萬字追問：為什么大模型離人腦仍然很遠？意識不是規模化出來的

大語言模型越能言善辯，關于它們是否已經擁有意識的討論就越熱。神經科學家揚·阿魯（Jaan Aru）的判斷卻近乎相反：“如果你是一個神經科學家，那么這些系統具有意識的先驗概率，基本上接近于零。”

但阿魯并不認為，機器原則上永遠不可能擁有意識。他反對的，是另一種更常見的想象：只要人工系統不斷擴大規模、增加參數、補上若干類似大腦的功能，意識總有一天就會自然出現。在他看來，這種推斷混淆了智能與意識，也把大腦過度簡化成了一張神經網絡。

真正可能與意識有關的，并不是同一種計算被做得越來越大，而是發生在分子、細胞、樹突、神經環路和行為之間的跨尺度過程。

對談嘉賓

Jaan Aru

愛沙尼亞塔爾圖大學副教授

他試圖把底層那些細密而具體的生物學細節，與更高層次的認知功能聯系起來。

他希望理解這些現象在腦中的基礎，并嘗試把問題解決過程中那些較為日常的頓悟，與神秘體驗和迷幻體驗中更深刻的領悟聯系起來思考。

主持人

Paul Middlebrooks

卡內基梅隆大學的特聘助理研究員

卡內基梅隆大學的特聘助理研究員，同時是播客“Brain Inspired”的主持人。他主要研究運動皮層和基底神經節神經群體活動如何在自由行為的小鼠中支持自然行為，致力于揭示神經活動與復雜行為之間的關系。

智能越來越強，不等于意識越來越近

保羅：你寫過很多關于意識的文章，也研究過人工智能。現在有一種很流行的討論是：人工系統會有意識嗎？它們可能有意識嗎？

你之前的很多文章都在比較生物系統和人工系統，試圖找出它們的異同，以此來判斷我們到底該不該相信AI會有意識。而且看你的表達，每當有人說“人工意識”或者“AI已經有意識”的時候，你好像都會特別不爽。為啥這么反感呢？

揚：我先給一個簡短的回答。很多人，甚至很多非常聰明的人，都會說：我們現在知道得還遠遠不夠。比較中間的立場會認為，它們也許有意識，也許沒有，我們在這個問題上應該保留一定的開放性。但如果你是一個神經科學家，那么這些系統具有意識的先驗概率，基本上就是零。什么都沒有，就是零。每當我聽到那樣的說法時，就會感到一種很強的沮喪。

保羅：其實我也同意你的直覺。但當你真正開始深挖那些細節的時候，懷疑的種子就種下了。甚至在你自己的論文里，你也會寫：“當然，它現在顯然沒有意識；但也許未來有一天，如果我們加上這個、實現那個，情況可能就不一樣了。” 那AI圈的人就會說：“好啊，那我們就把這些功能都寫進代碼里，砰！它就有意識了。”

可這條路的盡頭到底在哪？這簡直是個無限套娃。所以我也不知道到底劃在哪條線上，我們才能心滿意足地說：“啊，它有意識了。” 我和你一樣，直覺上覺得先驗概率是零，但我又覺得這樣顯得我像個糟糕的科學家，因為這終究是我的偏見和先驗立場。

揚：它當然也不是真正意義上的零。但我總是說，既然其他所有人都在往錯誤的方向夸大——覺得“哎呀這東西可能有意識”，那我就干脆往另一個極端去拉扯一下。順著你的話說，我們在論文里也提過，這里面有所謂的“容易問題”（easy problems）。比如，我們認為大腦中某種特定的架構是產生意識所必需的，像丘腦啊、樹突啊。當我們思考這些問題時，腦子里確實會冒出一個明確的答案：這些其實都是“容易問題”，因為你完全可以在代碼里把這些結構實現出來，然后指著它說：“看，有意識了！”

所以從2022年開始，我一直在追問：有沒有更好的回答？有沒有一個更復雜、也更站得住腳的回答？我想，到現在為止，我們至少已經有兩篇文章，把這個想法說得更清楚了一些。一篇是2023年發表在Trends in Neurosciences上的論文，另一篇是2025年底剛發表在Neuroscience and Biobehavioral Reviews上的文章。最簡短地說，我們在這些文章里想表達的是：意識可以是一種計算，但那是一種極其復雜的計算，而且只發生在生物組織之中。它和大語言模型里正在發生的一切，相距實在太遠了。所以，大語言模型具有意識的先驗概率，仍然接近于零。

Aru, Jaan, Matthew E. Larkum, and James M. Shine. "The feasibility of artificial consciousness through the lens of neuroscience." Trends in neurosciences 46.12 (2023): 1008-1017.

Milinkovic, Borjan, and Jaan Aru. "On biological and artificial consciousness: A case for biological computationalism." Neuroscience & Biobehavioral Reviews (2025): 106524.

保羅：你剛提到的那篇25年底的長文，真的深入到了許多非常細的層面，比如計算機究竟是怎樣運作的、軟件和硬件是如何區分的、存儲又是怎樣被單獨劃分出來的，等等。那篇文章其實是在很具體地說明，為什么生物系統中那種跨尺度整合的計算，更應該被認真看待。而這也帶來了更高程度的復雜性。

如果我換一種說法來概括你剛才的意思，那就是：生物系統中的復雜性比現在的AI高出太多太多了，兩者根本不在一個量級，所以“AI有沒有意識”這個問題一開始就不成立。核心就在于“復雜性”嗎？還是我漏掉了什么？

我們研究放電，

可能只是因為它最早能夠被測量

揚：“復雜性”這個詞，聽上去其實有點把問題說輕了。但我想，這至少已經是重要的第一步。因為在意識研究領域里，確實有很多非常聰明的人，來自認知科學、認知神經科學和心理學，可他們對大腦的理解，往往還停留在一個相當基礎的層面。在他們眼里，大腦好像沒啥特別的，無非就是神經元和突觸嘛。但你作為神經科學家肯定知道，這只是對大腦極其粗糙的抽象。事實上，我們研究得越深，就越發現那些底層的死磕細節至關重要。

所以第一步就是先承認：沒錯，如果你只在“網絡層面”做抽象，大腦看起來確實和AI系統挺像的。如果意識僅僅是由網絡層面決定的，那AI也許有戲。但大腦的復雜程度遠超于此。你想想，在人工神經網絡里，一個“單元”（unit）算什么？不過就是一行代碼，極其簡單的一段代碼。但如果我打開你的頭蓋骨，從你腦子里挑出幾個神經元放在培養皿里，它們可是活生生的，不僅能存活，還在持續運作。如果你往細胞內部看，那里每秒鐘都在發生著數以十億計的生化反應。

也就是說，僅僅在單個單元這一層面，大腦就存在著人工神經網絡根本無法捕捉的巨大復雜性。所以有些人說“人工神經網絡已經快逼近人腦或鼠腦的復雜性了”，這簡直太天真了，只能說明他們根本不懂大腦。這說的還只是“復雜性”這一面。而我們在那兩篇論文里提出、并且在我和Borjan Milinkovic那篇文章里講得更充分的一點是：問題不僅僅在于復雜，更在于大腦里存在著多個彼此很不相同的加工尺度。網絡層面，只不過是其中的一個切面。

大腦真正迷人的地方在于，一個極其微小的事件，比如某個分子層面的變化，可能一路跨越不同尺度，進入網絡層面，甚至影響行為；而行為反過來又會改變分子層面的狀態。真正讓我感興趣的復雜性，恰恰就發生在這些不同尺度彼此交匯、相互作用的地方。

我在那兩篇文章里一直想強調的是：作為科學家，我們其實并不理解那些跨越不同尺度發生的計算，也并不真正理解這些尺度之間的相互作用。如果我們能把這些弄明白，也許就會離理解意識更近一步。真正的復雜性就在這里。它不是把同一種東西不斷堆上去，越來越多、越來越多。在AI領域，人們常說的是“把規模做大”。但問題不在于規模變大，而在于這種復雜性本身。

保羅：也就是說，他們其實只是在同一個尺度上不斷把系統做大，對吧？

揚：如果你放大的只是網絡層面，那確實是這樣。但問題就在于，大腦并不只有網絡這一層。當然，你可以討論網絡層面到底有多重要；但就我對大腦的研究和思考來說，我們其實越來越清楚地看到：研究得越深入，就越不得不去理解細胞層面的效應。

拿記憶，或者工作記憶來說，就是一個很好的例子。很長一段時間里，人們都以為，它依賴的是神經元持續不斷的放電活動。但在過去十年、十五年里，我們開始意識到，記憶其實也可以是“靜默”的，根本不需要放電。這還只是個例子。如果你把目光放到更廣闊的記憶研究領域，情況也是一樣的。以前大家總覺得，哦，記憶無非就是某種放電模式嘛。可現在，當我們聊到“記憶痕跡”（engram）時，關注的早就不僅是放電模式了，更核心的問題是：底層到底發生了哪些分子級別的改變？我覺得，意識研究最終也會走到這一步。

保羅：對我來說，跨尺度的理解幾乎是這個領域最理想的目標之一。很多只在某一個尺度上工作的人會說：“哎呀，反正我們連這一層都還沒徹底搞明白呢。”所以最安全的做法就是茍在自己的舒適區里，說：“我們得先把這一層研究透了，再去聊什么跨尺度結合、整合或者互動吧。”這種挫敗感，很大程度上也是因為我們手里根本沒有現成的概念工具或數學工具。

真正能用來研究跨尺度問題的工具，其實并不多。這是一個極其困難的問題。我和你一樣，都覺得真正關鍵的部分恰恰就在這里，因為所有的復雜性正是在這里發生的。而這也正是最難的一點。說到底，如果我們連單一尺度上的問題都還沒理解清楚，又怎么可能去理解不同尺度之間的相互作用呢？

揚：但這恰恰就是我心目中的科學啊！你不能總挑軟柿子捏，你得去啃那些最硬的骨頭。當然啦，我完全理解那些有一整套穩妥研究計劃的人。他們順風順水，沿著同一條路子，一篇接一篇地在《自然-神經科學》上發頂刊。我尊重這種做法。但就像我一開始說的，我自己的想法不太一樣。人這一輩子其實很短的——不是咒你啊，我是說所有人。你真正能干成點事的機會，其實就那么幾次。

所以從我科研生涯剛起步那會兒，我就在想，我要不斷調整方向，去做那些我覺得足夠復雜、但又確實能推進一點點的事情。我也真心希望，能有更多科學家像我們這樣看待這個問題：沒錯，它確實很難；沒錯，我們缺工具；沒錯，我們還需要全新的數學方法。但也正因為如此，它才讓人熱血沸騰啊！這也正是為什么我們現在、立刻、馬上就得去做這件事。

真正的復雜性發生在尺度之間

保羅：你剛才那段話里，有很多點都可以繼續往下說。咱們先順著“尺度”這個話題往下走一步。按你剛才的說法，好，沒問題。我們可以去研究細胞層面是怎么和神經元群體層面互動的，也可以看看群體活動是怎么反過來限制細胞活動的。但這說到底，也只是在兩個尺度之間打轉。

很多人會覺得，一旦你跨到“心理”這個層面，姑且也把它叫作一個層面、一個尺度吧，至少在心理學語言里常常會這么說，由于涌現之類的問題，那里似乎就會出現一道邊界，而你永遠無法真正跨越心理與物理之間的鴻溝。

你剛才聊的那些，本質上全都是物理過程（電場、動作電位、細胞信號傳導等）。在你看來，從物理到心理的這道分水嶺，也能被平滑地整合進你的“跨尺度”框架里嗎？還是說，它確實應該像很多人主張的那樣，屬于一個截然不同的層級？

揚：先澄清一下哈，估計我的一些合作者已經在心里罵我了，怪我怎么沒早點把這話說清楚。從某種意義上講，我們甚至會走得更極端一點，直接說：大腦里根本就不存在什么涇渭分明的“層次”。

把大腦劃分成一個個層次，純粹是我們為了搞理論硬湊出來的。事實上，如果你自己就是一個神經元，你接收到的信號本質上就是各種分子。你哪知道這玩意兒到底是個“網絡級”的信號，還是神經遞質，還是別的什么鬼東西？所以某種程度上，大腦里這些所謂的層次，其實比大家想象的要糾纏得深得多。

當然了，如果是為了具體操作，比如你說“我們在這個尺度上做個測量”，那用“尺度”來思考是完全OK的。但從大腦真實的運作來看，一切都是高度流動的，有時候你甚至會覺得，你根本沒辦法把這些尺度硬生生切開。

保羅：對，但我們總得切開它們，不然都沒法給咱們研究的東西起名字了。在你和博爾揚最近的那篇論文里，我記得你們常用的一種表述是：“不存在某個享有特權的尺度，仿佛計算只發生在那兒。”但你剛才說的好像又往前邁了一步，你的意思是“根本就沒有層次”。因為各個尺度早就融為一體了，所以我們必須把它看作一個流動的、跨尺度的整體過程。這么總結對嗎？

揚：對。再說一遍，大家做研究的時候說“我研究的是這個尺度”，這沒毛病。但如果回到真實發生的神經加工過程，只要你仔細想想一個神經元到底在干嘛、在感受什么，你就會發現，這些尺度真的沒那么涇渭分明。真實情況其實要有意思得多。你面對的既有分子層面的東西，也有來自其他神經元的電場影響。

理論上講，電場似乎應該比飛過來的分子高出一個層級吧？但對那個具體的神經元來說，真的有這種高低之分嗎？總之，真實情況絕對要好玩得多。我覺得這里的核心洞察是：如果你能意識到，“尺度”也許只是我們為了方便研究搞出來的抽象概念，而在真實的大腦里根本沒那么界限分明，那你的思考視野一下子就被打開了。

保羅：在我現在的研究里，我經常會有種……怎么說呢，挺別扭的感覺。其實我很喜歡我做的事，也覺得挺好玩的。我每天都在分析神經元群體的放電計數。但很多時候我會突然覺得，天吶，我是不是也像那個笑話里一樣，只是在“路燈底下找鑰匙”？

我們所有人都在干這事兒：盯著動作電位，數它們放了多少次電，分析它們之間的統計學規律。這真的是一個極其狹窄、極其局部的視角，可整個神經科學界就這么在這個假設上狂奔了許多許多年。“哦，放電了！這就是我們該看的東西。”我完全同意你說的，真正重要的是去觀察跨尺度的互動。神經元放電也許根本不是核心，它只是一個很小的切面，但我們卻把所有的資源都砸在了這里。我這可能更像是在發牢騷，不太像是在提問了。

揚：不，你說得很對。如果有人對這種現狀感到奇怪，不妨想想：我們把“放電”作為研究核心，到底有多大程度僅僅是因為歷史遺留問題？僅僅是因為前輩們恰好發明了測量放電的方法，于是它就成了一把現成的科學錘子。假設在一個平行宇宙里，人類最先掌握的不是測量放電，而是能干凈利落地測量鈣離子活動。那我們今天關于大腦如何運作的整套理論，絕對會是另一副模樣。

保羅：這就好比你去研究一片熱帶雨林，剛好有個人站在林子里拍手，而你唯一能聽見的就是這拍手聲。于是你一拍大腿：“啊！我只要搞懂了這個拍手聲，就能理解整片雨林了！”這聽起來多少有點荒謬。

揚：太對了！完全就是這樣。這個比喻好。現實中發生的事情差不多就是如此。再說一遍，研究放電本身沒問題，但也許我們不該把全部精力都押在上面。我們至少得承認：我們一直在研究放電，僅僅是因為歷史慣性，這并不意味著放電就是智能或意識的核心“硬通貨”。

保羅：我剛才之所以會岔到那個話題上，其實是因為這里有一個區別：一種說法是，并不存在某個享有特殊地位的尺度；而按你的說法，更進一步，似乎是根本不存在那種清晰劃開的層次。或者換句話說，正因為不同尺度之間存在復雜的相互作用，它們之間本來就沒有明確邊界。我也不知道還能怎么更準確地表述這個意思。再往前一點，我其實還問過你另一個問題，像細胞、神經元群體、亞細胞過程這些實現層面的細節，和我們所說的心理現象、心智現象之間，到底是什么關系？在你看來，它們也都屬于同一條連續譜上的不同部分嗎？

如果我們的心理世界是從這種跨尺度加工中涌現出來的，或者至少與之緊密相關，不管你愿意怎么表述，那你覺得這里真的有一道清楚的分界嗎？還是說，它其實也只是這一連續過程中的一部分？

揚：這是個非常好的問題。我有一位很聰明的同事也吐槽過我：“你看，你當然可以說萬物都是糾纏在一起的，但‘意識’本身，難道不是和大腦里的其他過程分得清清楚楚嗎？”我得承認，這個反問一針見血。至少就目前的表象而言，從我們的直觀感受來看，我確實沒法硬說意識和其他物理過程是完美交織在一起的。對于這個難題，我現在還沒有一個拿得出手的答案。

保羅：那如果咱們現在已經灌了三杯啤酒，我非要把你逼到墻角問一句：你覺得是大腦“產生”了意識，還是說意識本身就是某種更基礎的存在？你會怎么回答？當然，我也知道，這并不是僅有的兩種選項。

揚：這又繞回我一開始說的了，我一直挺引以為傲的一點就是，我心態很開放，隨時愿意改變想法。在很長一段時間里，尤其是我早年的時候，我會毫不猶豫地說：是大腦產生了意識。

保羅：我們剛學神經科學的時候，聽到的基本就是這一套。

揚：對。不過現在，我會承認像托諾尼（Tononi）、科赫（Koch）這些人說的確實有道理——意識也許真的是某類過程的一種基本屬性。不過，他們后面延伸出來的那些論證，我可能就不敢茍同了。如果意識真的是一種基本屬性，那我更傾向于認為，它是一個“不同尺度相互作用的系統”所具備的基本屬性。

保羅：還有一點我想再回過頭來說。你剛才提到，人工系統本質上只是用數字方式實現了“網絡層”。我舉雙手贊同。但AI最讓人細思極恐的一點是：在剝離了所有生物學細節——不僅是單細胞層面的細節，還包括群體動態、跨尺度、跨層級的復雜互動之后，它們在執行某些功能時，居然還能表現得如此“智能”。

我不知道你怎么看，你覺得“智能”和“意識”是完全正交（互不相干）的兩個維度，還是說它們之間有某種聯系？我目前的直覺是，它們是完全正交的。不管怎么說，AI在缺乏這么多生物學實現細節的情況下，居然還能完成這么多功能，這本身就夠嚇人的了。就這一點而言，你是怎么理解智能和意識之間關系的？

揚：首先，這些系統居然能解決這么多任務，確實已經非常驚人了。但有一點我們必須時刻牢記——這也是我經常拿來敲打我學生的——這些AI系統消耗的能量，可能比咱們這顆三四十歲的人類大腦高出幾百萬倍都不止啊。考慮到這一點，是的，目前我非常支持阿尼爾·塞思（Anil Seth）一直在傳達的觀點：就像你說的，它們可以是正交的。我們不確定它們是不是絕對意義上的100%正交，也許多少有點聯系，但意識和智能，絕對不是同一回事。如果有人覺得，“哦，這些系統越來越聰明了，所以總有一天它們會自動涌現出意識”，那問題就大了。不，它們不會的。

保羅：這實在太天真了。

揚：對。我剛才也稍微提到過，現在的問題是，這幫人里有不少拿著天價高薪，被大家奉為大神。可他們壓根兒就沒花時間去搞明白大腦到底有多復雜。正因為不懂，他們甚至都意識不到自己的想法有多天真。這真的很可悲。我經常覺得，在現在這種大環境下，神經科學的聲音根本沒人聽。大家一聊起意識，全憑自己的腦洞瞎猜。這也是研究意識最讓人心累的地方。所以我有時候會刻意跟這個圈子保持點距離，因為每個人都在往里塞私貨，而我現在只想安安靜靜做點實打實的科學。

保羅：這點挺有意思的。我剛開始做這檔播客的時候，見誰都問意識問題。結果大概有75% 的嘉賓會說：“哎呀，我手頭的活兒都干不完呢。意識這玩意兒水太深了，我現在研究的課題既有趣又重要，所以對意識我真沒啥可說的。”說實話，我挺尊重這種態度的。神經科學家老是抱怨計算機圈和AI圈不聽我們的。但我的感覺是，人家現在可能壓根兒就不覺得需要我們。

揚：對，他們并不需要。不過最近又刮起了一陣新風氣，大家開始大談特談“AI福利”、“AI意識”，搞得像個重大議題似的。但我有時候覺得，這種討論其實并不真誠。它本質上就是個蹭熱點的話題，你聊這個就能被大廠請去演講，就能拿高薪。但從科學嚴謹性的角度來說，這么言之鑿鑿地談論這些，其實是不負責任的。

當然，反過來說，如果一個人并沒有神經科學背景，也不了解這些知識，那他也許并不是在故意胡說。對他來說，那種判斷也許仍然是“真誠”的，因為他并不是憑空捏造，而是在他自己的那套知識框架里，這些系統看起來的確像是可能有意識的。但這樣一來，責任就落到了我們這些神經科學家身上。我們得努力把一個更清楚的信息傳達出去，那就是，大腦本身要復雜得多，也有趣得多。

保羅：但與此同時，神經科學家固然有很多可以貢獻的東西，也同樣應該保持謙遜，因為心智至今依然是個謎。

揚：這正是關鍵所在。每個人都該保持謙遜。如果我聽起來不像一個謙遜的人，那我先說聲抱歉。但就這個問題而言，我已經研究了22年，我內心是非常敬畏的。

保羅：是的。只要有人說“我已經明確知道這個問題的答案了”，我就會立刻警覺起來。

揚：對。其實大腦中的很多問題都是這樣。我們不知道的東西，實在太多了。我也總是這樣跟年輕科學家說：先保持謙遜。努力去弄明白一些事情，但不要輕易相信那些說自己“真的知道答案”的人，因為在大腦這個領域里，太多東西都還是謎。也不是所有東西都如此，至少那些真正有意思的問題，大多仍然如此。而這恰恰是件好事。對年輕科學家來說如此，對我和你來說，其實也一樣。

保羅：你一直很著迷于跨尺度地研究大腦和心智。你之前也提過，你的熱情所在就是把那些極其底層的細節——比如亞細胞過程、樹突等等——和高階的認知能力、認知功能連接起來。咱們剛才也聊到，這簡直是這個領域的終極夢想，雖然我們現在連趁手的工具都沒有，但也正因如此才刺激。你之前和Matthew Larkum一起研究過樹突整合理論。馬修就是那種極其看重底層死磕細節的人。我想問問，在這些研究里，你覺得待在哪個區域最讓你感到如魚得水、最讓你興奮？不過這問題可能有點蠢，因為你真正興奮的恰恰是“搭橋”這個過程。你接著說吧

揚：我想，這其實已經是答案了。我的工作地帶，恰好就在認知科學、神經科學和人工智能的交匯處。在這三個領域里，每一個都有大把比我聰明得多的人。但他們中的絕大多數，壓根兒就不會去想怎么把這些尺度連起來。從來不想，也不關心。但我就是那種特別喜歡“搭橋”的人。我喜歡把這些看似不搭界的東西拼到一起。有時候同行會吐槽我：“這太扯了，你想得也太遠了吧，咱們不該搞這些虛的。”

但到目前為止，我也很幸運，遇到過一些編輯和審稿人，他們會說：“這想法是有點瘋狂，但如果它能推動科學往前走，那這種‘搭橋’的嘗試就是值得的。”我覺得，我也希望大家能感受到，對我來說，這才是神經科學和理解大腦的終極目標——去打通這些壁壘。也許現在做這事兒還有點早，但總得有人邁出第一步吧。至少對我來說，這是最好玩的事。

保羅：比如在AI領域，現在幾乎已經形成了一整套“指出AI做不到什么”的固定套路。無論你身處哪個研究領域，要挑出問題其實都不難。說到底，拆解和批評，總是比真正建設要容易。但到了某個時候，我們還是得真正動手去解決這些問題。對你來說，指出AI缺了什么、解釋為什么整合這些東西很重要，這是一碼事；但真正動手去解決問題，又是另一碼事。你是怎么在這兩者之間找平衡的？

揚：某種意義上，我覺得自己那種“提出個好點子，然后就沒人管了”的概念性論文寫得有點太多了。大家都在忙自己的事，根本沒人去跟進。所以這次能和Borjan Milinkovic合作，我真的特別開心。Borjan是個非常硬核的人，他不僅想搞概念，還想把這套東西在數學上形式化，甚至試著把它跑出來。我太喜歡這種合作了，因為老是停留在“我有個點子”這一步，真的會讓我抓狂。

因為對我來說，這里面有一個核心訴求：在意識科學領域，我們需要一種“像整合信息理論（IIT），但又不是IIT”的新理論。我們需要那種在數學基礎和形式化上能和IIT抗衡，但切入視角完全不同的理論。現在的情況是，只要你對意識和數學感興趣，你基本上只能去搞IIT，因為那是目前唯一能讓你推導數學公式的地方。那是鎮上唯一的一家賭場。這對科學來說是個大問題。

我們需要發展出另一種理論，或者很多別的理論，也能像整合信息理論那樣，讓人真正去研究這些數學性質。因為我非常相信，科學需要的是思想上的多樣性。到最后，整合信息理論也許真的是對的，但如果我們手里只有它這一套，我們反而到不了真正的答案。我們需要別的理論。這件事極其困難，因為整合信息理論已經領先起跑了二十多年，甚至可能還不止。但除此之外，沒有別的路可走。

保羅：我同意。我剛才其實應該修正一下自己的說法，我把事情簡單粗暴地分成了“指出問題”和“解決問題”兩半。但實際上，真正讓我興奮、讓我最開心的，是去界定“問題空間”（problem space）到底是什么。很少有人愿意在這上面花時間，而你恰恰就在做這個。你不是在單純地挑毛病，你是在追問：“到底什么才是正確的問題？”愿意認真思考這一點的人，其實并不多。

揚：對，首先要問的就是：這個問題到底還可以從哪些角度進入，或者像你說的那樣，它的問題空間究竟是什么。因為這種情況其實在我們的生活中經常發生。這也和“頓悟”有關。很多時候，我們會被困在一種解法里，甚至根本看不到其實還有別的可能。這時候，我們就需要另一個科學家，或者另一個人，來提醒一句：其實你也可以換個角度看。而這句話，也許就會一下子打開第三種可能、第四種可能。至少在我看來，科學本來就應該這樣運作。頓悟是這樣發生的，我們解決問題的過程也是這樣。

載體不是裝算法的盒子，

它參與構成算法

保羅：順著這個思路，界定問題空間本身就是最大的挑戰之一。比如，我們很多神經科學家都會默認接受一個前提：大腦是在做計算的，它是在執行某種算法的。如果我隨便拉個同事說：“嘿，我其實不覺得大腦在執行算法。”他們估計理都不想理我，因為大家早就被這套框架焊死了。大腦做計算、神經元群體通過算法實現計算——比如馬爾（Marr）的那套層次分析法——這種假設已經根深蒂固到讓人根本無法跳出盒子思考了。

揚：這確實是個問題。當我沿著這條思路去想意識，去想“意識是不是一種計算”時，我逐漸意識到，有一點始終必須分清，那就是：計算本身也有很多不同類型。可大多數人在談這些問題時，想法往往還是相當樸素的。他們會覺得，數字計算和神經計算本質上就是一回事。尤其一旦把討論收縮到放電之類的問題上，這種誤解就更容易出現，仿佛兩者完全等同。但你也可以換一種方式來想，這也是我們一直在強調的。生物組織當然也在進行某種計算，只不過這種計算和數字計算非常不同，因為你無法把它干凈利落地從它的物質載體中分離出來。

因為至少在相當大程度上，載體本身就是算法的一部分。如果載體本身在很大程度上就構成了算法，那你就不可能把它完整拆出來，再干凈地移植到機器上，或者做成別的什么東西。所以我覺得，只要我們談到“計算”，一個特別有用的區分就是，先問清楚你說的到底是那種樸素意義上的計算，還是這種發生在生物組織中的計算。我想，現在也越來越多的人開始這樣想了。

保羅：你能不能再多解釋一點“載體就是算法”這句話？我其實是認同這個說法的，只是我自己也不太確定，到底該怎么把它說清楚。

揚：說實話，我也不太知道該怎么把這件事說清楚。不過，也許可以借一個我們都很熟悉的例子來想，比如基因和DNA復制。當然，你完全可以把它寫成一種字母到字母的替換規則。但這并不意味著，你光靠那套字母規則就能造出一個細胞。因為在生物組織里，在真實的細胞中，這種堿基配對和復制的“算法”本身，也深深依賴于這些成分是怎樣被組織起來的，整個系統又是怎樣被構造出來的。

我可能解釋得還不夠好，但關鍵就在于：算法的一部分，其實已經包含在載體之中了。而一旦把這個思路放到大腦里，去想神經計算，我們大概也能很容易找到類似的例子。

保羅：我通常會把算法想成某種柏拉圖式的理想形式，或者說，一種數學結構。總之，它似乎是和具體載體分開的。但按你剛才的說法，一旦你真的要把它實現到某個載體里，這個載體本身幾乎就必然會成為處理過程的一部分。如果還要把它叫作“算法”的話，那載體本身也得算進這個算法里。

揚：你可以這樣理解，其實也有別的學者表達過類似的想法。比如說，如果你面對的是一個大腦，那么它本身的構造、其中分子的組織方式、它如何放電、它如何產生電場，這一切都會限制你究竟可能擁有哪些類型的算法。說到底，它最終會和某些算法變得無法分開。因為這些算法已經被大腦這種系統所能做到的事情深深塑造了。這個系統本來能調用的資源、機制和約束，就是有限的。

這也是為什么我一直覺得，你沒法把算法和它的實現方式干凈地剝離開來。當然，馬爾當年提出那套框架時，確實非常了不起。但到了某個時候，我們這些做科學的人也得繼續往前走，并承認：這是一套非常精彩的想法，在很多場景里都成立，但在另一些場景里，它并不成立。我們不該總是想當然地認為，算法可以和大腦真正正在做的事情清楚地分開。

保羅：你剛才提到了一個對我來說很關鍵的詞，也是我最近一直在反復琢磨的詞，那就是“約束”。它和生物過程的組織方式密切相關，而我現在越來越意識到，這個概念非常重要。比如拿發動機來說，如果你把活塞工作所依賴的那些邊界拿掉，把原本用來壓縮空氣、推動運轉的結構去掉，壓力就建立不起來，系統也就無法做功。抱歉，我剛才對活塞原理的解釋可能很不高明，但意思是，約束在這里是絕對必要的。我剛才舉的是一個機械系統的比喻，但類似的事情其實在各個尺度、每時每刻都在發生，不管是在細胞里，在大腦里，還是在這些潮濕的生物系統中。

我現在越來越覺得，在這些復雜而有組織的系統里，真正對系統產生巨大因果作用的，恰恰是各種約束條件，而不是我們通常想象的那種像臺球碰撞一樣的直接因果鏈條。系統里當然有某種能量在流動，但真正決定這股能量如何流經整個系統的，主要還是那些約束。我不知道你怎么看這個問題。我知道你也會引用一些理論生物學里關于生物組織的研究。我剛才這番話可能還不太算一個真正的問題，不過我大概想問的是：你會怎么理解這件事？

揚：我覺得你這樣講其實挺好的。你這么聰明，干嘛非得只負責提問呢？說不定咱們該反客為主，現在輪到我來采訪你了。

保羅：別，這正是我最害怕的事。我經常會擔心，自己一說就說太多，講著講著最后反而忘了自己到底想問什么。然后腦子里就一片空白。

揚：我想，你做這檔播客，其實也是在替自己把很多問題一點點想明白。這不只是提問，也是一個不斷發現“啊，原來這又繞回了我一直在想的那個問題：約束真的非常重要”的過程。的確，我們完全可以這樣理解：實現方式會如此強烈地約束算法，以至于到最后，兩者幾乎已經分不開了。

保羅：對，我其實就是在想這個。我只是想確認一下，你是不是也是這么理解的。因為你一提到“約束”這個詞，我腦子里立刻冒出來的就是：一旦你把某種“算法”放進生物載體里，那里幾乎處處都是約束。也許也正是在這個意義上，我才開始理解“載體就是算法”這句話。我剛才其實就是在試著把這幾件事串起來，也就是約束、組織形式，以及“載體就是算法”這個說法之間的關系。問題的一部分在于，我們其實還沒有足夠合適的詞匯和概念框架，來真正把這些事情說清楚。

揚：對，不只是詞匯和概念，還包括數學工具，甚至一整套方法。也正因為如此，我們才更應該去把這些東西發展出來。當然，這很難，連為這種研究申請經費都很難。但說到底，這恰恰就是科學，而這也正是當下最缺的東西，所以我們必須去做。

保羅：不過，話說回來，一想到“智能和意識都存在于大腦皮層里”，難道你不會覺得心里挺踏實的嗎？你總覺得這至少是個可靠的立足點吧？

揚：哦，這可就是典型的“皮層沙文主義”了，妥妥的皮層沙文主義。

保羅：哦，原來這就叫這個嗎？好吧，我還真沒意識到。

揚：這就是皮層沙文主義。這可得說你一句。

被低估的丘腦，

可能才是理解意識的關鍵樞紐

保羅：所以你的意思是，丘腦其實在這里起著關鍵作用，是嗎？在你看來，那些可能對意識很重要、也關系到我們如何理解大腦產生智能和心智現象的關鍵因素之一，就是丘腦與皮層之間的環路，而且還不只是丘腦本身，也包括其他一些皮層下結構。你能不能具體講講，為什么丘腦—皮層環路這么重要？以及，為什么它們長期以來似乎并沒有得到應有的重視？

揚：對，某種意義上確實如此。不過也不能說它們完全被忽視了。比如說，魯道夫·略納斯（Rodolfo Llinás）就做過非常出色的工作，而且很早就提出，丘腦—皮層系統可能正是理解意識的關鍵。

托諾尼（Tononi）也很早就注意到了這一點。整合信息理論最早期的幾篇論文，討論的就是丘腦—皮層系統，以及它為什么會不同于小腦。所以其實，大家并不是完全不知道這件事。而現在，尤其是在馬修·拉庫姆實驗室那些研究的基礎上，我們想把這條思路再往前推進一點，更具體地解釋，丘腦—皮層環路到底關鍵在什么地方。

馬修大概也在你的節目里講過，他們實驗室的鈴木基高（Mototaka Suzuki）發現，在這些樹突上，實際上存在著一種類似“開關”的機制，可以讓樹突彼此解耦。而由于第五層那些大型神經元同時是丘腦—皮層環路和皮層—皮層環路中的關鍵組成部分，一旦你在樹突層面實現這種解耦，實際上被解耦的就不只是局部，而是整個丘腦—皮層系統。

鈴木基高有了這個開關，想要“開啟”或“關閉”意識，或者對整個大腦的加工過程進行極其微操的調控，就變得非常容易了。順著這個思路想，你就會發現丘腦的位置特別有意思：它既是整個環路的一部分，同時又是個“控制臺”。因為鈴木和馬修的研究表明，正是來自丘腦的其他信號連接，在控制著這種樹突的整合。我這么解釋，聽起來會不會有點怪？

保羅：是有點怪，但也很酷。（笑）

揚：既然你知道丘腦在調控這種互動，你就會意識到，哇，丘腦在大腦里的地位真的太特殊了。它接收所有皮層下結構的信息，也接收所有皮層的信息。而且，它還能實質性地改變皮層里正在發生的事情。這時候你就會恍然大悟：真正坐在“駕駛座”上的，其實未必是大腦皮層。某種程度上，丘腦完全有能力掌控皮層里發生的一切。當我們開始意識到這一點時，再看解剖學結構就覺得理所當然了：皮層的每一個區域都會直接向丘腦發送信號，而丘腦也能反過來控制皮層的每一個區域。

于是我們就開始問：為什么我們總要把大腦想成一個“很深”的系統？換個角度看，尤其是從丘腦的角度來看，大腦其實是相當“淺”的，因為在丘腦那里，整個皮層幾乎就像一整張鋪展開來的薄片，橫跨整個大腦。也正因為如此，我們后來寫了那篇論文《大腦到底有多“深”？》（How Deep Is the Brain?）。不過我當時其實一直在試圖說服我的合作者，標題應該改成《你的大腦到底有多“深”？》（How Deep Is Your Brain?），因為它正好對應接招合唱團（Take That）的一首老歌。

保羅：等等，是哪首歌？

揚：我就不唱了，那首歌是接招合唱團（Take That）的《你的愛有多深》（How Deep Is Your Love）。你沒聽過也沒關系，我其實也不該暴露我知道這首歌的。估計聽眾里也沒幾個人知道，不過它確實是首經典。

保羅：而且從傳播角度看，這個標題也更好，因為人們一看到就會想，哦，是“我的大腦”。好，所以你剛才其實是在說那篇論文，也順帶解釋了一些細節，說明為什么你們會把它稱作“淺腦假說”。我知道，事后回頭看，你可能會覺得這個叫法未必最理想。它的大致意思是這樣，核心在于丘腦。

在大腦皮層里，存在著許多所謂的“皮層柱”。它們在不同區域之間當然會有差異，但彼此又足夠相似，所以我們可以把它們看成一種重復出現的加工單元。而這些皮層柱，又由不同層次構成。其中在第五層，你會看到一些很大的錐體神經元。之所以叫“錐體”，是因為它們很大，形狀又像錐體。這些神經元會向下投射到皮層下區域，也會投射到脊髓。它們構成了皮層柱最主要的輸出通路。

同時，它們還帶有一種叫作“頂樹突”的結構，會向上延伸到皮層較淺的層次，而那些位置會接收到多種反饋信號，其中就包括來自丘腦—皮層環路的反饋，也包括來自其他皮層柱和某些皮層下區域的反饋。這些神經元還會向下投射到丘腦，而丘腦隨后又會把信號返回皮層，這樣就形成了一個環路。也就是說，這些神經元實際上同時接收著來自不同輸入源、不同情境的信息。這只是對其中基礎生物學結構的一個非常簡略的說明。而“淺腦”這個說法真正想表達的是......你在笑。是不是我剛才哪里講漏了，或者講得不對？

揚：我只是在想，你這個解釋真的比我剛才講得更簡單嗎？

保羅：當然沒有。這種事一講起來，就會立刻發現，糟了，自己已經陷進細節里了。不過總之，關鍵在于這些會向外投射的大型神經元。“淺腦”這個說法真正想表達的是，整個皮層里其實遍布著這種重復出現的結構，也就是皮層柱。你可以把它理解成某種統一的“層”。當然，我們平時更習慣把大腦想成一個層級結構。哪怕只是在皮層內部，我們也會從較早期的感覺加工，一路往后推到越來越抽象的加工，再到前額葉，仿佛那里的一切都變得高度抽象起來。所以我們通常會把大腦想成一種非常“深”的架構，就像深度神經網絡那樣。從這個意義上說，它當然是“深”的。

但你的觀點是，我們也可以換個視角，把整個皮層看作扁平的“一層”，它們全都投射到同一個區域——丘腦。而丘腦就像是一個控制臺，它能決定一個皮層柱是繼續保持環路，還是切斷連接。從這個意義上說，大腦就是“淺”的。你看，我這個高屋建瓴的總結怎么樣？

揚：很好，這就是最核心的意思。我想，這個標題真正的問題在于，我們把它叫作“淺腦假說”。但從某種意義上說，它根本不是什么“假說”，因為這本來就是解剖事實。這里并不存在什么猜測。它之所以如此，并不是一種推斷，而就是解剖結構本身如此。不管是在初級視皮層V1，還是在前額葉皮層，每一個皮層柱都會直接向高階丘腦發送輸入。事情本來就是這樣，很直接。當然，你還是可以繼續討論，“淺”這個詞到底是不是最合適。但從某種意義上說，這正是我們在那篇論文里想表達的：這不是什么猜想，也不只是某種理論而已。這就是事實。

保羅：我倒是挺喜歡“你的大腦是淺的”這種說法，有點像尼克·查特（Nick Chater）那本《心智是平的》（The Mind Is Flat）。

揚：對，尼克·查特。

保羅：對，說到底也還是更利于傳播而已。

揚：我的意思是，你總不能把那個“小人”直接塞進丘腦里，對吧？

保羅：對，當然不能。

揚：更準確的說法應該是，大腦當然是一個復雜的動力學系統，但丘腦有點像一個中央控制樞紐。在那里，信息可以被分配、轉送，也可以更集中地受到某種調控。至少在這個動力學系統里，丘腦是一個特別適合承擔這類功能的位置。

因為就像我剛才說的，不只是皮層會向丘腦發送輸入，幾乎所有皮層下區域也都會把信息送到這里。某種意義上，很多信息最后都會以這樣那樣的方式匯聚到丘腦。

所以，丘腦也許可以被看作一個非常有意思的中心角色。這也是為什么我愿意把它想成某種“指揮者”。當然，這里的“指揮者”并不是說丘腦里真有一個發號施令的小人，而是說，在這個動力學系統中，丘腦確實像一個可以統籌協調的地方，某種程度上，它讓大腦里的不同部分能夠彼此對上節奏、保持一致。

保羅：如果要把你這個看法和傳統的丘腦觀做一個對照，那么無論你剛才用什么詞來描述丘腦的作用，有一點都很明確：丘腦并不只是大腦里的一個“中繼站”。但在神經科學的很大一部分傳統中，人們長期以來確實就是這么理解它的。當然，很多神經通路的確要經過丘腦，才能把信息送往大腦的下一個區域，所以人們才會覺得，它不過是在做信息中轉而已。可實際上，它扮演的是一個積極得多、主動得多的角色。而我們現在要做的，正是進一步弄清楚，這種角色究竟是什么。

揚：對，正是這樣。接下來我們也會盡量去做相關實驗。我的朋友鈴木基高就在做這方面的實驗，另外還有不少人也在做非常出色的工作。我們認為，關于丘腦如何在皮層中承擔信息分配與調控作用，還有很多東西有待弄清。而且，再說一次，我們真的應該少一點這種“皮層沙文主義”，不要總把皮層想成那個什么都包辦的“主角”。更準確地說，皮層也許只是一個非常方便的計算空間，而真正調動、利用它的，還有別的參與者。

機器意識并非原則上不可能

保羅：你現在怎么看“人工意識”這件事的前景？難道只要把丘腦—皮層環路實現出來，我們就算走到了那一步嗎？還是說，我們必須先弄清楚這種大規模的跨尺度整合，才談得上接近人工意識？你現在如何理解實現人工意識的可能性？如果這件事確實有可能，那又該從什么方向入手？從我們現在所在的位置出發，第一步應該是什么？

揚：我得承認一件事。等我真正開始理解大語言模型和當代AI系統之后，我很快就意識到，我們原先那種想法其實是守不住的。也就是說，我們不能再長期堅持那種看法，仿佛只要有樹突整合、只要有丘腦—皮層整合，就足以解釋意識。因為這類東西，從原則上說，是可以用數字方式實現出來的，至少可以做到某種近似。

所以，正如我前面已經稍微提到的，大概從2022年初開始，我馬上就開始去想另一個問題：我們真正缺掉的、更根本的東西到底是什么？也正是這個追問，后來帶出了這一系列研究和想法。也就是說，關鍵恐怕不只是樹突，不只是丘腦—皮層環路，而是不同尺度之間的相互作用，以及發生在這些尺度之間的過程，本身可能就和意識密切相關。

再說一遍，這里面當然仍然有不少推測成分。但我覺得，我們至少已經邁出了第一步，把我們在概念層面上的理解先描述出來了。現在，就像我前面說的，也已經有一些很出色的年輕研究者在試著看，能不能把這套想法進一步做得更形式化一些。

歸根結底，我會說，已經沒有必要再去死守那種想法了，也就是仿佛意識的關鍵一定就是樹突整合和丘腦—皮層環路。意識為什么、又是如何從大腦中產生出來，背后很可能還有更深層的原因。而我們真正該做的，是把那個更深層的原因找出來、弄明白。

有些人聽到這里，可能會想：“揚，你這又有點瘋了吧。你不是2020年才提出那個樹突整合理論嗎？怎么現在又轉到別處去了？這到底算什么？”但我一直都會說，對我而言，樹突整合理論最核心的意義首先在于，我們必須發展出真正嚴肅的神經生物學理論。我們已經有太多認知層面的理論，也有太多計算層面的理論了。我們真正缺的，是一套扎實的神經生物學理論。

第二點是，對我來說，它從來都不是，也從來不該被當成某種最終定論。它更像是給年輕一代的一個啟發，告訴大家，我們沒有必要被那些舊有的意識理論困住。我們可以真正回到大腦本身去看。我們完全可以提出更復雜、也更貼近大腦實際情況的理論。樹突整合理論就是這樣的一種嘗試。我希望它至少算是一個不錯的例子，說明這件事可以怎么做。但與此同時，我們也必須繼續往前走。我們得走向下一步、再下一步，繼續往前推進。

保羅：我這里并不是在問你個人的目標到底是什么。就我自己而言，我有一種很基本的直覺，那就是，人工系統沒有意識，而且我覺得它們也不可能有意識。但與此同時，AI領域又總會出現我剛才提到的那種邏輯：好，這個人工系統現在沒有這個特征，那我們就把它加進算法里；加進去以后，它不就有了嗎？而這種推法，理論上是可以無窮無盡地一路加下去的。

一端是生物自然主義那種更強硬的立場。我覺得阿尼爾·塞思（Anil Seth）也許更接近這個位置。按這種看法，生物載體本身具有某種原則上不可替代的根本屬性，正是這種屬性從根本上排除了人工系統擁有意識的可能性。當然，我對這個立場的理解也可能有些細微偏差，甚至可能完全理解錯了。不過在我看來，生物自然主義大致就是這個意思。而另一端，則可以說是功能計算主義。按這種觀點，只要你把計算過程復制出來，意識就會隨之而來，幾乎像是“免費附贈”的一樣。

所以我一開始真正想問的其實是：目標到底應該放在哪里？我們的目標，是不是要證明，機器和意識之間存在一道原則上無法跨越的界線；還是說，我們真正要做的，是找出生物系統和機器系統之間到底差了什么，再一步步把這些差距補上，最終造出真正有意識的合成系統？也許這不一定是你個人的目標，但至少從你剛才的表述來看，這整套思路背后的目標到底是什么？它所依托的基本立場，又究竟是什么？

揚：這個目標其實很簡單。現在一邊是這種樸素的功能計算主義，另一邊是生物自然主義。我們想說明的是，這兩者之間其實存在一條中間道路，而且在我看來，這恰恰是最可信、也最合理的一條路。這條中間道路的意思是：不同于那種樸素的計算主義，我們認為，大腦中的計算極其復雜。我們之所以還不理解它，是因為我們還不清楚，載體究竟是如何具體地約束這些計算的。但即便如此，它依然是計算，只不過是一種復雜得多的計算。

也正因為如此，生物自然主義也并不成立。因為從根本上說，在某個時候，人類確實有可能造出具有意識的機器。但那種機器不會是今天這種大語言模型，因為大語言模型做的一切，本質上都只是數字計算。它們并沒有像大腦那樣，被那種深層的約束所塑造。它必須在某種意義上更像大腦。從這個意義上說，它需要是某種神經形態式的系統。但又不能只是那種很表層的“神經形態模仿”，而很可能必須把大腦中若干關鍵過程都認真考慮進去。

簡言之，我們真正想表達的是：思考意識問題時，確實存在這樣一條中間道路，而且這是一條相當合理的路徑。我這樣說清楚了嗎？這個意思明白嗎？

保羅：明白了。不過我想再把它說得更精確一點，也請你再展開一層。也就是說，從原則上講，并沒有什么理由規定，一個人工合成出來的機器不可能擁有意識。事實上，就像“忒修斯之船”那個思想實驗一樣，你完全可以把一個細胞里的每個分子都逐步替換掉。只要它們在功能組織、動力學組織和實際運作方式上都保持一致，那么理論上，你甚至可以一路替換掉整個大腦，最終得到一個有意識的機器，或者說，一個由機器部件構成的意識系統。

從這個意義上說，你甚至未必還會把它單純看作“機器”，因為關鍵根本不在材料本身，而在于那種組織方式，以及跨尺度的整合。而這件事，無論是在理解上還是在實現上，都離我們還非常非常遙遠。你的立場大致就是這樣吧：它并不是原則上不可能，只是我們離那一步還遠得很。我的理解對嗎？

揚：對。我們不可能靠大語言模型走到那一步。它們當然很了不起，也確實能完成很多有趣而且看起來很智能的任務，但我們不可能沿著這條路抵達意識。

保羅：那你會希望真的在機器里造出意識嗎？

揚：我只能說，就目前來看，這件事離現實還太遠了，遠到我其實還沒有認真想過這個問題。我知道，阿尼爾·塞思（Anil Seth）會進一步追問一句：這甚至真的是我們想要實現的東西嗎？如果你現在非要我回答，我大概得先認真想一陣子，或者干脆打個電話問問朋友。

保羅：對，我也是。簡短地說，就是這樣。

揚：我之所以還沒有認真思考這個問題，是因為我確實覺得，就當下而言，這件事離我們還太遙遠，遠到我們暫時還不必為它擔心。

保羅：對，至少現在還談不上需要擔心。對我來說，最核心、也多少有點自私的目標，其實只是想把這件事弄明白。我想，如果我們真的理解了它，從原則上說，也許就有可能把它實現出來。當然，也可能不是這樣。也可能到頭來，我們還是沒法真正把它做出來。也許，只要我能在這些跨尺度的組織原則上獲得某種足夠深入的理解，就已經能滿足我的好奇心了，而不一定非得進一步把它“造出來”，至少不一定要達到費曼所說的那種程度。就像費曼那句很有名的話：不能親手造出來的東西，我就還談不上真正理解它。

揚：對。你剛才提到的一點，其實也非常重要。還是像我前面一直在努力說明的那樣，大腦中的很多細節都很關鍵，因為大腦里的那些計算，只能在這種特定類型的載體上發生。這意味著，如果你真的想做出一種合成意識，那么至少在某些方面，最后做出來的東西可能會非常接近大腦本身。

當然，這未必意味著你要在大腦的每一個方面都照搬它。但很可能會有某些部分，你最終不得不做得幾乎和大腦一模一樣，甚至在物理實現上都要盡可能貼近大腦原本的樣子。只是到今天為止，我們還不知道究竟是哪些部分。說到底，我們對此幾乎還一無所知。但也正因為如此，我們才更需要去研究它，更需要努力把它弄清楚。

意識科學需要的不是更多口頭理論

保羅：說到這里，我感覺關于意識的理論，現在大概已經多到兩千四百三十七種了，差不多就是這個量級。那這些理論，你會不會干脆都不看了？還是說，其中多少總有一些，會讓你覺得更值得認真對待？

揚：這方面我確實下過很多功夫。就像我前面說的，我已經在這個領域里做了22年。我大概讀過幾百種意識理論。但到了某個階段，我越來越覺得，問題在于，要提出一套純粹停留在言語層面的意識理論，或者一種認知層面的意識理論，其實并不難。提出某種說法并不難。可到了后來，尤其是2018年之后我在馬修·拉庫姆實驗室工作時，我越來越覺得，真正說得通的做法，只有一條，那就是用神經生物學來認真約束我們對意識的思考。

而且直到今天，真正愿意這樣做的人，其實也并不多。我覺得部分原因也在于，我們的大腦本來就會偷懶。面對這么多關于大腦的復雜事實時，人們更容易說一句：“這些細節大概沒那么重要，反正說到底，它就是一種計算。”當然，就像我前面說過的，這也是科學體制本身的問題之一。只要你已經摸清了一套能穩定發論文、出成果的路徑，那你基本上就沒有動力再往更深處走，也沒有必要主動去打開那個潘多拉盒子。

所以，我這一大段有點情緒化的回答，真正想說的其實很簡單：我們已經有很多意識理論了，但真正扎實、真正好的神經生物學理論，其實并沒有那么多。所以，即便我也同意，現在的意識理論已經多得有些過頭了，我還是會鼓勵年輕研究者繼續去提出新的、真正立足于神經生物學的意識理論。

保羅：我想，我自己之所以也會有些猶豫，某種程度上也和你剛才說的“大腦會偷懶”有關。比方說，我們一方面在討論所謂“特權層次”，另一方面又說，其實并不存在一個真正享有特殊地位的層次。可即便如此，你還是得在任何一個時刻去考慮，某個具體層次上到底正在發生什么。與此同時，你還得把其他層次與它之間的關系也一起放在腦子里。再進一步說，如果你真的想做研究，那你總得先在某一個層次上測量某些東西。可一旦進入實操，你的注意力就不可避免地會落到那個層次上，而你幾乎不可能同時把其他所有層次也都一起顧到。

所以，確實會有一種很真實的猶豫。一方面，你很難始終維持那種把所有部分及其相互作用都同時裝在腦子里的“全景視角”。但另一方面，我也會猶豫，要不要一頭扎進某一個具體層次，因為那樣一來，你就得鉆得非常深。你明知道，自己最后會一路碰到各種具體問題，也會把大量時間都耗在那個小小的層次上，可你真正感興趣的，明明是跨層次之間究竟怎樣聯系起來的那整件事。

揚：對，我覺得問題恰恰就在這里。在科學研究中，我們本來就應該鼓勵這樣的工作，也就是鼓勵人們去碰那些真正復雜的問題。而某種程度上說，這也是當下科學體制本身的問題。過去這些年，我們在這方面做得并不好。比如我總會說，如果你真的想弄清楚意識是什么，那我們就應該把資源投給那些做實驗的年輕人，尤其是做基礎神經科學實驗的年輕人。可現實往往正相反，很多經費最后都流向了那些圍繞經典理論展開的大項目。我覺得這是不對的。之所以會這么說，是因為我自己就在馬修·拉庫姆的實驗室里親身經歷過這樣的事情。

我第一次見到鈴木基高時，他對我說：“好，我想給你看點東西。”然后他給我看了一組當時還沒有發表的數據，內容正是關于那種“解耦”現象。也許很多人會說，這和意識沒什么直接關系，或者它未必是那個“大答案”的一部分。可問題在于，這是一塊我們原本根本沒有的基礎證據；如果鈴木基高不去做這項研究，我們就不會有它，也根本不會知道這件事。

現在你可以想象一下，如果不只是鈴木基高一個人，而是有10個、20個實驗室都在做這類研究，會發生什么。當然，其中有些工作最后也許不會產出什么真正新的東西。但與此同時，我們也會獲得一些此前根本想不到的發現，一些原本完全裝不進我們既有思維框架里的新線索。到那時，我們就可能以一種全新的方式來思考意識。所以在我看來，如果我們真想推進意識問題，就不能滿足于手里已經有的這些東西。我們應該去做這些新的實驗，去嘗試最新的神經科學技術，也應該真正把資源投入到這些工作里。

保羅：你剛才說的是基礎神經生物學研究，對吧？而這恰恰就是我剛才擔心的地方：一旦你真的進入基礎神經科學、基礎神經生物學的研究，就很容易把整體圖景丟掉，整個人都陷進細節里。所以，既能抓住大問題，又能深入這些底層細節的人，其實并不多。像你，像馬修·拉庫姆這樣的人，才真正能把這兩件事同時做起來。

揚：這個例子其實就很能說明問題。因為我想，或者說我希望，自己多少也在其中起到了一點作用，讓鈴木基高的研究被意識科學領域更多人看到。當然，他們后來寫出了一篇非常好的論文，也發表在了《細胞》（Cell）這樣非常頂尖的期刊上。但認知科學或認知神經科學這一邊的大多數人，通常根本不會去讀那篇文章，因為它討論的還有麻醉之類的內容，看上去離他們關心的問題有點遠。而我當時的反應是：好，我一看到這項研究，立刻就意識到了。

保羅：我之前還真不知道。也就是說，是你把這條線索帶到意識研究這邊來的？

揚：也不能這么說。因為結果本來就是他們做出來的，是鈴木基高先把那些結果拿給我看的。事實上，我當時去馬修的實驗室，本來是想研究預測編碼。可就在那個瞬間，我心里一下子冒出來一句：糟了。但當時大概就是那種感覺。就像是，哦，好吧，意識問題又回來了。行，我們又重新走到一塊兒來了。后來我基本上就是對馬修和鈴木基高說：你們得把這篇文章寫出來。再后來，它就發展成了那個樹突整合理論。

保羅：噢。

揚：我在這里面，大概只是起了一點很小的作用。

保羅：這可一點都不算小。

揚：但我覺得，這件事真正說明的是，一個實驗室里必須有像鈴木基高這樣的人，能把那些驚人、精確而復雜的實驗真正做出來。而在最理想的情況下，你還需要另一類人，像我這種，順便還和他們留著差不多發型的人，能夠意識到：哦，這項研究對另一群人其實也非常重要，我們完全可以一起把它寫出來，而且這會讓很多人都覺得興奮。換句話說，你需要的是一種合適的人才組合。而馬修當時的實驗室里，確實就有這樣一群人。

保羅：這太好了。不過我之前還真不知道有這一層。說真的，那可一點都不算什么“小作用”。你自己說得很輕，可那其實是相當關鍵的一環。這種能把不同層次、不同領域連接起來的人，其實并不常見，對吧？我覺得，真正能把某一層面上發生的事情和其他層面的概念連起來的人，反而是少數，是例外。確實如此。

揚：除了會說這些，我大概也就只擅長這一件事了。

保羅：這本身就已經很重要了。有時候我也會覺得，那可能也是我唯一拿得出手的本事。我甚至都不確定，自己到底算不算擅長這件事。我做神經生理并不算特別出色，說實話，我做很多事都談不上多厲害，只不過有些事情稍微好一點而已。而這恰恰也是我最欣賞別人的地方之一。說到這里，揚，我是真的很欣賞你。

揚：謝謝你，保羅。我也有同樣的感覺，我也很欣賞你。

保羅：（笑）謝謝。

揚：當然，也不只是因為你的發型。我欣賞你的地方，還有很多。

保羅：我今天還特地把頭發重新修了修，就是想讓自己看起來更像我面前這位偶像一點。而要把這些不同的想法真正連接起來，本身其實非常需要創造力。

對談鏈接見：

https://www.thetransmitter.org/brain-inspired/modern-ai-is-simply-no-match-for-the-complexity-likely-required-for-harboring-consciousness-says-jaan-aru/

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、科普視頻媒體「大圓鏡」等。