神經科學的“黃金時代”已死：為什么我們被迫加入幾百人的頂刊署名流水線？

對談嘉賓

Alex Maier

范德堡大學心理學副教授

他在神經科學領域的工作涵蓋視覺、視覺感知和認知，主要研究皮層柱的神經生理學及相關課題。當選過斯隆基金會會士和美國國家科學院卡弗里會士。實驗室網站見http://www.maierlab.com/

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。

目錄：

01 大規模合作與神經科學的未來

02 用Φ值預測比賽結果

03 Φ值到底在測量什么？

04 理論遇到真實數據時的韌性

大規模合作與神經科學的未來

保羅：和許多人一樣，你對神經科學領域過去幾年轉向開放科學的趨勢感到非常興奮，像艾倫研究所、國際腦實驗室（IBL）這樣的大型機構——我剛剛和塔蒂亞娜·恩格爾（Tatiana Engel）聊過，她是其中一員，我也曾是董事會成員。現在大家都在歡呼，神經科學的未來，終于要走上物理學當年的輝煌之路了！這是件大好事。開放科學的哪些方面讓你如此興奮？

亞歷克斯：正是。你說到點子上了。我與艾倫研究所以及國際腦實驗室都有很多接觸。實際上我正試圖在兩者之間搭建橋梁，雖然還沒完全成功。這些都是大型合作項目。我覺得他們目前的成績單簡直亮眼得讓人吃驚，甚至超出了預期——

保羅：你說的成績單，是指發論文的指標嗎？

亞歷克斯：是的。

保羅：好吧。對我來說，發文指標確實代表了生產力，但它不一定是個完美的——

亞歷克斯：確實不完美。我完全同意。這也是為什么咱們花這么多時間去聊科學之外的體制問題，這其實挺必要的。我覺得我看到了兩個核心驅動力。我研究過物理學史，物理學當年也遭遇過極其嚴重的經費危機。我覺得咱們現在聊的很多現象，都是被逼出來的。

第一，低垂的果實早就被摘光了。想當年我們剛入行、功能性核磁共振（fMRI）還是個新鮮玩意兒的時候，我可太懷念那時候了，你隨便做點什么都能發好文章；現在再搞同樣的東西，根本沒人看。同樣，當年微電極技術剛普及，我們面對的是整片未開墾的腦區，有人直接插個電極，圈塊地宣布“這是我的地盤，我未來幾十年就靠它吃飯了”，然后就站穩了腳跟。那種黃金時代已經徹底結束了。

現在你想發一篇高影響力的頂刊，需要付出更多努力。同當然，這算不算真正的科學進步，那是另一個值得吵的話題了。總之，現在一篇論文上掛的作者名字越來越長。

我認為這種模式能行得通，是因為評價體系變了。以前（有時候現在也是，挺不公平的），大家只看你是不是第一作者或者通訊作者。如果一篇論文有12個作者，排在中間的人就慘了。但現在有了谷歌學術這類工具，新的評價體系不再死盯著你的排位。只要論文被引用了，就會算進你的h指數（h-index）里，增加你的總引用量。這直接砸碎了舊的鐵飯碗。現在，加入一個龐大的團隊、一起發一篇史詩級的巨著，是完全行得通的。物理學家早就把這條路給蹚出來了。

另一個原因是經費。經費在瘋狂縮水——我強烈建議大家都去查查數據——我發現從上世紀60年代開始，科研經費基本上是在呈幾何級數、甚至指數級地暴跌。如果你去看看扣除通脹后的研發經費占GDP的比例，美國這條線一直是在穩步跳水的，中間連個像樣的反彈都沒有。這是我們必須面對的殘酷現實。

所以，唯一的出路就是抄物理學家的作業。因為實驗設備越來越燒錢了。物理學家造大型衛星、巨型望遠鏡、粒子加速器，他們只能抱團取暖：“咱們把所有的錢湊在一起，造一臺極其昂貴的機器，然后所有人共享數據，一起推動科學進步。我們總不能在美國每個大學的后院都建個粒子加速器吧？”我覺得，這恰恰就是克里斯托夫·科赫當年力推艾倫研究所和OpenScope項目的終極愿景。

作為一個在舊體制、舊范式里被規訓出來的人，我一開始心里也直打鼓：這玩意兒真的能成嗎？我聽到了無數的質疑和反對。但我覺得最棒的一點是：別廢話，先干了再說，看看效果。我們團隊運氣特別好，成了OpenScope項目第一批通過雙盲評審的團隊之一。這種模式爽在哪兒？他們負責花重金收集數據，我們負責跑分析。到目前為止看起來相當不錯。事情進展得很順利。

順便提一嘴，OpenScope的下一輪馬上就要開始了，請允許我在這里打個小廣告——因為我也參與了。這是完全對外開放的！情況是這樣的：咱們剛才聊到的那篇長篇綜述，現在已經變成了艾倫研究所正在跑的真實實驗。數據大概一周內就會公開！只要他們做完預處理，就會直接扔到網上。所有的東西都在GitHub上。那你該怎么做？你怎么從中分一杯羹？你怎么才能把自己的名字掛到這些頂級大論文上？很簡單：你只需要加進來，幫著寫分析代碼就行了。

它的運作方式是：我們編寫代碼，發布并分享，然后其他人就在此基礎上繼續構建。我們每周通過Zoom開會，會議內容第二天就會發布在YouTube上，所以你隨時能跟上進度。我們有個專門的網站，你能看到目前所有的進展，隨時可以上車。甚至還有個討論版，給你提供新手指南。任何人都能來！不需要博士學位，沒有任何學術門檻。只要你能連上網，你就能加入。唯一的硬性要求就是：你得真的會寫代碼，能為討論和實驗做出實質性的貢獻。

當然，數據質量非常出色。這是艾倫研究所能做而其他人做不到的。這個項目的一部分當然是雙光子成像。另一部分是使用6個Neuropixels電極做完全相同的實驗。甚至有一個實驗可以同時成像單個神經元的數百個突觸，不管是靠近胞體的還是樹突上的。你幾乎可以獲得單個谷氨酸囊泡的數據，并可以通過鈣信號觀察神經元的輸出。你可以進行單細胞計算，現在利用這種高速雙光子技術可以實現，而且你可以免費獲得數據。毫不夸張地說，就在我們談話時，數據就在那里，等待被分析。

迄今為止的發表記錄非常積極。我在這些互動中的體驗是，我曾想：“這太混亂了，不可能成功。”但結果運行得非常好。進展非常穩定。你晚上把寫好的代碼推送到GitHub上，然后去睡覺；第二天早上醒來，地球另一端的某個哥們兒可能已經順著你的代碼往下寫了一大段，把進度往前推了一大截。這簡直絲滑、高效到了極點。我敢打賭，神經科學的未來，絕對會朝著這個方向發展。

保羅：一旦你學會如何使用API、加入并獲取數據，這過程就再順暢不過了。我也和塔蒂亞娜聊過這個。就上手和運行而言，學習曲線有多陡峭？本質上痛苦嗎？

亞歷克斯：我想說并不痛苦。拿我來說吧，我數學很爛，寫代碼也是半路出家，但謝天謝地，現在有 AI 編程助手了！基本上，大家會把代碼打包成Jupyter Notebook發出來。我習慣用Google Colab，所以我連Python都不用裝，省了一大堆配環境的破事兒。現在我只要打開一個Colab文件，把代碼扔進去，然后讓ChatGPT或者Copilot給我逐行解釋這是在干嘛，接著我再告訴AI我想改哪里，它就幫我寫了。

當然啦，我好歹還是懂一點代碼邏輯的。我以前畢竟也手敲過不少數學代碼。我不想把話說得太滿。我能讀懂代碼，這就好比我學過法語，雖然張口結舌說不太溜，但看報紙還是沒問題的。我能看懂代碼，能抓出里面的bug，能看出哪里可以優化精簡。我覺得這種基礎能力還是必須的。你不能完全兩眼一抹黑，純靠AI瞎寫，然后盲目相信它是對的。

無數雙眼睛盯著你的代碼，它在被反復使用的過程中會被瘋狂審查，里面還內置了一大堆“健全性檢查（sanity checks）”。所以，哪怕你對寫代碼只懂個皮毛，對數據結構一竅不通，你也完全可以直接跑網上現成的代碼——它們已經寫好了怎么去加載那些“無邊界神經數據（NWB格式）”。它甚至已經幫你打包成了Google Colab格式，你點開就能用。對于不知道Colab是啥的聽眾，它其實就是一個網頁，你點個運行按鈕，它就在云端幫你跑代碼、畫圖表，然后你可以在上面隨便魔改。最爽的是，大家可以同時在線協作。我想，這就是為什么現在大家都像打了雞血一樣，瘋狂涌入這種神經科學研究的新玩法里。

保羅：我個人其實有個心結，算是我對這種“超級巨無霸機構”的一種膝跳反射式的抵觸。也許你能幫我做做心理建設。我知道這挺不理性的，但我看體育比賽的時候，總是習慣性地支持弱者，我有一種根深蒂固的“大衛挑戰歌利亞（David vs. Goliath）”的情結。你看艾倫研究所、IBL這些巨頭，他們像流水線一樣，在那些閃閃發光的頂刊上瘋狂發表著署了成百上千個名字的論文。我總是忍不住把他們當成那個仗勢欺人的“歌利亞”。我打心眼里想為那些在自己車庫里單干的小實驗室搖旗吶喊。

我知道這其實有本質的區別。因為在這里，歌利亞并沒有惡狠狠地說：“數據全是我的，你們誰也別想碰！”相反，他們是在說：“來來來，數據都在這兒，大家隨便用！”甚至還貼心地給你準備了保姆級的教程。這絕對是這些大機構最偉大的地方。然而，我心里總有個聲音在嘀咕：如果你不加入他們，你就被踢出局了，你就搞不出大名堂，你就永遠發不了頂刊。所以你“被迫”必須上車。這感覺簡直就像是他們對整個學術界的論文發表競賽完成了一場“強制收購”。我這種充滿恐懼的、膝跳反射式的、反壟斷的抵觸情緒，到底有沒有一丁點道理？

亞歷克斯：我有同感。顯然，我不是在美國長大的。我當年之所以來美國，就是沖著美國那種極其獨特的“小型獨立PI（首席研究員）”和R01基金模式來的。問題是，這模式現在不靈了。對一些人還行，但獲取資助越來越難。現在的中標率……我們甚至都不敢看那個數字了。他們現在還會公布成功率，我只知道我的本子得分明明很高，但離拿到錢還差得十萬八千里。那擺在我面前的問題就是：我還能干嘛？我只能等死嗎？

另一個想法是，根據我的經驗——真正的問題其實不在于機構有多龐大，而在于它的管理模式到底是“民主的”還是“自上而下的”。與其說我們在警惕機構主義，不如說我們在害怕威權主義。我的切身體會是：哪怕你是個所謂的獨立小實驗室，你想要獲得那種理想中的學術自由，也是極其困難的。現實非常骨感：你需要實驗室場地，你需要交水電費，你必須保證有源源不斷的經費進賬。這會逼著你根本不敢天馬行空地去搞研究，你只能去迎合評審專家的口味，去寫那些“看起來容易拿到錢”的本子。

就我在艾倫研究所的所見所聞，我的體驗是：那里幾乎沒有那種“自上而下”的爹味管理，這很棒。我覺得像杰羅姆·勒科克（Jerome Lecoq）這些負責推廣的大佬，絕對值得我們起立鼓掌，他們真的是在拼盡全力把整個項目搞得極其民主。當然啦，為了維持法律框架，肯定還是得有一點層級結構的。比如在處理論文署名、版權歸屬這些破事兒上，我們必須得小心謹慎，這時候如果旁邊有個法務總監能幫忙起草點法律文件，那絕對是救命的。

對我來說重要的是，回想希臘時代，當我們回溯民主的起源時（盡管當時的民主千瘡百孔），最關鍵的硬件設施是廣場（agora）——那個所有人都可以聚在一起高談闊論的集市。它可以是一個極其龐大的廣場，但你必須得有這么個地方。你需要一個公共的碰頭點。如果沒有這種基礎設施，咱們這幫散兵游勇想要在神經科學和意識研究上搞出這種史詩級的大規模合作，簡直是天方夜譚。這就是我認為大型機構真正能發光發熱的地方：只要他們把臺子搭好，然后盡量閉嘴、不瞎指揮，那就完美了。

我沒在IBL待過，但在艾倫研究所的OpenScope項目里，到目前為止一切都運轉得極其順暢。就像我說的，我們就是一群人在Zoom上開會。當然，會議是有框架的，比如今天重點聊什么、怎么趕進度，但每個人都有麥克風。絕對不是那種“你舉了半天手，大佬就是不點你”的憋屈氛圍。每個人都能在論壇上暢所欲言。我甚至覺得你連個正兒八經的大學郵箱都不需要。這剛好回應了我一開始的懷疑：“這群龍無首的玩意兒真的能成嗎？”結果大大出乎我的意料：這種極其松散、甚至帶點無政府主義色彩的協作體系，居然真的讓我重新相信了民主的力量！

保羅：這太棒了。

亞歷克斯：它看起來真的有效。如果你讓很多人參與進來，你會得到最好的結果。

保羅：哎，看看咱們現在的政府，我可沒覺得民主有多美好。這恰恰就是我擔心的點。你看參議院那幫人，你得瘋狂妥協、瘋狂做交易，為了讓議員滿意，你只能把你法案里最核心的東西砍掉。我一看到那種官僚扯皮，我心里就發毛：“天哪，如果在宏觀科學界也搞成這樣，那絕對是場災難。”

亞歷克斯：是的，我同意。

用Φ值預測比賽結果

保羅：我們在，接下來我們回到意識的這個話題接著聊，聊點更接地氣的。比如根據整合信息論（IIT）的說法，一支足球隊居然也是有意識的。

亞歷克斯：在某種程度上吧。

保羅：這雖然不是咱們今天聊的核心，但絕對是個大噱頭，對吧？

亞歷克斯：是的。

保羅：這絕對能火。我們稍微談談這個，也許能自然過渡到我關于Φ（整合信息理論對意識的度量）的一些問題。你們根據一些足球比賽結果計算了Φ值。所以，簡單總結一下你們的研究：一支足球隊有某個Φ值，有你們所謂的潛在意識，但這個Φ值低于任何單個足球隊員的意識Φ值，因此，每個足球隊員都有個體化的意識。你們具體做了什么？為什么這么做？我們應該從中得到什么啟示？

亞歷克斯：你剛才總結得完美無缺。謝謝你把我從形而上學的漩渦中解救出來。實際上，我認為這些討論很有趣，因為你剛才說的聽起來很荒謬。重要的是去做你剛才提到的事，我們得向大家證明，嘿，這可不僅僅是坐在扶手椅上空想的哲學。我們是真的能拿它去跑數據、出結果的！然后我們再帶著這些硬核結果，回頭去審視那些形而上學的立場。因為說實話，要是三年前你跟我說我要搞這個，我絕對會罵自己：“亞歷克斯，你到底在浪費時間搞什么鬼東西？”

當時YouTube上有個比賽，看誰能把IIT解釋得最清楚。我找到了一位巴西的動畫高手，我們制作了一些動畫來解釋IIT數學的一些基本原理。之后，俄勒岡州立大學研究復雜動力系統的詹姆斯·沃森（James Watson）教授聯系了我。他說：“我想拿這套數學工具去跑點真數據。”他拿到了巴塞羅那足球俱樂部的一些數據。他們用GPS傳感器追蹤球員和足球。你能得到整場比賽中每個球員毫秒級精度的位置數據，他們為西甲所有比賽都做了記錄。

我們拿到的是經過一定匿名處理的數據，這稍微限制了我們的發揮空間。但基本思路是把足球隊員當作神經元，因為IIT是“基質無關”的。它從來沒說只有肉長的大腦才能產生意識。它的邏輯是：“只要有個系統的運作方式跟你的大腦一模一樣，那它就應該有意識。”這里有個咱們之前沒聊到的點，我得趕緊補充一下：IIT其實并不怎么關心“動作”，也不怎么在乎狀態的轉換或者功能。它死死盯著的，是我們稱之為“狀態（state）”的那個切面。

當你提到F=ma時，從技術上講，那是同時發生的。F=ma，沒有時間流逝，E=mc2也是。我們稱之為“狀態”。功能只能用功能來解釋，而狀態就是狀態本身。所以我們真正在做的，是去切片觀察比賽中的一個個“狀態”。我們其實并不關心球員具體在干嘛。

IIT的玩法要高級得多：我們看的是球員站在哪里、他們可能做什么，以及他們實際做了什么。這就復雜多了，算起來工作量極大，但這恰恰逼近了“信息”的本質，以及信息是怎么跟“因果性”咬合在一起的。我們盯著一個球員的可能性空間，再對比實際發生的現實，然后去計算這中間的落差。

我們當時就想：“行吧，如果把人當成神經元（這其實是個老梗了），那如果湊夠了足夠多的神經元，是不是就會涌現出某種意識？”但我們馬上就撞墻了，必須得限制規模。這也是目前大家狂噴IIT的一個點——我們現在的算力根本跑不動大量“神經元”的計算。目前我們被死死卡在20個節點以下，因為這背后的數學計算量是呈指數級爆炸的，連現在的超級計算機都扛不住。所以我們只能取極小的樣本，絕大多數時候只算四個、甚至兩個球員的互動。

然后我們說，看，如果球員不只是走動，他們就是“活躍的”。如果他們的加速度超過平均水平，他們可能就積極參與了比賽；如果只是在場上溜達，那就是“不活躍的”。這就像動作電位，球員活躍或不活躍，是0或1。接著，我們就去拉一張因果互動的網絡圖，重點盯那些“高階互動”——比如兩個前鋒同時包抄，可能會對守門員產生一種極其致命的壓迫感，而這種壓迫感是他們任何單拎出來一個人都做不到的。

基于我之前關于超圖和高階關系的討論，我猜測我們可能在數據中發現一些東西，而如果只看成對關系、因果關系、相關性或傳遞熵，是看不到的。雖然我們沒有專門去跑對比測試，但我私下做了點小驗證，結果似乎確實如此。我們驚訝地發現：如果我們去對比比賽結果（別忘了，數據是脫敏的，我們最多只能看到射門動作，連球進沒進、是誰踢的都不知道），我們居然找到了一種雖然不算強、但極其顯著的相關性！

換句話說，你只要算出場上區區幾個球員的Φ值（我們迭代計算得到平均值），你居然就能在一定程度上預測這場比賽的走勢和結果！后來詹姆斯又往前跨了一步，他把好多場比賽的Φ值，然后觀察了賽季結束時西甲聯賽前三名的球隊和其他球隊，結果畫出來幾乎是個完美的雙峰分布！頂級球隊的平均Φ值遠高于其他球隊。

我認為我欣賞這個研究的地方在于，盡管我們談論了這么多哲學，但如果你對體育博彩感興趣，你絕對應該去讀讀這篇論文！這就是科學的魅力所在，它最終會狠狠地砸在現實世界里，因為你手里握著數學的武器。

Φ值到底在測量什么？

保羅：等等，這到底是砸在現實里了，還是僅僅是一種數學描述？這里面是不是偷偷藏了一個假設：也就是這真的在干它吹噓的那件事——度量意識？還是說，你只是根據你定義“整合信息”的那套指標，最后算出了一個標量值，但它其實跟“意識”半毛錢關系都沒有？它僅僅是你從那堆公理、結構主義里一頓推導后吐出來的一個數字而已？說白了，我們真的需要去擔心一支足球隊“活過來了”、有意識了嗎？

亞歷克斯：問得對。這恰恰就是咱們前面聊那么多哲學的意義所在。我不敢說我已經徹底驗證了IIT，但底層的邏輯是這樣的：沒錯，你測量出來的確確實實是“整合信息”。我覺得現在學術界大部分人都會承認這一點，因為你這套算法確實跑出了有意義的結果。但有意思的來了：我們嘴里喊的“整合”到底是個啥？“信息”又是個啥？我們用的根本不是香農那套信息論，我們在算“整合”的時候也不是簡單地做個乘法。那“整合”到底意味著什么？

實際上，我們是用了一套完全不同的數學形式體系來重新定義這些詞的。如果你非要問：“行，那你說的信息和整合到底是什么？”IIT最性感的反轉就在這里：它是直接從你的“意識”倒推出來的。這聽起來很瘋狂，但它的邏輯其實是問：“在你所有的意識體驗里，有沒有什么東西是絕對普遍、雷打不動的？是無論你此刻在體驗什么，它都永遠存在的？”IIT從中硬生生提煉出了五個公理（或者叫原則），比如：意識必然包含信息，意識必然是一個不可分割的整合整體等等。然后，它才基于這些公理，一層層搭起了那套數學大廈。

所以當你最后問：“好吧，你計算出了某個東西，但它和意識有什么關系？”我可以指回起點。我會說，這套數學，完完全全是從我的意識里長出來的！這些公理和數學公式，全都是我從自己的主觀體驗、從我的經驗結構里榨出來的精華。聯系就在那里：我們從一個看似虛無縹緲的起點出發，試圖對我的意識進行數學描述（這在當時看來很荒謬），然后我們一路算到了足球隊的數據。你問“聯系在哪里？”，我可以一步一步追溯回我們僅僅通過冥想自身意識而開始的起點。這正是令人興奮的地方。

那么，這能說明我就可以對意識、或者對那幫足球運動員下什么定論了嗎？是，也不是。為什么我們管它叫“潛在意識”？廢話，因為一支足球隊顯然不可能有意識啊！我們壓根兒不是想證明球隊成精了。但不可否認，這是對理論的一次硬核壓力測試。從技術上講，如果我們真的在球隊里算出了一個極其極其恐怖的Φ值，而且這個Φ值居然比我們假設的人腦Φ值還要高，那IIT就會毫不留情地宣判：這支球隊有意識了！甚至更驚悚的是，球員們個人的意識會被剝奪，從而融合成一個龐大的“超級意識”。

當然，從某種程度上說，這算不上什么鐵證。因為事實上我們并沒有算出那么高的Φ值，但這恰恰跟理論完美吻合了。我們算出了一個很低的Φ值，而這正是我們理應看到的結果。當然啦，現在別人罵我們的是……

保羅：這聽起來簡直就像是個符合預期的陰性結果？

亞歷克斯：一點沒錯。現在學術界的槽點是：我們其實根本不知道每個球員（人腦）真實的 Φ值到底是多少，但我們理所當然地假設，它肯定比我們算出來的那個球隊Φ值（比如大于6）要高得多。我承認，這研究連蹣跚學步都算不上。它既沒法證偽IIT理論，甚至都算不上一次嚴謹的嘗試。但它極其霸道地展示了：當你構建出一套形式化體系，并且這套體系是死死扎根在意識的公理上時，它爆發出的威力有多恐怖。

理論遇到真實數據時的韌性

保羅：像搞任何數據分析一樣，這里面肯定有一大堆需要手動微調的參數，對吧？

亞歷克斯：是的。

保羅：你提到了“二值化”，我們測量大腦的一切仍然基于動作電位，然后我們將其二值化。要么是峰電位，要么不是。但到了球員速度這種時間序列信號上，你面對的是一個連續的波浪線。然后你簡單粗暴地切了個中位數：高于中位數就算1，低于就算0。這可是個極其暴力的簡化啊，對吧？

這一刀切得太狠了。而你們居然要把這個作為整個龐大計算的地基，雖然為了算力二值化是必須的。但只要這種“妥協的小步驟”稍微多一點，你心里肯定就會犯嘀咕：“哎呀，這步到底靠不靠譜啊”，對吧？

亞歷克斯：是的。作為一個實驗主義者，這正是讓我心跳加速的地方。打個比方，你拿到了一段腦電圖（EEG）或者局部場電位（LFP）的信號，然后你要對它做傅里葉變換。數學原理死死規定了：你的信號必須是平穩的。但大腦的信號真的平穩嗎？根本不可能平穩！對吧？

保羅：對。

亞歷克斯：這恰恰是搞科學最刺激的地方——我們經常會發現……我再給你舉個更偏數學哲學的硬核例子：實數。在現實中，你根本沒法通過計算來判斷兩個實數是不是絕對相等。它們的小數點后面是無限長的，你怎么可能算得完？所以我們怎么干？我們做“近似”。我們極其暴力地把實數給一刀切斷，把它們降維成有理數，然后假裝它們是相等的。最瘋狂的是，這套流氓玩法居然管用！我根本不需要把算到小數點后一萬位，照樣能造出一個完美的圓頂建筑。

大自然似乎根本就不喜歡“無限”，它的底層其實是“有限”的。萬物皆有起點，只是我們不知道終點在哪。量子物理學早就告訴我們了，一旦時空小到某個極限尺度（普朗克尺度），我們就連一句完整的話都說不出來了。世界在最底層似乎就是離散的、一格一格的。既然如此，“近似”就變得極其合理了。

作為一個實驗狗，我每天問自己的問題是：我到底能把理論強暴到什么程度？我能把數據截斷、粗暴近似到什么地步，而這套理論居然還能跑得通？如果它依然堅挺，那反而證明這個理論牛逼到了極點！沒錯，理論公式里寫的是實數，但全宇宙從來沒人在現實里測出過一個完整的實數，那是不可能的，我們根本沒有足夠的時間和宇宙空間去寫完一個實數。但只要我們做個近似，理論就完美運轉了。

這在某種程度上，反而給理論鍍上了一層更硬的防彈衣。我覺得IIT現在做的另一件有趣的事，是其他意識理論目前尚未達到的，那就是你現在可以“把玩”它。你可以瘋狂試探它的底線：“如果我故意違反這條原則會怎樣？”或者“如果我偏不搞二值化呢？它還能算出結果嗎？如果我就是看這條公理不爽，把它踢了呢？”

這就像當年的歐幾里得幾何一樣。現在IIT的第五公理（排他公理）被大家罵得狗血淋頭。但你想想，當年我們一腳踢開了歐幾里得的平行公理，結果怎樣？我們搞出了非歐幾何！然后你看，愛因斯坦拿著它證明了相對論，告訴我們時空居然是彎曲的！現在，我們完全可以在IIT里玩同樣的把戲。我們大可以把排他公理扔進垃圾桶，看看系統會吐出什么怪物。說不定，我們能借此挖出一個極其震撼的“非IIT”意識理論。

而最爽的是，在這個過程中，我們依然死死地踩在“形式化”的底線上。我們再也不是在那兒用嘴炮扯皮：“嗯，也許是這塊腦區亮了，或者它跟那塊腦區連起來了，哎呀我們以前的解剖學搞錯了。”我們的表達極其精確——哪怕我們必須去改寫那些惡心的方程式，去看看新方程能跑出什么結果。我覺得，當一門科學終于熬過了“概念打嘴炮”的階段，進化到高度形式化的成熟期時，最讓人高潮的就是這一點：它直接把你送到了一個更高維度的戰場上去探索。

保羅：我以前是搞猴子神經生理學的。猴子和人類大腦有個特別棒的特點：我們的神經元放電極其瘋狂、極其頻繁。你完全可以在極高的時間分辨率下去數那些脈沖，搞出一個所謂的“脈沖密度函數”，清清楚楚地看到放電頻率是怎么隨時間飆升的。但我后來發現，老鼠大腦的放電頻率根本沒那么快！所以我們最后只能妥協：把脈沖全攢起來，用一個更寬的時間窗口去框它們，畫成直方圖。說白了，我們這就是在時間尺度上做“粗粒化（coarse-graining）”。

順著剛才聊的二值化和計算值，我就忍不住去想“粗粒化”的極限在哪。你能不能在極其粗糙的顆粒度下，依然算出有意義的值？這又讓我聯想到了“無標度（scale-free）”特性——這可是生命系統中無處不在的屬性，對吧？

亞歷克斯：是的。

保羅：你是不是應該在數據里看到某種類似“分形（fractal）”的結構？也就是說，不管你把時間切得多碎，不管你用什么暴力的二值化手段，也不管你把顆粒度放得多粗，你最后算出來的Φ值，在結構上都應該是極其相似的？抱歉啊，我這一口氣塞的信息量有點太大了。

亞歷克斯：不，這真是個我從沒想過的有趣觀點，非常有意思。這又繞回了剛才那句話：最酷的是，我們現在完全可以拿代碼去試！IIT理論本身就極其看重“粗粒化”。這跟我前面說的邏輯是一脈相承的：數學是最容不得拍腦袋的。你憑什么武斷地決定在哪個時間點去切分脈沖？雖然咱們平時搞實驗都這么干，但憑什么？IIT的態度是：你必須用窮舉法，去迭代所有可能的顆粒度，然后找出那個讓Φ值最大化的臨界點！那個點，才是你在時間和空間上真正應該鎖定的分辨率。IIT從來不盲目迷信“脈沖就是意識的底層基石”。

這就是為什么我前面反復強調：我盯著的不是神經“活動”，而是神經“機制”。IIT極其冷酷地指出：脈沖本身，完全無關緊要。如果你把大腦里所有的神經元全摳出來，把它們的軸突全剪斷，然后把它們泡在培養皿里，哪怕你用電流逼著它們以極其完美的原始序列去放電，它們也絕對不會產生一絲一毫的意識。不，真正致命的是連接性。你必須去盯那個激活和失活的咬合模式。而且，在因果關系的賬本上，“什么都不做”跟“做了什么”，分量是完全一樣的！

這并不直觀，但假如我送你世上最好的禮物，而你居然連句“謝謝”都沒說，你的“毫無反應”對我絕對造成了極其暴擊的因果影響！你沒有做出我預期的行為。只要存在一個“你本來可以干點啥”的平行反事實，這個“什么都沒干”就瞬間擁有了恐怖的因果殺傷力。所以我必須得摸清：誰在動，誰在裝死，然后誰能影響誰。我必須把這個因果互動的“可能性空間”給徹底建出來。然后我再去死盯現實里到底發生了什么，去計算這中間的落差。這到底意味著什么？接下來該怎么切分時間？行，你可能會說納秒、皮秒、毫秒之類的。

當涉及到意識時，我們不必做這么瘋狂的事——我們心里有數，意識不可能發生在皮秒或納秒級別……我們知道意識的刷新率大概在毫秒量級，所以我們完全可以把搜索空間給圈死。那空間尺度呢？是單個神經元嗎？還是皮層微柱（microcolumns）？同樣，我們也有個大致的直覺：它不可能是整個腦區那么粗，也不可能是整個大腦。也許算到神經元還不夠，算到突觸可能也不夠。也許就是神經元，也許就是微柱。我們可以死死卡住這個搜索空間，然后讓超算去跑，去抓那個Φ值的最高峰，然后一錘定音：“諾，這就是我們該用的粗粒化水平。”

至于你剛才拋出的那個關于“分形”和“無標度性”的腦洞，我絕對得回去好好扒一扒文獻——你今晚絕對要害我失眠了。這真的太性感了，我完全同意你的直覺。最后再爆個料：我們現在正在死磕那種土里的小線蟲（C. elegans），就是搞遺傳學的人天天玩的那種。從某種意義上說，這玩意兒現在變得極其好玩。

保羅：只有302個神經元……

亞歷克斯：300個神經元左右，沒錯。這對IIT來說似乎更可行。但最詭異的是：它們根本不產生脈沖！這些神經元壓根兒就不放動作電位。它本質上就是一臺極其精密“模擬計算機。我們現在剛好撞上了這里面的一些硬核技術坑。我只是恨自己分身乏術，但我現在簡直迫不及待想把這套東西跑通了。

保羅：哇，這太酷了。總之，我兒子這周六有場籃球賽。如果他們半場落后了，雖然我不是教練，但我絕對要沖進更衣室給他們訓個話。我會大喊：“好了孩子們，都給我沖上場，把咱們的Φ值給我拉爆！”對吧？

亞歷克斯：沒錯。

保羅：然后我就深藏功與名地走開，祈禱他們能靠直覺悟出我的良苦用心。

亞歷克斯：讓他們“高度整合”起來。

保羅：總之，把話題拉回你們對足球隊的研究。你們對比了Φ值的分布和比賽輸贏，最后發現：如果一支球隊的Φ值更高（或者說，這支球隊擁有更高程度的“潛在意識”），他們贏球的概率就越大。

亞歷克斯：是的，正是如此。

保羅：好吧。亞歷克斯，謝謝你和我一起深入探討。我一開始就知道絕對會極其燒腦且有趣，事實證明，簡直過癮極了。謝謝你。

本篇文章的上集見：

對談鏈接見：

https://www.thetransmitter.org/brain-inspired/alex-maier-argues-that-a-scientific-explanation-of-consciousness-requires-grounding-in-formalized-mathematics/

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。