹計算，但我需要澄清：計算機真的對世界的符號表徵進行操作，真的會存儲和取回，真的會進行處理，真的擁有物理記憶，真的毫無例外的運用演算法指導所有的事情。

而人類從不這樣——以前不會，將來也不會。面對這一現實，為什麼有那麼多科學家在談論我們的精神生活時就好像我們是計算機一樣？

在《In Our Own Image》(2015)中，人工智慧專家 George Zarkadakis 給出了六個過去兩千年以來人們用以解釋人類智能的不同隱喻。

最早的一個隱喻，最後被保留在《聖經》中，人類是由粘土或泥土做成，智慧之神為其注入精神。那種精神（spirit）「解釋」了我們所謂的智力——至少語法上如此。

公元前三世紀水利工程的發明使得用水力學模型比喻人類智力的隱喻流行起來，亦即不同的水流趟過全身——「體液」——可以解釋我們的身體和思想運動。水力學的隱喻持續了1,600多年，也至始至終妨礙了醫療實踐。

到了十六世紀，人們設計了彈簧和齒輪驅動的自動裝置，最終啟發笛卡爾將人類比喻為複雜的機器。十七世紀，英國哲學家霍布斯認為思維源自大腦中小的機械力學運動。直到十八世紀物理和化學的發現才催生了有關人類智能的新理論，大部分本質上也是隱喻的。十九世紀中期，受當時傳播技術進步啟發，德國物理學家赫爾姆霍茲將大腦比作電報機。

數學家 John von Neumann 直截了當地說，神經系統的功能『乍一看是數字的』，在當時計算機器和人腦組件之間做了一個對比。

每一種隱喻都反映出當時最為先進的思想。可以預測的是，上世紀四十年代計算機技術乍現曙光的幾年後，大腦就會被人們形容為就像一台電腦在運行，物理硬體就是大腦，思想就是軟體。讓廣為認知的「認知科學」得以興起的標誌性事件就是心理學家 George Miller 出版了* Language and Communication* （1951）。Miller 提出，藉由信息理論、計算和語言學的思想，我們可以大致研究思想世界。

這類觀點的終極表達可以在《The Computer and the Brain》（1958）種找到，書中，數學家 John von Neumann 直截了當地說，神經系統的功能『乍一看是數字的』。儘管他承認，人類對大腦在人類推理和記憶中所扮演的角色幾近一無所知，他還是在當時計算機器和人腦組件之間做了一個對比。

接下來計算機技術和大腦研究的進步，也逐漸推動著極具野心的跨學科努力，試圖理解人類智能。這一努力深深根植於這樣一個想法：人類是信息處理器，就像計算機那樣。如今，這一努力牽涉了數以千計研究人員，花費了數十億美元資金的資助，也產出大量作品，包括技術和主流文章以及書。庫茲維爾的《How to Create a Mind: The Secret of Human Thought Revealed 》(2013) 就是例證，他推演了大腦的「演算法」，大腦如何「處理數據」甚至從表面上看，如何在結構上類似於集成電路。

信息處理（IP）隱喻如今佔據著人類思維的主導地位，無論是在大街上還是科學研究種，實際上沒有哪一種形式的關於人類智能行為的討論不會用到這個隱喻，就像某個領域或文化種有關人類智能行為的談談都會涉及心靈（spirit）或神性（deity）。信息處理在當今世界是有效的，也被認為是沒有疑問的。

但是，信息處理隱喻只是另一種隱喻——一個讓我們並不理解的東西變得有意義的故事。就像之前的許多隱喻，最終會在某個時刻被棄之一邊，要麼被其他隱喻替代，要麼最終被真正的知識取代。

就在一年多前，我訪問了世界上最負盛名的研究機構之一，在那裡我詢問研究人員如何解釋人類智能行為，而不涉及任何信息處理比喻（IP metaphor）。研究人員無法解釋，而當我在後續的電子郵件通信中禮貌地提出這個問題時，即使在幾個月後他們仍然毫無進展。他們意識到了這個問題，並且沒有認為它微不足道而忽略它。但他們無法給出一個替代信息處理比喻的答案。換句話說，信息處理比喻是「粘性的」。當我們的想法遇到困難時，它使我們的思維與語言變得強大。

信息處理比喻的錯誤邏輯很容易陳述。它是基於錯誤的三段論 —— 兩個合理的前提和一個錯誤的結論。合理的前提＃1：所有計算機都能夠智能地工作。合理的前提＃2：所有計算機都是信息處理器。錯誤的結論：所有能夠智能行動的實體都是信息處理器。

撇開正式的語言，只是因為計算機是信息處理器就推論人類一定是信息處理器，這個推論有些愚蠢，當信息處理比喻最終被放棄時，歷史學家幾乎肯定這一點，我們也會像現在認為液壓和機械比喻是愚蠢的一樣，認為信息處理比喻是愚蠢的。

如果信息處理比喻是如此愚蠢，為什麼它又如此棘手？是什麼阻止我們像掃掉擋在前進道路上的樹枝一樣否定它？有沒有一種方法來理解人類智慧，而不依靠一根脆弱的智力拐杖（intellectual crutch）？而我們在長時間嚴重依靠這個拐杖時付出了什麼代價？畢竟，信息處理比喻已經主導了數十年來多個領域的大量研究人員的寫作和思考。這個代價是什麼？

多年來，我做了許多次這樣的訓練，開始讓學生在前面的黑板上畫一張美元鈔票的詳細圖片 —— 我告訴他們「越詳細越好」。當學生完成後，我用一張紙蓋住圖，然後從我的錢包中取出美元的鈔票，將它貼在黑板上，並要求學生重複這個任務。當他或她完成後，我將第一張圖上蓋著的紙撕去，並讓班集討論兩圖的差異。

由於可能從來沒有見過這樣的演示，或者由於可能無法想像結果，當我讓研究所的實習生 Jinny Hyun 做這個繪製美元的實驗時，這裡是她「記憶中的」圖（注意比喻）：

這裡是她隨後參照美元鈔票的繪畫：

Jinny 對結果感到驚訝，不過誰都會驚訝的。正如看到的那樣，沒有參照美元鈔票的繪畫與參照美元鈔票的繪畫相比是可怕的，儘管Jinny 已經看過數千次的美元鈔票。

問題出在哪裡？難道我們沒有把美元鈔票的「表徵」「存儲」在我們大腦的「記憶庫」里嗎？難道我們不能「檢索」信息，並用它來繪圖嗎？

顯然不是這樣的，有一千年歷史的神經科學也從來沒有給存儲在人類大腦中的美元鈔票定位，因為很簡單，這個存儲根本不存在。

記憶存儲在單個神經元中的想法是荒謬的：記憶如何存儲在神經元細胞中？它儲存在哪裡？

大量的腦研究告訴我們，事實上，即使是最平凡的記憶任務，也會經常涉及多個甚至大片大腦區域。當涉及強烈的情緒時，有多達數百萬的神經元變得更加活躍。在2016年由多倫多大學神經心理學家 Brian Levine 等人開展的空難倖存者研究中，當倖存者回想起空難場景時，他們大腦的「杏仁體、內側顳葉、前後中線和視覺皮層」的神經活動增加。

由一些科學家發展的，特定記憶以某種方式存儲在單個神經元中的想法是荒謬的；這個斷言只是把記憶問題推到一個更具挑戰性的水平：究竟記憶是如何存儲神經元中的？存儲在哪裡？

所以當 Jinny 在沒看到美元鈔票的情況下繪畫時發生了什麼？如果 Jinny 從來沒有見過美元鈔票，她的第一幅畫可能根本不會像第二幅畫。正是以前見過美元鈔票，她在某種程度上發生了改變。具體來說，是她的大腦改變了，使她能夠想像出美元鈔票 —— 也就是說，重新像看到美元鈔票一樣，至少在某種程度上。

兩幅圖之間的區別提醒我們，可視化的東西（即想像的東西）遠遠不如看到的東西準確。這就是為什麼我們更善於指認而不是回憶。當我們回憶事物時，我們必須試著重溫某種經歷；但是當我們指認某種東西時，我們僅僅需要意識到我們以前有過這種經歷就夠了。

也許你會反對這種實驗方法。Jinny 以前見過美元鈔票，但她沒有刻意去「記住」細節。如果她這樣做，你可能會說，她可能第一次畫出的圖會像第二幅圖那樣詳細。即使在這種情況下，也沒有任何美元鈔票的信息以任何方式被「存儲」在 Jinny 的大腦中。她只是準備得更好以便準確地繪製它，正如通過練習，鋼琴家能更熟練地演奏協奏曲，而不用死記硬背樂譜。

通過這個簡單的實驗，我們可以開始構建一個不用比喻的智能人類行為理論的框架 —— 其中大腦不是完全空白，但是至少可以不用糾纏信息處理比喻了。

在世界上活動時，我們會被各種經歷改變。三種類型的經歷值得注意：（1）觀察我們周圍發生了什麼（其他人的行為、音樂的聲音、指示標識、頁面上的字、屏幕上的圖像）；（2）我們受到成對的不重要的刺激（如警笛）與重要的刺激（如警車的外觀）的影響；（3）我們將因某種方式的行為而受到懲罰或獎勵。

如果我們根據經歷而不斷做出相對應的改變，我們的生活會更加高效 —— 要是我們可以背誦一首詩或唱一首歌多好，要是我們能夠遵循給出的指示多好，要是我們對不重要的刺激像對重要的刺激那樣響應多好，要是我們因為懲罰而避免一些行為多好，要是我們因為獎勵而改變行為方式多好。

儘管標題如此有誤導性，但是沒有人真正了解，當我們學會唱一首歌或背誦一首詩後，大腦如何變化。不過歌曲和詩歌都沒有被存儲在大腦里。大腦以一種有序的方式簡單地改變了，以便允許我們在某些條件下唱歌或背誦詩。當需要唱歌或背誦詩時，無論是歌曲還是詩歌都不以任何方式從大腦中的任何地方被「檢索到」，與當我在桌子上敲擊我的手指時我的手指動作無法被「檢索到」並無不同。我們只是唱歌或背誦 —— 不需要檢索。

幾年前，我問哥倫比亞大學的神經科學家 Eric Kandel —— 諾貝爾獎的獲得者，他憑藉研究 Aplysia（一種海洋蝸牛）學習完成後其神經元突觸中發生的化學變化而獲獎 —— 他認為需要多長時間來了解人類記憶的工作方式呢。他很快回答說：「一百年。」我不想問他是否認為信息處理比喻正在阻礙神經科學的發展，但一些神經科學家確實開始設想無法想像的可能 —— 比喻不是不可缺少的。

一些認知科學家 —— 特別是辛辛那提大學的 Anthony Chemero，他是《激進認知科學》（Radical Embodied Cognitive Science，2009）的作者 —— 現在完全否定了人類大腦像計算機一樣工作的觀點。主流觀點是，我們像計算機一樣，通過對大腦中的表徵進行計算來理解世界，但是 Chemero 和其他人描述了另一種理解智能行為的方式 —— 通過生物與世界之間的直接相互作用。

我最喜歡的區別信息處理觀點和所謂的「反具象化（anti-representational）」人類功能的觀點之間的巨大差異的例子，涉及用兩種不同的方式來解釋一個棒球運動員如何抓住一個飛球 —— 由亞利桑那州立大學的 Michael McBeath 和他的同事在一篇1995年的科學文章中精彩地揭示。信息處理觀點要求玩家制定球的飛行的各種初始條件的估計：衝擊力、軌跡的角度等，然後創建和分析球將可能移動的路徑的內部模型，然後使用該模型及時連續地引導和調整機械運動來攔截球。

如果我們像計算機這樣運行也是不錯的，但 McBeath 和他的同事提供了一個更簡單的方法：為了抓住球，球員只需要保持移動，使球與本壘和周圍景物保持一個恆定的視覺關係 （技術上稱為在「線性光學軌跡」中）。這聽起來很複雜，但它實際上非常簡單，完全沒有計算、表達式和演算法。

在網路空間，我們永遠不會擔心人類的思想變得瘋狂，而且我們永遠不會通過下載實現不朽

英國利茲貝克特大學的兩個堅定的心理學教授 —— Andrew Wilson 和 Sabrina Golonka —— 將棒球的例子與許多其它例子合理地總結為簡單的可以看成信息處理框架外的內容。多年來他們一直發布他們稱之為「更連貫、更自然的人類行為科學研究方法，這與主導的認知神經科學方法相悖」的文章。然而，這遠不是一項思潮運動；主流認知科學繼續毫無疑問的在信息處理比喻中湮沒，而世界上一些最有影響力的思想家預測人類的未來取決於比喻的有效性。

由未來學家 Kurzweil、物理學家斯蒂芬·霍金和神經學家 Randal Koene 等人做出的一個預測是，因為人類的意識應該像計算機軟體，不久將有可能將人類思想下載到計算機中，通過電路我們將變得智力超常和而且很可能實現不朽。這個概念推動了反烏托邦電影《超驗駭客（Transcendence）》（2014）中由 Johnny Depp 主演的像 Kurzweil 的科學家的思想被下載到互聯網的場景，電影中這個場景產生了對人類災難性的後果。

幸運的是，因為信息處理比喻沒有哪怕一點點的有效性，我們永遠不會擔心人類心靈會在網路空間變得瘋狂；唉，我們也永遠不會通過下載實現不朽。這不僅是因為大腦中缺乏意識軟體；這裡有一個更深的問題 —— 讓我們稱之為唯一性問題 —— 這同時是激勵也是沮喪。

因為「記憶銀行（memory bank）」和刺激的「表徵（representation）」並不存在於大腦之中，我們在這個世界中運行所需的就是讓大腦根據體驗井然有序地變化著，因此沒有理由相信我們中的任意兩個人因為體驗相同，大腦變化方式也相同。

這也是 Frederic Bartlett 在他的著作《Remembering》（1932）中證實沒有兩個人可以同樣的方式複述同一個故事以及為什麼隨著時間的推移，背誦故事的差異會越來越大的原因。從來沒有故事的「複本」；毋寧說，每個人都在根據所聽到的故事，對故事做出某種程度的修改——修改足夠多以至於後來問及故事時（Bartlett 給他們讀了故事的幾天、幾個月甚至幾年後）——他們能夠在某種程度上重新體驗聽故事的情景，儘管並不是完全可以重複體驗。

我認為這個證實很有啟發性，因為它意味著我們每個人都是獨特的，這種獨特性並不僅僅止於基因組成，還根植於大腦隨時間變化的方式。這也很讓人沮喪，因為這讓神經科學家的研究任務艱難地超乎想像。對於任何一種給定的體驗，井然有序的變化可能涉及一千個神經元，一百萬神經元甚至整個大腦，每個大腦的變化模式又不同。

更糟糕的是，即使能夠快照大腦所有860億個神經元，然後通過計算機模擬這些神經元的狀態，但是，龐大的模式也意味著大腦之外的任何東西都不可能生成這些模式。或許這就是知識產品隱喻扭曲我們對人類功能思考的最臭名昭著的方式。儘管計算機可以存儲數據複本，但是，大腦可以維持我們的智力，只要你還活著。沒有關閉按鈕。要麼大腦持續運作，要麼我們死去。而且，正如神經科學家 Steven Rose 在2005年的論文《The Future of the Brain》當中指出，大腦當前狀態的快照是無意義的，除非我們能夠知道大腦所有者所有的生活經歷——也許甚至還要了解他或她成長的社會背景。

想像一下這個問題有多難。想要了解大腦如何維持人類智能的基本知識，我們可能不僅要了解860億個神經元和它們的之間的100萬億種聯繫，不同連接的不同強度，每個連接點中存在的1000個蛋白質的狀態，還要了解大腦時時刻刻的活動是如何幫助保持系統完整性的。此外，每一個大腦的特殊性部分原因在於每個人生活經歷的特殊性，Kandel 的預測聽起來有些太過樂觀。（最近，在《紐約時報》的社論對頁版面中，一位名叫Kenneth Miller 的神經科學家提出，想要弄清楚基本的神經元連接都將持續幾個世紀。）

同時，因為一些不完善的想法或是期望，大量的資金正在流入大腦研究領域。據《科學美國人》近期的報道，神經科學領域中最引人注目的實踐——2013年歐盟花費13億美元建立的「人類腦計劃」（Human Brain Project）——已經開始走樣。所有人都被該計劃的負責人 Henry Markram 所說服，他說在2023年之前，他可以在一台超級計算機上創造出對一個完整人腦的模擬。這樣的模型會對阿茲海默症和其他疾病的治療帶來革命性的進展。歐盟的官員幾乎無限制地對這一計劃進行投資。不到兩年的時間，這一計劃已經成為了「大腦殘骸」，Markram 也被迫下台。

我們是生物，而不是計算機。忘了這些吧。讓我們試著去了解自己，而不是被一些不必要的智能包袱所拖累。信息處理比喻已經發展了50年，但是在發展過程中幾乎沒有產生任何真知灼見，即使是有也非常少。是時候該點擊「刪除」鍵了。