大脑是一种生理组织,而且是一种错综复杂的织物组织,与我们所知的宇宙中的其他任何事物都不同。但是,就像其他生理组织一样,它是由细胞构成的。确切地讲,这些细胞是高度专业化的细胞,但控制它们的原理和控制其他所有细胞的原理是一样的。人们能够检测、记录和解释这些细胞的电学信号和化学信号,也能够识别它们的化学成分。同时,人们还能够描述构成大脑织物神经纤维网的关系。总之,人们能够研究大脑,就像研究肾脏一样。
大卫·休伯尔,神经科学家、诺贝尔奖得主
假设有一台机器,它的构造使它能够思考、感觉以及感知;假设这台机器被放大但是仍然保持相同的比例,因此你可以进入其中,就像进入一间工厂。假设你可以在里面参观,你会发现什么呢?除了那些互相推动和移动的零部件以外,什么都没有,你永远都不会发现任何能够解释感知的东西。
戈特弗里德·莱布尼茨,哲学家、数学家
模式的层级
在前面的章节中我多次提到,我会在很多时候进行一些简单的实验和观察。从这些观察中得出的结论必然会束缚我关于“大脑必须做什么”的解释,就像19世纪初期和晚期进行的那些关于时间、空间以及质量的简单实验必然会束缚青年大师爱因斯坦关于“宇宙怎样运行”的思考一样。在接下来的论述中,我也会论述神经科学的一些基础观察,并尝试避开尚存在争论的诸多细节。
首先,让我解释一下为什么这一节要专门论述大脑新皮质。我们都知道,大脑新皮质负责以分层方式处理信息的不同模式。没有大脑新皮质的动物(主要是非哺乳动物)基本上无法理解层级体系。1能够理解和改变现实社会的内在层级性是哺乳动物独有的特征,因为只有哺乳动物才会拥有这种最新进化的大脑结构。大脑新皮质负责感官知觉,认知从视觉物体到抽象概念的各项事物和各种控制活动,以及从空间定位到理性思考的推理以及语言——主要就是我们所说的“思考”。
人类的大脑新皮质,也就是大脑最外层,其实是一个较薄的二维结构,厚度约为2.5毫米。啮齿类动物的大脑新皮质大约像邮票般大小,表面光滑。灵长类动物在进化中的收获是,大脑顶部的其余部分出现复杂的褶皱,伴随有深脊、凹沟以及褶痕,它们扩大了大脑皮质的表面积。因为有了这些复杂的褶皱,大脑新皮质成为人类大脑的主体,占其重量的80%。智人拥有一个巨大的前额,为拥有更大的大脑新皮质奠定了基础;而额叶则是处理与高层级概念有关的更为抽象模式的场所。
这种薄薄的结构主要包括6层,编号从I(最外层)到VI。来自II层和III层的神经元轴突会投射到大脑新皮质的其他部位。V层和VI层的轴突则主要建立起大脑新皮质外部与丘脑、脑干和脊髓的联系。IV层的神经元接收来自大脑新皮质外部神经元的突触(输入)联系,特别是来自丘脑的。不同区域的层数稍有不同。处于皮质运动区的IV层非常薄,因为在该区域它很少接收源自丘脑、脑干或者脊髓的输入信息。然而,枕骨脑叶(大脑新皮质中负责视觉处理的部分)还有另外3个子层,也被视为隶属IV层,因为有大量输入信息流入该区域,包括源自丘脑的。
一项关于大脑新皮质的重要发现是:其基础结构的一致性超乎寻常。首先意识到这一点的是美国著名神经科学家弗农·蒙卡斯尔。1957年,蒙卡斯尔发现了大脑新皮质的柱状组织。1978年,他进行了一次观察,这次观察对于神经科学的意义,就相当于1887年反驳以太存在说的迈克尔森-莫利实验对于物理学的意义。蒙卡斯尔对大脑新皮质显著的不变结构进行了描述,假定它是由不断重复的单一机制构成,2还提议将皮质柱(cortical column)作为基本单位。上述不同区域某些层厚度的区别只是由各区域所负责处理的互联性的差异造成的。
蒙卡斯尔假定皮质柱中存在微小的柱状体,但这一假定引发了争议,因为这种更小的结构没有明显的界定。可是,大量实验揭示,皮质柱的神经元结构中确实存在重复的单元。我的观点是,这种基本单位是模式识别器,同时也是大脑新皮质的基本成分。与蒙卡斯尔关于微小柱状体的观点不同,我认为这些识别器没有具体的物理分界,它们以一种相互交织的方式紧密相连,所以皮质柱只是大量识别器的总和。在人的一生中,这些识别器能够彼此相连,所以我们在大脑新皮质中看到的(模块的)复杂连通性不是由遗传密码预先设定的,而是为反映随着时间的推移我们学到的模式而创造的。我将细致论述这一论点,我认为这就是大脑新皮质的组织方式。
应当指出,在我们进一步研究大脑新皮质结构之前,在适当的层面上建立新系统是很重要的。尽管化学理论建立在物理学的基础上,并且完全源自物理学,但在实际运用中,用物理学解决化学问题会显得很呆板,也行不通,所以化学才建立了自身的规律和模式。与之相似,我们得以从物理学中推论出热力学定律。我们曾经将一定数量的微粒称为气体,而非简称为一堆微粒。当时,解释粒子间相互作用的物理学方程式不适用,但热力学定律却适用。生物学同样也有其自身的规律和模式。单一的胰岛细胞十分复杂,在分子的层面上进行模仿更是如此;但若就胰岛素和消化酶调节的水平对胰脏运作的模型进行模仿,就简单很多。
相同的原理也适用于对大脑的理解和模仿层级。模仿大脑在分子层次的相互作用,的确是进行大脑逆向工程时必不可少而且极具意义的部分。但是我们这一努力的目标是从本质上完善这个模式,以说明大脑是怎样处理信息,并产生认知意义的。
美国科学家赫伯特·西蒙(Herbert A. Simon)是人工智能领域的创建者之一,他用适当抽象且极富才情的语言描绘了理解复杂系统这件事。1973年,在描述他发明的初级知觉和记忆(elementary perceiver and memorizer, EPAM)智能程序时,他写道:
假设你决定要把神秘的EPAM智能程序弄懂。我可以为你提供两个版本。一个是人工智能程序书中的版本——包含惯例和子惯例的整个结构……或者,我可以提供一个机器语言版本的EPAM,它是经过完整的转化之后的……我想我不必详尽地说明两个版本中哪一个能提供最简洁、最意味深长、最合法的描述……我也不会向你推介第三种……不能向你提供程序的版本,但可以提供计算机(被视为物理系统)按照EPAM运转时必须遵守的是电磁方程式和界定条件。那是最简单也最易理解的。3
人类的大脑新皮质中约有50万个皮质柱,每个皮质柱占据约2毫米高、0.5毫米宽的空间,其中包含约6万个神经元,因此大脑新皮质中总共有大约300亿个神经元。一项粗略的评估表明,皮质柱中的每个模式识别器包含大约100个神经元,因此,大脑新皮质大约共3亿个模式识别器。
当我们在考虑这些模式识别器如何发挥作用的时候,我首先会说连从哪里开始讨论都是一个很复杂的问题。在大脑新皮质中,所有的事情都是同时发生的,因此整个过程并没有起点和终点。我将会不断地提到一些我还没来得及解释但随后会重新讨论的现象,请大家谅解。
虽然人类只拥有简单的逻辑处理能力,但却拥有模式识别这一强大的核心能力。为了进行逻辑性思考,我们需要借助大脑新皮质,而它本身就是一个最大的模式识别器。大脑新皮质并不是实现逻辑转换最理想的机制,但却是唯一能帮助我们进行逻辑思考的武器。我们将人类下国际象棋的方法与典型的电脑程序下国际象棋的方法进行比较。1997年,电脑“深蓝”(Deep Blue)凭借每秒分析2亿个棋局(代表不同的攻守序列)的逻辑分析能力,击败了人类的国际象棋冠军加里·卡斯帕罗夫(Garry Kasparov)——现在这项任务由几台个人计算机就可以完成。当卡斯帕罗夫被问及每秒能分析多少个棋局的时候,他的回答是一个都不到!那么他为什么还能和“深蓝”对弈呢?答案就是人类拥有很强的模式识别能力。然而,我们需要对这一能力进行训练强化,这可以解释为什么不是所有人都能玩大师级的国际象棋的原因。
卡斯帕罗夫学习了大约10万个棋局,这一数据千真万确。因此,我们估计,一个精通某一特定领域的人大约掌握了10万个知识组块。莎士比亚创作戏剧用到了10万个词义(涉及29000个不同单词的多种组合)。涵盖人类医学知识的专家系统表明,一个人类医学专家通常能掌握大约10万个其所在领域的知识组块。从这个专家系统里识别某一知识组块并非易事,因为每当某一个具体的知识组块被检索过后,就会呈现略微不同的面貌。
掌握了这些丰富的棋局知识之后,卡斯帕罗夫下棋时,就会将他所精通的10万个棋局同时与其眼前的局面相比较。所有的神经元在同一时间一起运作——思考“模式”。但这并不意味着它们在同时“激活”(如果真是如此的话,我们可能会摔倒在地) ,而是在进行处理的时候考虑“激活”的可能性。
大脑新皮质可以存储多少种模式呢?我们需要将冗余现象列入考虑。例如,大脑在存储某个你喜欢的人的脸部信息时,并不是只存储一次,而是按顺序存储了数千次。其中很多次都是在重复相同的图像,但大多数情况下展示的是不同的视角,包括不同的灯光效果、不同的表情等。这些重复的模式都不是以图像本身的形式存储(即二维阵列的像素),它们是作为功能列表存储起来的,而模式的组成元素本身就是模式。下面我们将更加细致地描述这些功能的层级关系以及它们的组织方式。
如果一个专家的核心知识大约为10万个知识“组块”(即模式),每个知识组块的冗余系数约为100,这也就是说我们需要存储1000万个模式才能成为专家。专家的核心知识以更为普遍、更为广泛的专业知识为基础,因此层级模式的数量可增加到3000万~5000万。我们日常运用到的“常识”的知识量甚至更大,实质上,与“书本智慧”相比,“街头智慧”对大脑新皮质的要求更高。把这项包含进去,再考虑到约为100的冗余系数,总量预计将超过1亿个模式。需要注意的是,冗余系数并非固定——极其常见模式的冗余系数高达几千,而一个崭新现象的冗余系数也许小于10。
如下文将讨论的,我们的程序和行动中也包含了模式,同样也存储在大脑皮质区域内,所以我预测人类大脑新皮质的总容量并非只有数亿个模式。这个粗略的统计与我在上文中作出的约有3亿个模式识别器的估计紧密相关,所以每个大脑新皮质的模式识别器的功能是处理一个模式的一次迭代(即大脑新皮质中大多数模式的多重冗余副本中的一个副本)是很合理的。据我们估测,人脑所能处理的模式数量与生理模式识别器数量处于同一量级。应当在此指出的是,我所说的“处理”一个模式,其实是指我们利用这个模式能做的所有事:学习、预测、确认以及执行(要么进一步思考,要么借助一种生理运动模式)。
3亿个模式处理器听起来也许是一个庞大的数字,它也确实足以让智人发展出口头语言和书面语言、发明所有的工具,以及进行其他各种各样的创造。这些发明都是在原有发明基础上产生的,这也使得技术的信息含量呈指数级增长,正如我在加速回报定律中所描述的一样。其他的物种都没能做到这一点。正如我曾讨论过的,其他一些物种,如黑猩猩,确实有理解、形成语言的基本能力,也能使用原始工具,毕竟,它们也有大脑新皮质。但由于其形态较小,特别是额叶较小,所以能力有限。人类大脑新皮质的大小超过了阈值,所以我们能创造出更有力的工具,包括让我们理解自身智慧的工具。最终,我们的大脑结合它所发明的技术,将使我们创造出人造大脑新皮质,它包含的模式处理器将远远超过3亿个。但为何不是10亿或10000亿呢?