下载掌阅APP，畅读海量书库
立即打开
我们认为人类的脑是一台计算机。无论我们是否意识到这一点，每当我们谈论“读取一段记忆”“开启自动模式”“天生有怎样的脑回路”或“重启我们的心灵”时，我们其实都在使用这种隐喻。神经科学家们也受困于这种计算机隐喻。几乎从神经科学成为一门公认的学科时起，把脑想象成一台计算设备就成了默认思路。
当然，大多数神经科学家并不认为脑就是一台字面意义上的数字计算机。但整个脑科学领域的教科书总是把从思维到行为的神经生物学过程直接类比为计算机的进程，例如程序、记忆电路、图像处理、输出设备等。甚至意识也被描述为外部世界的一种内在计算模型。尽管将脑与计算设备进行比较，通常来说还算合适，但这种类比实在是多到无处不在。你很难从这种隐喻中抽脱出来，甚至很难注意到它。因为它已经根深蒂固地烙刻在我们看待脑的方式中了。
这种情况部分是因为神经科学家在对公众描述脑的时候使用了计算机隐喻。神经科学家博南诺（Dean Buonomano）在他2011年出版的《脑虫》（ Brain Bugs ）一书中，将脑创伤和疾病称为“系统崩溃”，同时他也在书中写到了我们记忆系统的“磁盘空间”和“升级”。 [1] 认知科学家霍夫曼（Donald Hoffman）将我们对世界的视觉感知与计算机的桌面界面进行了类比：“一个苹果的图标引导我选择是否进食，以及进食时的抓握和咬合动作。” [2] 其他人，如脑科学家马库斯（Gary Marcus），则更是不留余地。马库斯在《纽约时报》（ New York Times ）上写道：“面对现实吧，你的脑就是一台计算机。” [3]
神经科学家通常会把脑的某个部分——单个神经元、神经回路或是脑区——的功能视为某种计算。在上述每个层级中，电信号或化学信号在各个组成部分之间传递，而各个组成部分则通过某种计算对信号进行操作。在这里，计算的意思是指接收到信号，将信号放大或缩小，抑或是加快或减慢，然后再将信号传递下去，做进一步的数学调整。其中，输入信号幅度和输出信号幅度之间的计算关系是最重要的。
神经元的任务通常是在接收到某种刺激时计算出一种反应，其中所谓的刺激可能是某种发光模式、声音或社交状况。通过大量的神经元进行特定的计算，我们周遭环境的特性就可以被感觉、分析、储存，并与行为联系起来。当代神经科学家们大多认同，尽管脑和计算机的差异不胜枚举，但它们有一套共通的“工具集”。换句话说，脑和计算机在许多基本的设计原理上存在共同点。
毫无疑问，计算机隐喻是有帮助的，而且脑确实也在执行计算。但纯粹基于计算机隐喻的神经科学是不完整的，因为它没有考虑网络通信的原理。神经科学家们开始意识到，除了执行计算之外，脑也必须进行自身的内部信息交流。关键的一点是，尽管信息交流包含了计算，但信息交流系统所依赖的基本设计原则是不同于计算系统的。
尽管目前关于这方面的研究有限，但全脑信息交流正在引起人们更大的兴趣。我们越来越了解到，脑的物理结构其实是一个高度互联的网络。新兴的连接组学（connectomics）就旨在描绘这个网络及其动态活动。通过对神经元网络结构越来越大规模的研究，关于复杂动物脑功能的新图景正在涌现。我们开始明白，连接组（connectome）的主要任务之一，就是支持脑中的相互沟通。
然而，目前关于这些相互连接的网络如何向脑的特定部分传入或从中传出信息的指导性原则尚未阐明。我们还没有弄清脑网络的交通规则，也不知道这些规则与我们的思维和行为能力有什么关系。我们甚至不知道如何去研究这个问题。我们所欠缺的，至少在一定程度上，是一种恰当的隐喻，以帮助我们思考脑如何在自身内部进行交流。我认为，互联网就是我们所需要的那个隐喻。计算机隐喻和互联网隐喻是可以共存并相互启发的。譬如说，互联网显然是由一台台计算机组成的，但它又涌现出了不同于单一计算机的新属性和新规则。
要明白计算隐喻和通信隐喻的共存，以及为了理解通信策略而必须做出的视角调整，可以假设一个来自过去的时间旅行者遇到今日之互联网的情境。想象一下，一位20世纪50年代的电子工程师被带到了今天。这位工程师不知道互联网是什么，但却得到了一个标准的Wi-Fi路由器，她非常好奇地将它拆开，并记录起电路板上的电流来。通过仔细测量电路板上不同位置的电压变化，这位工程师可能学会了如何识别不同种类的元件，如二极管和晶体管。这样一来，她就可以推断出每个元件负责执行什么样的计算任务。但进出路由器的那一串串电压变化将非常难以解释。仅仅是测量信号的数量根本提供不了太多信息。 [4]
关于脑，类似的情况也同样存在。我们可以测量脑中单个细胞的活动，并推断出导致其电学发生变化的原因。通过一种极其有限的方式，我们还可以测量大规模的脑活动。但我们无法观察到信息是如何在脑中进行跨越几个突触的传输，也无法观察到这些信息可能途经的分支或是动态的路径。
简单来说，我们并不知道脑是如何进行全脑的信息传递的。事实上，连假设存在所谓的“信息”也有些异端。但回到我们那位时间旅行的工程师身上，如果她知道计算机网络上信息传递的一般规则，她也许就能够确定路由器中某个二极管或晶体管所扮演的角色。脑中的情况应当也如是：如果能够探明信息传递的基本原则，我们应该就能够理解每个神经计算的作用了。
几十年来，神经科学家们一直在测量二极管和晶体管，而忽略了更大的信息传递系统。在科学领域，甚至整个社会上，我们都应当更多地将脑视为一个统一的信息交流系统。进一步说，我们在研究脑的时候，可以多参照那些令互联网成为宇宙中最强大、最灵活并且最活跃的信息交流系统的一般性原则。这种视角的切换，也可以帮助我们更有效地理解和运用我们自己的脑。
我们知道，脑必须在各个层面上相互沟通，从突触间的生物化学，到全脑级别的电学活动的振荡。最重要的是，它必须能够在不改变神经元网络结构的情况下，有选择性地在脑中发送信息。任何种类的任务，都会需要在某些时候向一个地方发送信息，而在其他时候向另一个地方发送信息。这一点被明确提出来的时候似乎显而易见，但它却很少被人们认识到。
这就像我们在冰激凌店里要决定是巧克力还是香草口味时所发生的事情一样。我们脑中的某个决策神经元必须要能够将信号指向说“巧克力”的神经输出机制，或者是指向说“香草”的神经输出机制。我们甚至可能会说：“巧克力——哦不，等等！还是香草！”因为我们想起来商店里的香草口味特别好吃，继而调用存储在这一网络中其他地方的记忆来实时改变信息的输出路线。整个网络的通信链路几乎可以瞬间切换。但我们的脑做到这一点的时候，是不需要改变神经元网络的连接关系的。
神经科学家已经对神经元中发生的决策计算进行了广泛研究。 [5] 这些神经元似乎通过一段时间内所积累的输入信号证据来“决定”放电或不放电。但我们并不知道计算出的决定是如何被输送到选定的输出神经元的。这个问题甚至没有被真正地提出来过。
身体的其他部分也是相互沟通的，那些其他生物学系统所采用的交流解决方案适不适合拿来比较也是一件值得考虑的事。例如，免疫系统发挥作用的前提是有能力将有关病原体存在的信息传递给相应的内部安全部队。每一滴血液中都有庞大的抗体大军进行巡逻，将微小的标签贴到任何值得怀疑的对象上。这些被贴上标签的微生物在体内循环的过程中，它们的标签终将被注意到，而这些入侵者也将被阻截和消灭。这么一来，这个信息就算是被接收到了。
如果说抗体是免疫系统的信息，通过物理运动的方式在长达数千米的血管中传递着，那么脑的信息可就是完全不一样的东西了。在脑中，信息是由电信号和它们的化学介质组成的。信息在一个高度互联但又固定的“线缆”网络中传播。脑中没有任何单独的组成部分可以进行远距离移动，至少在短时间内是做不到的。正是这种网络化的信息传递定义了神经通信。就像免疫系统一样，脑必须有一套高效的全局规则和信息通信策略。只不过这套规则是专门用于由神经元所构成的系统，并与思考和行为功能之间有着密切关联。
近年来，有一个规模尚小但不断增长的研究者社群，对脑网络上运行着的信息传递规则进行了研究。其中一些研究人员提出了类似于互联网的解决方案，以一种灵活的方式回答了在脑中传递信号的难题。尽管这些理论只是偶尔被提及，并被统称为 路由 理论（routing theories）。这里所谓的 路由 ，是指根据一套全局规则将信号从网络的一个部分引导到另一个部分。通过将神经计算的概念改造为神经路由，我们可以开始从一个全新的角度审视问题，并且看看互联网之喻到底能如何帮助我们。
在字面意义上，脑与互联网不一样，正如它在字面意义上与数字计算机不一样类似。但相关类比仍然是有益的，甚至是不可或缺的。计算机隐喻在神经科学领域中有着很好的应用，没有必要将其抛弃。它好歹为我们造就了人工智能（artificial intelligence，简称AI），以及我们将在本书后续进行探讨的众多关于脑的流行概念。但是计算机隐喻中缺失了能够解释灵活交流的工具。接下来我将介绍为什么互联网隐喻可能可以开始为我们提供这样的工具。
在第一章中，我将深入剖析目前占主导地位的计算机隐喻，并对互联网隐喻进行概要性铺陈。正如我们将看到的，将脑视为一个类似互联网的系统其实已经有许多先例，只不过它们暂时还没有被整理到一个统一的框架中。
我们为什么需要隐喻呢？你将在第二章中看到，隐喻一直以来都是增进我们对脑不断认知的基础。但几乎不可避免的是，它们也可能将我们引向错误的方向。我的结论是，好的隐喻对于神经科学来说总体上是有益的，甚至对于普遍意义上的科学而言也是如此。
第三章介绍了在理解全脑功能方面的研究现状。虽然研究活脑的程序性限制是学科进展的主要障碍，但我们目前的理论工具箱也可能妨碍了其进步。我从已经在神经科学某些领域获得成功的整体性研究方法中得到启示，从而提出了一条前进的道路。
在第四章中，我们将要审视一下能够让我们重新理解脑的基础理论框架，它有赖于我们对连接组越来越多的理解。第五章提供了关于通信系统和互联网架构的入门知识，其中着重关注了那些与脑最相关的特征。第六章将给出对互联网隐喻及其在神经科学领域应用的详细介绍。我认为，该隐喻将为理解脑的全新理论提供一个起点。它为神经系统提出了新的概念，以及将这些概念在脑中实例化的具体机制。
在第七章中，我将对互联网隐喻进行评论，并依循互联网隐喻的框架对一系列可测量的脑过程做出具体预测。第八章将对新的理论和实验进展进行展望，它们可能有助于构建一个基于互联网隐喻的、更加完整全面的脑功能理论。
最后，在第九章中，随着我们对互联网隐喻更广泛的含义进行探讨，我们的关注点也将拓展，并涉及人工智能、意识与自我等概念。我们将颠倒互联网隐喻，并提出一个引人深思的问题：如果脑像互联网，那么互联网反过来是不是也像脑呢？具体来说，互联网有意识吗？在本书的最后，我们将考虑一下如何运用互联网隐喻来帮助我们在日常生活中更有效地使用我们的脑。
[1] Dean Buonomano, Brain Bugs （New York: Norton, 2011）,189,105.
[2] Donald Hoffman, The Case Against Reality: How Evolution Hid the Truth from Our Eyes （New York: Norton, 2011）,123.
[3] Gary Marcus,“ Face It, Your Brain Is a Computer, ” New York Times , June 28,2015, https://www.nytimes.com/2015/06/28/opinion/sunday/face-it-your-brain-is-a computer.html.
[4] 计算神经科学家科丁（Konrad Kording）确实做过这类研究，其目的在于演示为什么计算机隐喻式思维会漏掉重要的结构和行为。他和一位电子工程师同事，将由计算机隐喻驱动的神经生物学标准分析工具，应用于一台真正的计算机，也就是经典雅达利（Atari）游戏系统的微处理器芯片。正如《连线》（ Wired ）杂志的报道中所提到的，“他们除了关闭电路的开关之外并没有发现别的太多东西”。Anna Vlastis,“Tech Metaphors Are Holding Back Brain Research, Wired , June 22,2017, https://www. wired.com/story/tech-metaphors-are-holding-back-brain-research/; Eric Jonas and Konrad Paul Kording,“Could a Neuroscientist Understand a Microprocessor?” PLoS Computational Biology 13, no. 1（January 2017）: e1005268.
[5] 如需了解决策计算的标准模型，参见Joshua I. Gold and Michael N. Shadlen,“The Neural Basis of Decision Making,” Annual Review of Neuroscience 30（July 2007）:535–574。