万字追问：为什么大模型离人脑仍然很远？意识不是规模化出来的

大语言模型越能言善辩，关于它们是否已经拥有意识的讨论就越热。神经科学家扬·阿鲁（Jaan Aru）的判断却近乎相反：“如果你是一个神经科学家，那么这些系统具有意识的先验概率，基本上接近于零。”

但阿鲁并不认为，机器原则上永远不可能拥有意识。他反对的，是另一种更常见的想象：只要人工系统不断扩大规模、增加参数、补上若干类似大脑的功能，意识总有一天就会自然出现。在他看来，这种推断混淆了智能与意识，也把大脑过度简化成了一张神经网络。

真正可能与意识有关的，并不是同一种计算被做得越来越大，而是发生在分子、细胞、树突、神经环路和行为之间的跨尺度过程。

对谈嘉宾

Jaan Aru

爱沙尼亚塔尔图大学副教授

他试图把底层那些细密而具体的生物学细节，与更高层次的认知功能联系起来。

他希望理解这些现象在脑中的基础，并尝试把问题解决过程中那些较为日常的顿悟，与神秘体验和迷幻体验中更深刻的领悟联系起来思考。

主持人

Paul Middlebrooks

卡内基梅隆大学的特聘助理研究员

卡内基梅隆大学的特聘助理研究员，同时是播客“Brain Inspired”的主持人。他主要研究运动皮层和基底神经节神经群体活动如何在自由行为的小鼠中支持自然行为，致力于揭示神经活动与复杂行为之间的关系。

智能越来越强，不等于意识越来越近

保罗：你写过很多关于意识的文章，也研究过人工智能。现在有一种很流行的讨论是：人工系统会有意识吗？它们可能有意识吗？

你之前的很多文章都在比较生物系统和人工系统，试图找出它们的异同，以此来判断我们到底该不该相信AI会有意识。而且看你的表达，每当有人说“人工意识”或者“AI已经有意识”的时候，你好像都会特别不爽。为啥这么反感呢？

扬：我先给一个简短的回答。很多人，甚至很多非常聪明的人，都会说：我们现在知道得还远远不够。比较中间的立场会认为，它们也许有意识，也许没有，我们在这个问题上应该保留一定的开放性。但如果你是一个神经科学家，那么这些系统具有意识的先验概率，基本上就是零。什么都没有，就是零。每当我听到那样的说法时，就会感到一种很强的沮丧。

保罗：其实我也同意你的直觉。但当你真正开始深挖那些细节的时候，怀疑的种子就种下了。甚至在你自己的论文里，你也会写：“当然，它现在显然没有意识；但也许未来有一天，如果我们加上这个、实现那个，情况可能就不一样了。” 那AI圈的人就会说：“好啊，那我们就把这些功能都写进代码里，砰！它就有意识了。”

可这条路的尽头到底在哪？这简直是个无限套娃。所以我也不知道到底划在哪条线上，我们才能心满意足地说：“啊，它有意识了。” 我和你一样，直觉上觉得先验概率是零，但我又觉得这样显得我像个糟糕的科学家，因为这终究是我的偏见和先验立场。

扬：它当然也不是真正意义上的零。但我总是说，既然其他所有人都在往错误的方向夸大——觉得“哎呀这东西可能有意识”，那我就干脆往另一个极端去拉扯一下。顺着你的话说，我们在论文里也提过，这里面有所谓的“容易问题”（easy problems）。比如，我们认为大脑中某种特定的架构是产生意识所必需的，像丘脑啊、树突啊。当我们思考这些问题时，脑子里确实会冒出一个明确的答案：这些其实都是“容易问题”，因为你完全可以在代码里把这些结构实现出来，然后指着它说：“看，有意识了！”

所以从2022年开始，我一直在追问：有没有更好的回答？有没有一个更复杂、也更站得住脚的回答？我想，到现在为止，我们至少已经有两篇文章，把这个想法说得更清楚了一些。一篇是2023年发表在Trends in Neurosciences上的论文，另一篇是2025年底刚发表在Neuroscience and Biobehavioral Reviews上的文章。最简短地说，我们在这些文章里想表达的是：意识可以是一种计算，但那是一种极其复杂的计算，而且只发生在生物组织之中。它和大语言模型里正在发生的一切，相距实在太远了。所以，大语言模型具有意识的先验概率，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.

保罗：你刚提到的那篇25年底的长文，真的深入到了许多非常细的层面，比如计算机究竟是怎样运作的、软件和硬件是如何区分的、存储又是怎样被单独划分出来的，等等。那篇文章其实是在很具体地说明，为什么生物系统中那种跨尺度整合的计算，更应该被认真看待。而这也带来了更高程度的复杂性。

如果我换一种说法来概括你刚才的意思，那就是：生物系统中的复杂性比现在的AI高出太多太多了，两者根本不在一个量级，所以“AI有没有意识”这个问题一开始就不成立。核心就在于“复杂性”吗？还是我漏掉了什么？

我们研究放电，

可能只是因为它最早能够被测量

扬：“复杂性”这个词，听上去其实有点把问题说轻了。但我想，这至少已经是重要的第一步。因为在意识研究领域里，确实有很多非常聪明的人，来自认知科学、认知神经科学和心理学，可他们对大脑的理解，往往还停留在一个相当基础的层面。在他们眼里，大脑好像没啥特别的，无非就是神经元和突触嘛。但你作为神经科学家肯定知道，这只是对大脑极其粗糙的抽象。事实上，我们研究得越深，就越发现那些底层的死磕细节至关重要。

所以第一步就是先承认：没错，如果你只在“网络层面”做抽象，大脑看起来确实和AI系统挺像的。如果意识仅仅是由网络层面决定的，那AI也许有戏。但大脑的复杂程度远超于此。你想想，在人工神经网络里，一个“单元”（unit）算什么？不过就是一行代码，极其简单的一段代码。但如果我打开你的头盖骨，从你脑子里挑出几个神经元放在培养皿里，它们可是活生生的，不仅能存活，还在持续运作。如果你往细胞内部看，那里每秒钟都在发生着数以十亿计的生化反应。

也就是说，仅仅在单个单元这一层面，大脑就存在着人工神经网络根本无法捕捉的巨大复杂性。所以有些人说“人工神经网络已经快逼近人脑或鼠脑的复杂性了”，这简直太天真了，只能说明他们根本不懂大脑。这说的还只是“复杂性”这一面。而我们在那两篇论文里提出、并且在我和Borjan Milinkovic那篇文章里讲得更充分的一点是：问题不仅仅在于复杂，更在于大脑里存在着多个彼此很不相同的加工尺度。网络层面，只不过是其中的一个切面。

大脑真正迷人的地方在于，一个极其微小的事件，比如某个分子层面的变化，可能一路跨越不同尺度，进入网络层面，甚至影响行为；而行为反过来又会改变分子层面的状态。真正让我感兴趣的复杂性，恰恰就发生在这些不同尺度彼此交汇、相互作用的地方。

我在那两篇文章里一直想强调的是：作为科学家，我们其实并不理解那些跨越不同尺度发生的计算，也并不真正理解这些尺度之间的相互作用。如果我们能把这些弄明白，也许就会离理解意识更近一步。真正的复杂性就在这里。它不是把同一种东西不断堆上去，越来越多、越来越多。在AI领域，人们常说的是“把规模做大”。但问题不在于规模变大，而在于这种复杂性本身。

保罗：也就是说，他们其实只是在同一个尺度上不断把系统做大，对吧？

扬：如果你放大的只是网络层面，那确实是这样。但问题就在于，大脑并不只有网络这一层。当然，你可以讨论网络层面到底有多重要；但就我对大脑的研究和思考来说，我们其实越来越清楚地看到：研究得越深入，就越不得不去理解细胞层面的效应。

拿记忆，或者工作记忆来说，就是一个很好的例子。很长一段时间里，人们都以为，它依赖的是神经元持续不断的放电活动。但在过去十年、十五年里，我们开始意识到，记忆其实也可以是“静默”的，根本不需要放电。这还只是个例子。如果你把目光放到更广阔的记忆研究领域，情况也是一样的。以前大家总觉得，哦，记忆无非就是某种放电模式嘛。可现在，当我们聊到“记忆痕迹”（engram）时，关注的早就不仅是放电模式了，更核心的问题是：底层到底发生了哪些分子级别的改变？我觉得，意识研究最终也会走到这一步。

保罗：对我来说，跨尺度的理解几乎是这个领域最理想的目标之一。很多只在某一个尺度上工作的人会说：“哎呀，反正我们连这一层都还没彻底搞明白呢。”所以最安全的做法就是苟在自己的舒适区里，说：“我们得先把这一层研究透了，再去聊什么跨尺度结合、整合或者互动吧。”这种挫败感，很大程度上也是因为我们手里根本没有现成的概念工具或数学工具。

真正能用来研究跨尺度问题的工具，其实并不多。这是一个极其困难的问题。我和你一样，都觉得真正关键的部分恰恰就在这里，因为所有的复杂性正是在这里发生的。而这也正是最难的一点。说到底，如果我们连单一尺度上的问题都还没理解清楚，又怎么可能去理解不同尺度之间的相互作用呢？

扬：但这恰恰就是我心目中的科学啊！你不能总挑软柿子捏，你得去啃那些最硬的骨头。当然啦，我完全理解那些有一整套稳妥研究计划的人。他们顺风顺水，沿着同一条路子，一篇接一篇地在《自然-神经科学》上发顶刊。我尊重这种做法。但就像我一开始说的，我自己的想法不太一样。人这一辈子其实很短的——不是咒你啊，我是说所有人。你真正能干成点事的机会，其实就那么几次。

所以从我科研生涯刚起步那会儿，我就在想，我要不断调整方向，去做那些我觉得足够复杂、但又确实能推进一点点的事情。我也真心希望，能有更多科学家像我们这样看待这个问题：没错，它确实很难；没错，我们缺工具；没错，我们还需要全新的数学方法。但也正因为如此，它才让人热血沸腾啊！这也正是为什么我们现在、立刻、马上就得去做这件事。

真正的复杂性发生在尺度之间

保罗：你刚才那段话里，有很多点都可以继续往下说。咱们先顺着“尺度”这个话题往下走一步。按你刚才的说法，好，没问题。我们可以去研究细胞层面是怎么和神经元群体层面互动的，也可以看看群体活动是怎么反过来限制细胞活动的。但这说到底，也只是在两个尺度之间打转。

很多人会觉得，一旦你跨到“心理”这个层面，姑且也把它叫作一个层面、一个尺度吧，至少在心理学语言里常常会这么说，由于涌现之类的问题，那里似乎就会出现一道边界，而你永远无法真正跨越心理与物理之间的鸿沟。

你刚才聊的那些，本质上全都是物理过程（电场、动作电位、细胞信号传导等）。在你看来，从物理到心理的这道分水岭，也能被平滑地整合进你的“跨尺度”框架里吗？还是说，它确实应该像很多人主张的那样，属于一个截然不同的层级？

扬：先澄清一下哈，估计我的一些合作者已经在心里骂我了，怪我怎么没早点把这话说清楚。从某种意义上讲，我们甚至会走得更极端一点，直接说：大脑里根本就不存在什么泾渭分明的“层次”。

把大脑划分成一个个层次，纯粹是我们为了搞理论硬凑出来的。事实上，如果你自己就是一个神经元，你接收到的信号本质上就是各种分子。你哪知道这玩意儿到底是个“网络级”的信号，还是神经递质，还是别的什么鬼东西？所以某种程度上，大脑里这些所谓的层次，其实比大家想象的要纠缠得深得多。

当然了，如果是为了具体操作，比如你说“我们在这个尺度上做个测量”，那用“尺度”来思考是完全OK的。但从大脑真实的运作来看，一切都是高度流动的，有时候你甚至会觉得，你根本没办法把这些尺度硬生生切开。

保罗：对，但我们总得切开它们，不然都没法给咱们研究的东西起名字了。在你和博尔扬最近的那篇论文里，我记得你们常用的一种表述是：“不存在某个享有特权的尺度，仿佛计算只发生在那儿。”但你刚才说的好像又往前迈了一步，你的意思是“根本就没有层次”。因为各个尺度早就融为一体了，所以我们必须把它看作一个流动的、跨尺度的整体过程。这么总结对吗？

扬：对。再说一遍，大家做研究的时候说“我研究的是这个尺度”，这没毛病。但如果回到真实发生的神经加工过程，只要你仔细想想一个神经元到底在干嘛、在感受什么，你就会发现，这些尺度真的没那么泾渭分明。真实情况其实要有意思得多。你面对的既有分子层面的东西，也有来自其他神经元的电场影响。

理论上讲，电场似乎应该比飞过来的分子高出一个层级吧？但对那个具体的神经元来说，真的有这种高低之分吗？总之，真实情况绝对要好玩得多。我觉得这里的核心洞察是：如果你能意识到，“尺度”也许只是我们为了方便研究搞出来的抽象概念，而在真实的大脑里根本没那么界限分明，那你的思考视野一下子就被打开了。

保罗：在我现在的研究里，我经常会有种……怎么说呢，挺别扭的感觉。其实我很喜欢我做的事，也觉得挺好玩的。我每天都在分析神经元群体的放电计数。但很多时候我会突然觉得，天呐，我是不是也像那个笑话里一样，只是在“路灯底下找钥匙”？

我们所有人都在干这事儿：盯着动作电位，数它们放了多少次电，分析它们之间的统计学规律。这真的是一个极其狭窄、极其局部的视角，可整个神经科学界就这么在这个假设上狂奔了许多许多年。“哦，放电了！这就是我们该看的东西。”我完全同意你说的，真正重要的是去观察跨尺度的互动。神经元放电也许根本不是核心，它只是一个很小的切面，但我们却把所有的资源都砸在了这里。我这可能更像是在发牢骚，不太像是在提问了。

扬：不，你说得很对。如果有人对这种现状感到奇怪，不妨想想：我们把“放电”作为研究核心，到底有多大程度仅仅是因为历史遗留问题？仅仅是因为前辈们恰好发明了测量放电的方法，于是它就成了一把现成的科学锤子。假设在一个平行宇宙里，人类最先掌握的不是测量放电，而是能干净利落地测量钙离子活动。那我们今天关于大脑如何运作的整套理论，绝对会是另一副模样。

保罗：这就好比你去研究一片热带雨林，刚好有个人站在林子里拍手，而你唯一能听见的就是这拍手声。于是你一拍大腿：“啊！我只要搞懂了这个拍手声，就能理解整片雨林了！”这听起来多少有点荒谬。

扬：太对了！完全就是这样。这个比喻好。现实中发生的事情差不多就是如此。再说一遍，研究放电本身没问题，但也许我们不该把全部精力都押在上面。我们至少得承认：我们一直在研究放电，仅仅是因为历史惯性，这并不意味着放电就是智能或意识的核心“硬通货”。

保罗：我刚才之所以会岔到那个话题上，其实是因为这里有一个区别：一种说法是，并不存在某个享有特殊地位的尺度；而按你的说法，更进一步，似乎是根本不存在那种清晰划开的层次。或者换句话说，正因为不同尺度之间存在复杂的相互作用，它们之间本来就没有明确边界。我也不知道还能怎么更准确地表述这个意思。再往前一点，我其实还问过你另一个问题，像细胞、神经元群体、亚细胞过程这些实现层面的细节，和我们所说的心理现象、心智现象之间，到底是什么关系？在你看来，它们也都属于同一条连续谱上的不同部分吗？

如果我们的心理世界是从这种跨尺度加工中涌现出来的，或者至少与之紧密相关，不管你愿意怎么表述，那你觉得这里真的有一道清楚的分界吗？还是说，它其实也只是这一连续过程中的一部分？

扬：这是个非常好的问题。我有一位很聪明的同事也吐槽过我：“你看，你当然可以说万物都是纠缠在一起的，但‘意识’本身，难道不是和大脑里的其他过程分得清清楚楚吗？”我得承认，这个反问一针见血。至少就目前的表象而言，从我们的直观感受来看，我确实没法硬说意识和其他物理过程是完美交织在一起的。对于这个难题，我现在还没有一个拿得出手的答案。

保罗：那如果咱们现在已经灌了三杯啤酒，我非要把你逼到墙角问一句：你觉得是大脑“产生”了意识，还是说意识本身就是某种更基础的存在？你会怎么回答？当然，我也知道，这并不是仅有的两种选项。

扬：这又绕回我一开始说的了，我一直挺引以为傲的一点就是，我心态很开放，随时愿意改变想法。在很长一段时间里，尤其是我早年的时候，我会毫不犹豫地说：是大脑产生了意识。

保罗：我们刚学神经科学的时候，听到的基本就是这一套。

扬：对。不过现在，我会承认像托诺尼（Tononi）、科赫（Koch）这些人说的确实有道理——意识也许真的是某类过程的一种基本属性。不过，他们后面延伸出来的那些论证，我可能就不敢苟同了。如果意识真的是一种基本属性，那我更倾向于认为，它是一个“不同尺度相互作用的系统”所具备的基本属性。

保罗：还有一点我想再回过头来说。你刚才提到，人工系统本质上只是用数字方式实现了“网络层”。我举双手赞同。但AI最让人细思极恐的一点是：在剥离了所有生物学细节——不仅是单细胞层面的细节，还包括群体动态、跨尺度、跨层级的复杂互动之后，它们在执行某些功能时，居然还能表现得如此“智能”。

我不知道你怎么看，你觉得“智能”和“意识”是完全正交（互不相干）的两个维度，还是说它们之间有某种联系？我目前的直觉是，它们是完全正交的。不管怎么说，AI在缺乏这么多生物学实现细节的情况下，居然还能完成这么多功能，这本身就够吓人的了。就这一点而言，你是怎么理解智能和意识之间关系的？

扬：首先，这些系统居然能解决这么多任务，确实已经非常惊人了。但有一点我们必须时刻牢记——这也是我经常拿来敲打我学生的——这些AI系统消耗的能量，可能比咱们这颗三四十岁的人类大脑高出几百万倍都不止啊。考虑到这一点，是的，目前我非常支持阿尼尔·塞思（Anil Seth）一直在传达的观点：就像你说的，它们可以是正交的。我们不确定它们是不是绝对意义上的100%正交，也许多少有点联系，但意识和智能，绝对不是同一回事。如果有人觉得，“哦，这些系统越来越聪明了，所以总有一天它们会自动涌现出意识”，那问题就大了。不，它们不会的。

保罗：这实在太天真了。

扬：对。我刚才也稍微提到过，现在的问题是，这帮人里有不少拿着天价高薪，被大家奉为大神。可他们压根儿就没花时间去搞明白大脑到底有多复杂。正因为不懂，他们甚至都意识不到自己的想法有多天真。这真的很可悲。我经常觉得，在现在这种大环境下，神经科学的声音根本没人听。大家一聊起意识，全凭自己的脑洞瞎猜。这也是研究意识最让人心累的地方。所以我有时候会刻意跟这个圈子保持点距离，因为每个人都在往里塞私货，而我现在只想安安静静做点实打实的科学。

保罗：这点挺有意思的。我刚开始做这档播客的时候，见谁都问意识问题。结果大概有75% 的嘉宾会说：“哎呀，我手头的活儿都干不完呢。意识这玩意儿水太深了，我现在研究的课题既有趣又重要，所以对意识我真没啥可说的。”说实话，我挺尊重这种态度的。神经科学家老是抱怨计算机圈和AI圈不听我们的。但我的感觉是，人家现在可能压根儿就不觉得需要我们。

扬：对，他们并不需要。不过最近又刮起了一阵新风气，大家开始大谈特谈“AI福利”、“AI意识”，搞得像个重大议题似的。但我有时候觉得，这种讨论其实并不真诚。它本质上就是个蹭热点的话题，你聊这个就能被大厂请去演讲，就能拿高薪。但从科学严谨性的角度来说，这么言之凿凿地谈论这些，其实是不负责任的。

当然，反过来说，如果一个人并没有神经科学背景，也不了解这些知识，那他也许并不是在故意胡说。对他来说，那种判断也许仍然是“真诚”的，因为他并不是凭空捏造，而是在他自己的那套知识框架里，这些系统看起来的确像是可能有意识的。但这样一来，责任就落到了我们这些神经科学家身上。我们得努力把一个更清楚的信息传达出去，那就是，大脑本身要复杂得多，也有趣得多。

保罗：但与此同时，神经科学家固然有很多可以贡献的东西，也同样应该保持谦逊，因为心智至今依然是个谜。

扬：这正是关键所在。每个人都该保持谦逊。如果我听起来不像一个谦逊的人，那我先说声抱歉。但就这个问题而言，我已经研究了22年，我内心是非常敬畏的。

保罗：是的。只要有人说“我已经明确知道这个问题的答案了”，我就会立刻警觉起来。

扬：对。其实大脑中的很多问题都是这样。我们不知道的东西，实在太多了。我也总是这样跟年轻科学家说：先保持谦逊。努力去弄明白一些事情，但不要轻易相信那些说自己“真的知道答案”的人，因为在大脑这个领域里，太多东西都还是谜。也不是所有东西都如此，至少那些真正有意思的问题，大多仍然如此。而这恰恰是件好事。对年轻科学家来说如此，对我和你来说，其实也一样。

保罗：你一直很着迷于跨尺度地研究大脑和心智。你之前也提过，你的热情所在就是把那些极其底层的细节——比如亚细胞过程、树突等等——和高阶的认知能力、认知功能连接起来。咱们刚才也聊到，这简直是这个领域的终极梦想，虽然我们现在连趁手的工具都没有，但也正因如此才刺激。你之前和Matthew Larkum一起研究过树突整合理论。马修就是那种极其看重底层死磕细节的人。我想问问，在这些研究里，你觉得待在哪个区域最让你感到如鱼得水、最让你兴奋？不过这问题可能有点蠢，因为你真正兴奋的恰恰是“搭桥”这个过程。你接着说吧

扬：我想，这其实已经是答案了。我的工作地带，恰好就在认知科学、神经科学和人工智能的交汇处。在这三个领域里，每一个都有大把比我聪明得多的人。但他们中的绝大多数，压根儿就不会去想怎么把这些尺度连起来。从来不想，也不关心。但我就是那种特别喜欢“搭桥”的人。我喜欢把这些看似不搭界的东西拼到一起。有时候同行会吐槽我：“这太扯了，你想得也太远了吧，咱们不该搞这些虚的。”

但到目前为止，我也很幸运，遇到过一些编辑和审稿人，他们会说：“这想法是有点疯狂，但如果它能推动科学往前走，那这种‘搭桥’的尝试就是值得的。”我觉得，我也希望大家能感受到，对我来说，这才是神经科学和理解大脑的终极目标——去打通这些壁垒。也许现在做这事儿还有点早，但总得有人迈出第一步吧。至少对我来说，这是最好玩的事。

保罗：比如在AI领域，现在几乎已经形成了一整套“指出AI做不到什么”的固定套路。无论你身处哪个研究领域，要挑出问题其实都不难。说到底，拆解和批评，总是比真正建设要容易。但到了某个时候，我们还是得真正动手去解决这些问题。对你来说，指出AI缺了什么、解释为什么整合这些东西很重要，这是一码事；但真正动手去解决问题，又是另一码事。你是怎么在这两者之间找平衡的？

扬：某种意义上，我觉得自己那种“提出个好点子，然后就没人管了”的概念性论文写得有点太多了。大家都在忙自己的事，根本没人去跟进。所以这次能和Borjan Milinkovic合作，我真的特别开心。Borjan是个非常硬核的人，他不仅想搞概念，还想把这套东西在数学上形式化，甚至试着把它跑出来。我太喜欢这种合作了，因为老是停留在“我有个点子”这一步，真的会让我抓狂。

因为对我来说，这里面有一个核心诉求：在意识科学领域，我们需要一种“像整合信息理论（IIT），但又不是IIT”的新理论。我们需要那种在数学基础和形式化上能和IIT抗衡，但切入视角完全不同的理论。现在的情况是，只要你对意识和数学感兴趣，你基本上只能去搞IIT，因为那是目前唯一能让你推导数学公式的地方。那是镇上唯一的一家赌场。这对科学来说是个大问题。

我们需要发展出另一种理论，或者很多别的理论，也能像整合信息理论那样，让人真正去研究这些数学性质。因为我非常相信，科学需要的是思想上的多样性。到最后，整合信息理论也许真的是对的，但如果我们手里只有它这一套，我们反而到不了真正的答案。我们需要别的理论。这件事极其困难，因为整合信息理论已经领先起跑了二十多年，甚至可能还不止。但除此之外，没有别的路可走。

保罗：我同意。我刚才其实应该修正一下自己的说法，我把事情简单粗暴地分成了“指出问题”和“解决问题”两半。但实际上，真正让我兴奋、让我最开心的，是去界定“问题空间”（problem space）到底是什么。很少有人愿意在这上面花时间，而你恰恰就在做这个。你不是在单纯地挑毛病，你是在追问：“到底什么才是正确的问题？”愿意认真思考这一点的人，其实并不多。

扬：对，首先要问的就是：这个问题到底还可以从哪些角度进入，或者像你说的那样，它的问题空间究竟是什么。因为这种情况其实在我们的生活中经常发生。这也和“顿悟”有关。很多时候，我们会被困在一种解法里，甚至根本看不到其实还有别的可能。这时候，我们就需要另一个科学家，或者另一个人，来提醒一句：其实你也可以换个角度看。而这句话，也许就会一下子打开第三种可能、第四种可能。至少在我看来，科学本来就应该这样运作。顿悟是这样发生的，我们解决问题的过程也是这样。

载体不是装算法的盒子，

它参与构成算法

保罗：顺着这个思路，界定问题空间本身就是最大的挑战之一。比如，我们很多神经科学家都会默认接受一个前提：大脑是在做计算的，它是在执行某种算法的。如果我随便拉个同事说：“嘿，我其实不觉得大脑在执行算法。”他们估计理都不想理我，因为大家早就被这套框架焊死了。大脑做计算、神经元群体通过算法实现计算——比如马尔（Marr）的那套层次分析法——这种假设已经根深蒂固到让人根本无法跳出盒子思考了。

扬：这确实是个问题。当我沿着这条思路去想意识，去想“意识是不是一种计算”时，我逐渐意识到，有一点始终必须分清，那就是：计算本身也有很多不同类型。可大多数人在谈这些问题时，想法往往还是相当朴素的。他们会觉得，数字计算和神经计算本质上就是一回事。尤其一旦把讨论收缩到放电之类的问题上，这种误解就更容易出现，仿佛两者完全等同。但你也可以换一种方式来想，这也是我们一直在强调的。生物组织当然也在进行某种计算，只不过这种计算和数字计算非常不同，因为你无法把它干净利落地从它的物质载体中分离出来。

因为至少在相当大程度上，载体本身就是算法的一部分。如果载体本身在很大程度上就构成了算法，那你就不可能把它完整拆出来，再干净地移植到机器上，或者做成别的什么东西。所以我觉得，只要我们谈到“计算”，一个特别有用的区分就是，先问清楚你说的到底是那种朴素意义上的计算，还是这种发生在生物组织中的计算。我想，现在也越来越多的人开始这样想了。

保罗：你能不能再多解释一点“载体就是算法”这句话？我其实是认同这个说法的，只是我自己也不太确定，到底该怎么把它说清楚。

扬：说实话，我也不太知道该怎么把这件事说清楚。不过，也许可以借一个我们都很熟悉的例子来想，比如基因和DNA复制。当然，你完全可以把它写成一种字母到字母的替换规则。但这并不意味着，你光靠那套字母规则就能造出一个细胞。因为在生物组织里，在真实的细胞中，这种碱基配对和复制的“算法”本身，也深深依赖于这些成分是怎样被组织起来的，整个系统又是怎样被构造出来的。

我可能解释得还不够好，但关键就在于：算法的一部分，其实已经包含在载体之中了。而一旦把这个思路放到大脑里，去想神经计算，我们大概也能很容易找到类似的例子。

保罗：我通常会把算法想成某种柏拉图式的理想形式，或者说，一种数学结构。总之，它似乎是和具体载体分开的。但按你刚才的说法，一旦你真的要把它实现到某个载体里，这个载体本身几乎就必然会成为处理过程的一部分。如果还要把它叫作“算法”的话，那载体本身也得算进这个算法里。

扬：你可以这样理解，其实也有别的学者表达过类似的想法。比如说，如果你面对的是一个大脑，那么它本身的构造、其中分子的组织方式、它如何放电、它如何产生电场，这一切都会限制你究竟可能拥有哪些类型的算法。说到底，它最终会和某些算法变得无法分开。因为这些算法已经被大脑这种系统所能做到的事情深深塑造了。这个系统本来能调用的资源、机制和约束，就是有限的。

这也是为什么我一直觉得，你没法把算法和它的实现方式干净地剥离开来。当然，马尔当年提出那套框架时，确实非常了不起。但到了某个时候，我们这些做科学的人也得继续往前走，并承认：这是一套非常精彩的想法，在很多场景里都成立，但在另一些场景里，它并不成立。我们不该总是想当然地认为，算法可以和大脑真正正在做的事情清楚地分开。

保罗：你刚才提到了一个对我来说很关键的词，也是我最近一直在反复琢磨的词，那就是“约束”。它和生物过程的组织方式密切相关，而我现在越来越意识到，这个概念非常重要。比如拿发动机来说，如果你把活塞工作所依赖的那些边界拿掉，把原本用来压缩空气、推动运转的结构去掉，压力就建立不起来，系统也就无法做功。抱歉，我刚才对活塞原理的解释可能很不高明，但意思是，约束在这里是绝对必要的。我刚才举的是一个机械系统的比喻，但类似的事情其实在各个尺度、每时每刻都在发生，不管是在细胞里，在大脑里，还是在这些潮湿的生物系统中。

我现在越来越觉得，在这些复杂而有组织的系统里，真正对系统产生巨大因果作用的，恰恰是各种约束条件，而不是我们通常想象的那种像台球碰撞一样的直接因果链条。系统里当然有某种能量在流动，但真正决定这股能量如何流经整个系统的，主要还是那些约束。我不知道你怎么看这个问题。我知道你也会引用一些理论生物学里关于生物组织的研究。我刚才这番话可能还不太算一个真正的问题，不过我大概想问的是：你会怎么理解这件事？

扬：我觉得你这样讲其实挺好的。你这么聪明，干嘛非得只负责提问呢？说不定咱们该反客为主，现在轮到我来采访你了。

保罗：别，这正是我最害怕的事。我经常会担心，自己一说就说太多，讲着讲着最后反而忘了自己到底想问什么。然后脑子里就一片空白。

扬：我想，你做这档播客，其实也是在替自己把很多问题一点点想明白。这不只是提问，也是一个不断发现“啊，原来这又绕回了我一直在想的那个问题：约束真的非常重要”的过程。的确，我们完全可以这样理解：实现方式会如此强烈地约束算法，以至于到最后，两者几乎已经分不开了。

保罗：对，我其实就是在想这个。我只是想确认一下，你是不是也是这么理解的。因为你一提到“约束”这个词，我脑子里立刻冒出来的就是：一旦你把某种“算法”放进生物载体里，那里几乎处处都是约束。也许也正是在这个意义上，我才开始理解“载体就是算法”这句话。我刚才其实就是在试着把这几件事串起来，也就是约束、组织形式，以及“载体就是算法”这个说法之间的关系。问题的一部分在于，我们其实还没有足够合适的词汇和概念框架，来真正把这些事情说清楚。

扬：对，不只是词汇和概念，还包括数学工具，甚至一整套方法。也正因为如此，我们才更应该去把这些东西发展出来。当然，这很难，连为这种研究申请经费都很难。但说到底，这恰恰就是科学，而这也正是当下最缺的东西，所以我们必须去做。

保罗：不过，话说回来，一想到“智能和意识都存在于大脑皮层里”，难道你不会觉得心里挺踏实的吗？你总觉得这至少是个可靠的立足点吧？

扬：哦，这可就是典型的“皮层沙文主义”了，妥妥的皮层沙文主义。

保罗：哦，原来这就叫这个吗？好吧，我还真没意识到。

扬：这就是皮层沙文主义。这可得说你一句。

被低估的丘脑，

可能才是理解意识的关键枢纽

保罗：所以你的意思是，丘脑其实在这里起着关键作用，是吗？在你看来，那些可能对意识很重要、也关系到我们如何理解大脑产生智能和心智现象的关键因素之一，就是丘脑与皮层之间的环路，而且还不只是丘脑本身，也包括其他一些皮层下结构。你能不能具体讲讲，为什么丘脑—皮层环路这么重要？以及，为什么它们长期以来似乎并没有得到应有的重视？

扬：对，某种意义上确实如此。不过也不能说它们完全被忽视了。比如说，鲁道夫·略纳斯（Rodolfo Llinás）就做过非常出色的工作，而且很早就提出，丘脑—皮层系统可能正是理解意识的关键。

托诺尼（Tononi）也很早就注意到了这一点。整合信息理论最早期的几篇论文，讨论的就是丘脑—皮层系统，以及它为什么会不同于小脑。所以其实，大家并不是完全不知道这件事。而现在，尤其是在马修·拉库姆实验室那些研究的基础上，我们想把这条思路再往前推进一点，更具体地解释，丘脑—皮层环路到底关键在什么地方。

马修大概也在你的节目里讲过，他们实验室的铃木基高（Mototaka Suzuki）发现，在这些树突上，实际上存在着一种类似“开关”的机制，可以让树突彼此解耦。而由于第五层那些大型神经元同时是丘脑—皮层环路和皮层—皮层环路中的关键组成部分，一旦你在树突层面实现这种解耦，实际上被解耦的就不只是局部，而是整个丘脑—皮层系统。

铃木基高有了这个开关，想要“开启”或“关闭”意识，或者对整个大脑的加工过程进行极其微操的调控，就变得非常容易了。顺着这个思路想，你就会发现丘脑的位置特别有意思：它既是整个环路的一部分，同时又是个“控制台”。因为铃木和马修的研究表明，正是来自丘脑的其他信号连接，在控制着这种树突的整合。我这么解释，听起来会不会有点怪？

保罗：是有点怪，但也很酷。（笑）

扬：既然你知道丘脑在调控这种互动，你就会意识到，哇，丘脑在大脑里的地位真的太特殊了。它接收所有皮层下结构的信息，也接收所有皮层的信息。而且，它还能实质性地改变皮层里正在发生的事情。这时候你就会恍然大悟：真正坐在“驾驶座”上的，其实未必是大脑皮层。某种程度上，丘脑完全有能力掌控皮层里发生的一切。当我们开始意识到这一点时，再看解剖学结构就觉得理所当然了：皮层的每一个区域都会直接向丘脑发送信号，而丘脑也能反过来控制皮层的每一个区域。

于是我们就开始问：为什么我们总要把大脑想成一个“很深”的系统？换个角度看，尤其是从丘脑的角度来看，大脑其实是相当“浅”的，因为在丘脑那里，整个皮层几乎就像一整张铺展开来的薄片，横跨整个大脑。也正因为如此，我们后来写了那篇论文《大脑到底有多“深”？》（How Deep Is the Brain?）。不过我当时其实一直在试图说服我的合作者，标题应该改成《你的大脑到底有多“深”？》（How Deep Is Your Brain?），因为它正好对应接招合唱团（Take That）的一首老歌。

保罗：等等，是哪首歌？

扬：我就不唱了，那首歌是接招合唱团（Take That）的《你的爱有多深》（How Deep Is Your Love）。你没听过也没关系，我其实也不该暴露我知道这首歌的。估计听众里也没几个人知道，不过它确实是首经典。

保罗：而且从传播角度看，这个标题也更好，因为人们一看到就会想，哦，是“我的大脑”。好，所以你刚才其实是在说那篇论文，也顺带解释了一些细节，说明为什么你们会把它称作“浅脑假说”。我知道，事后回头看，你可能会觉得这个叫法未必最理想。它的大致意思是这样，核心在于丘脑。

在大脑皮层里，存在着许多所谓的“皮层柱”。它们在不同区域之间当然会有差异，但彼此又足够相似，所以我们可以把它们看成一种重复出现的加工单元。而这些皮层柱，又由不同层次构成。其中在第五层，你会看到一些很大的锥体神经元。之所以叫“锥体”，是因为它们很大，形状又像锥体。这些神经元会向下投射到皮层下区域，也会投射到脊髓。它们构成了皮层柱最主要的输出通路。

同时，它们还带有一种叫作“顶树突”的结构，会向上延伸到皮层较浅的层次，而那些位置会接收到多种反馈信号，其中就包括来自丘脑—皮层环路的反馈，也包括来自其他皮层柱和某些皮层下区域的反馈。这些神经元还会向下投射到丘脑，而丘脑随后又会把信号返回皮层，这样就形成了一个环路。也就是说，这些神经元实际上同时接收着来自不同输入源、不同情境的信息。这只是对其中基础生物学结构的一个非常简略的说明。而“浅脑”这个说法真正想表达的是......你在笑。是不是我刚才哪里讲漏了，或者讲得不对？

扬：我只是在想，你这个解释真的比我刚才讲得更简单吗？

保罗：当然没有。这种事一讲起来，就会立刻发现，糟了，自己已经陷进细节里了。不过总之，关键在于这些会向外投射的大型神经元。“浅脑”这个说法真正想表达的是，整个皮层里其实遍布着这种重复出现的结构，也就是皮层柱。你可以把它理解成某种统一的“层”。当然，我们平时更习惯把大脑想成一个层级结构。哪怕只是在皮层内部，我们也会从较早期的感觉加工，一路往后推到越来越抽象的加工，再到前额叶，仿佛那里的一切都变得高度抽象起来。所以我们通常会把大脑想成一种非常“深”的架构，就像深度神经网络那样。从这个意义上说，它当然是“深”的。

但你的观点是，我们也可以换个视角，把整个皮层看作扁平的“一层”，它们全都投射到同一个区域——丘脑。而丘脑就像是一个控制台，它能决定一个皮层柱是继续保持环路，还是切断连接。从这个意义上说，大脑就是“浅”的。你看，我这个高屋建瓴的总结怎么样？

扬：很好，这就是最核心的意思。我想，这个标题真正的问题在于，我们把它叫作“浅脑假说”。但从某种意义上说，它根本不是什么“假说”，因为这本来就是解剖事实。这里并不存在什么猜测。它之所以如此，并不是一种推断，而就是解剖结构本身如此。不管是在初级视皮层V1，还是在前额叶皮层，每一个皮层柱都会直接向高阶丘脑发送输入。事情本来就是这样，很直接。当然，你还是可以继续讨论，“浅”这个词到底是不是最合适。但从某种意义上说，这正是我们在那篇论文里想表达的：这不是什么猜想，也不只是某种理论而已。这就是事实。

保罗：我倒是挺喜欢“你的大脑是浅的”这种说法，有点像尼克·查特（Nick Chater）那本《心智是平的》（The Mind Is Flat）。

扬：对，尼克·查特。

保罗：对，说到底也还是更利于传播而已。

扬：我的意思是，你总不能把那个“小人”直接塞进丘脑里，对吧？

保罗：对，当然不能。

扬：更准确的说法应该是，大脑当然是一个复杂的动力学系统，但丘脑有点像一个中央控制枢纽。在那里，信息可以被分配、转送，也可以更集中地受到某种调控。至少在这个动力学系统里，丘脑是一个特别适合承担这类功能的位置。

因为就像我刚才说的，不只是皮层会向丘脑发送输入，几乎所有皮层下区域也都会把信息送到这里。某种意义上，很多信息最后都会以这样那样的方式汇聚到丘脑。

所以，丘脑也许可以被看作一个非常有意思的中心角色。这也是为什么我愿意把它想成某种“指挥者”。当然，这里的“指挥者”并不是说丘脑里真有一个发号施令的小人，而是说，在这个动力学系统中，丘脑确实像一个可以统筹协调的地方，某种程度上，它让大脑里的不同部分能够彼此对上节奏、保持一致。

保罗：如果要把你这个看法和传统的丘脑观做一个对照，那么无论你刚才用什么词来描述丘脑的作用，有一点都很明确：丘脑并不只是大脑里的一个“中继站”。但在神经科学的很大一部分传统中，人们长期以来确实就是这么理解它的。当然，很多神经通路的确要经过丘脑，才能把信息送往大脑的下一个区域，所以人们才会觉得，它不过是在做信息中转而已。可实际上，它扮演的是一个积极得多、主动得多的角色。而我们现在要做的，正是进一步弄清楚，这种角色究竟是什么。

扬：对，正是这样。接下来我们也会尽量去做相关实验。我的朋友铃木基高就在做这方面的实验，另外还有不少人也在做非常出色的工作。我们认为，关于丘脑如何在皮层中承担信息分配与调控作用，还有很多东西有待弄清。而且，再说一次，我们真的应该少一点这种“皮层沙文主义”，不要总把皮层想成那个什么都包办的“主角”。更准确地说，皮层也许只是一个非常方便的计算空间，而真正调动、利用它的，还有别的参与者。

机器意识并非原则上不可能

保罗：你现在怎么看“人工意识”这件事的前景？难道只要把丘脑—皮层环路实现出来，我们就算走到了那一步吗？还是说，我们必须先弄清楚这种大规模的跨尺度整合，才谈得上接近人工意识？你现在如何理解实现人工意识的可能性？如果这件事确实有可能，那又该从什么方向入手？从我们现在所在的位置出发，第一步应该是什么？

扬：我得承认一件事。等我真正开始理解大语言模型和当代AI系统之后，我很快就意识到，我们原先那种想法其实是守不住的。也就是说，我们不能再长期坚持那种看法，仿佛只要有树突整合、只要有丘脑—皮层整合，就足以解释意识。因为这类东西，从原则上说，是可以用数字方式实现出来的，至少可以做到某种近似。

所以，正如我前面已经稍微提到的，大概从2022年初开始，我马上就开始去想另一个问题：我们真正缺掉的、更根本的东西到底是什么？也正是这个追问，后来带出了这一系列研究和想法。也就是说，关键恐怕不只是树突，不只是丘脑—皮层环路，而是不同尺度之间的相互作用，以及发生在这些尺度之间的过程，本身可能就和意识密切相关。

再说一遍，这里面当然仍然有不少推测成分。但我觉得，我们至少已经迈出了第一步，把我们在概念层面上的理解先描述出来了。现在，就像我前面说的，也已经有一些很出色的年轻研究者在试着看，能不能把这套想法进一步做得更形式化一些。

归根结底，我会说，已经没有必要再去死守那种想法了，也就是仿佛意识的关键一定就是树突整合和丘脑—皮层环路。意识为什么、又是如何从大脑中产生出来，背后很可能还有更深层的原因。而我们真正该做的，是把那个更深层的原因找出来、弄明白。

有些人听到这里，可能会想：“扬，你这又有点疯了吧。你不是2020年才提出那个树突整合理论吗？怎么现在又转到别处去了？这到底算什么？”但我一直都会说，对我而言，树突整合理论最核心的意义首先在于，我们必须发展出真正严肃的神经生物学理论。我们已经有太多认知层面的理论，也有太多计算层面的理论了。我们真正缺的，是一套扎实的神经生物学理论。

第二点是，对我来说，它从来都不是，也从来不该被当成某种最终定论。它更像是给年轻一代的一个启发，告诉大家，我们没有必要被那些旧有的意识理论困住。我们可以真正回到大脑本身去看。我们完全可以提出更复杂、也更贴近大脑实际情况的理论。树突整合理论就是这样的一种尝试。我希望它至少算是一个不错的例子，说明这件事可以怎么做。但与此同时，我们也必须继续往前走。我们得走向下一步、再下一步，继续往前推进。

保罗：我这里并不是在问你个人的目标到底是什么。就我自己而言，我有一种很基本的直觉，那就是，人工系统没有意识，而且我觉得它们也不可能有意识。但与此同时，AI领域又总会出现我刚才提到的那种逻辑：好，这个人工系统现在没有这个特征，那我们就把它加进算法里；加进去以后，它不就有了吗？而这种推法，理论上是可以无穷无尽地一路加下去的。

一端是生物自然主义那种更强硬的立场。我觉得阿尼尔·塞思（Anil Seth）也许更接近这个位置。按这种看法，生物载体本身具有某种原则上不可替代的根本属性，正是这种属性从根本上排除了人工系统拥有意识的可能性。当然，我对这个立场的理解也可能有些细微偏差，甚至可能完全理解错了。不过在我看来，生物自然主义大致就是这个意思。而另一端，则可以说是功能计算主义。按这种观点，只要你把计算过程复制出来，意识就会随之而来，几乎像是“免费附赠”的一样。

所以我一开始真正想问的其实是：目标到底应该放在哪里？我们的目标，是不是要证明，机器和意识之间存在一道原则上无法跨越的界线；还是说，我们真正要做的，是找出生物系统和机器系统之间到底差了什么，再一步步把这些差距补上，最终造出真正有意识的合成系统？也许这不一定是你个人的目标，但至少从你刚才的表述来看，这整套思路背后的目标到底是什么？它所依托的基本立场，又究竟是什么？

扬：这个目标其实很简单。现在一边是这种朴素的功能计算主义，另一边是生物自然主义。我们想说明的是，这两者之间其实存在一条中间道路，而且在我看来，这恰恰是最可信、也最合理的一条路。这条中间道路的意思是：不同于那种朴素的计算主义，我们认为，大脑中的计算极其复杂。我们之所以还不理解它，是因为我们还不清楚，载体究竟是如何具体地约束这些计算的。但即便如此，它依然是计算，只不过是一种复杂得多的计算。

也正因为如此，生物自然主义也并不成立。因为从根本上说，在某个时候，人类确实有可能造出具有意识的机器。但那种机器不会是今天这种大语言模型，因为大语言模型做的一切，本质上都只是数字计算。它们并没有像大脑那样，被那种深层的约束所塑造。它必须在某种意义上更像大脑。从这个意义上说，它需要是某种神经形态式的系统。但又不能只是那种很表层的“神经形态模仿”，而很可能必须把大脑中若干关键过程都认真考虑进去。

简言之，我们真正想表达的是：思考意识问题时，确实存在这样一条中间道路，而且这是一条相当合理的路径。我这样说清楚了吗？这个意思明白吗？

保罗：明白了。不过我想再把它说得更精确一点，也请你再展开一层。也就是说，从原则上讲，并没有什么理由规定，一个人工合成出来的机器不可能拥有意识。事实上，就像“忒修斯之船”那个思想实验一样，你完全可以把一个细胞里的每个分子都逐步替换掉。只要它们在功能组织、动力学组织和实际运作方式上都保持一致，那么理论上，你甚至可以一路替换掉整个大脑，最终得到一个有意识的机器，或者说，一个由机器部件构成的意识系统。

从这个意义上说，你甚至未必还会把它单纯看作“机器”，因为关键根本不在材料本身，而在于那种组织方式，以及跨尺度的整合。而这件事，无论是在理解上还是在实现上，都离我们还非常非常遥远。你的立场大致就是这样吧：它并不是原则上不可能，只是我们离那一步还远得很。我的理解对吗？

扬：对。我们不可能靠大语言模型走到那一步。它们当然很了不起，也确实能完成很多有趣而且看起来很智能的任务，但我们不可能沿着这条路抵达意识。

保罗：那你会希望真的在机器里造出意识吗？

扬：我只能说，就目前来看，这件事离现实还太远了，远到我其实还没有认真想过这个问题。我知道，阿尼尔·塞思（Anil Seth）会进一步追问一句：这甚至真的是我们想要实现的东西吗？如果你现在非要我回答，我大概得先认真想一阵子，或者干脆打个电话问问朋友。

保罗：对，我也是。简短地说，就是这样。

扬：我之所以还没有认真思考这个问题，是因为我确实觉得，就当下而言，这件事离我们还太遥远，远到我们暂时还不必为它担心。

保罗：对，至少现在还谈不上需要担心。对我来说，最核心、也多少有点自私的目标，其实只是想把这件事弄明白。我想，如果我们真的理解了它，从原则上说，也许就有可能把它实现出来。当然，也可能不是这样。也可能到头来，我们还是没法真正把它做出来。也许，只要我能在这些跨尺度的组织原则上获得某种足够深入的理解，就已经能满足我的好奇心了，而不一定非得进一步把它“造出来”，至少不一定要达到费曼所说的那种程度。就像费曼那句很有名的话：不能亲手造出来的东西，我就还谈不上真正理解它。

扬：对。你刚才提到的一点，其实也非常重要。还是像我前面一直在努力说明的那样，大脑中的很多细节都很关键，因为大脑里的那些计算，只能在这种特定类型的载体上发生。这意味着，如果你真的想做出一种合成意识，那么至少在某些方面，最后做出来的东西可能会非常接近大脑本身。

当然，这未必意味着你要在大脑的每一个方面都照搬它。但很可能会有某些部分，你最终不得不做得几乎和大脑一模一样，甚至在物理实现上都要尽可能贴近大脑原本的样子。只是到今天为止，我们还不知道究竟是哪些部分。说到底，我们对此几乎还一无所知。但也正因为如此，我们才更需要去研究它，更需要努力把它弄清楚。

意识科学需要的不是更多口头理论

保罗：说到这里，我感觉关于意识的理论，现在大概已经多到两千四百三十七种了，差不多就是这个量级。那这些理论，你会不会干脆都不看了？还是说，其中多少总有一些，会让你觉得更值得认真对待？

扬：这方面我确实下过很多功夫。就像我前面说的，我已经在这个领域里做了22年。我大概读过几百种意识理论。但到了某个阶段，我越来越觉得，问题在于，要提出一套纯粹停留在言语层面的意识理论，或者一种认知层面的意识理论，其实并不难。提出某种说法并不难。可到了后来，尤其是2018年之后我在马修·拉库姆实验室工作时，我越来越觉得，真正说得通的做法，只有一条，那就是用神经生物学来认真约束我们对意识的思考。

而且直到今天，真正愿意这样做的人，其实也并不多。我觉得部分原因也在于，我们的大脑本来就会偷懒。面对这么多关于大脑的复杂事实时，人们更容易说一句：“这些细节大概没那么重要，反正说到底，它就是一种计算。”当然，就像我前面说过的，这也是科学体制本身的问题之一。只要你已经摸清了一套能稳定发论文、出成果的路径，那你基本上就没有动力再往更深处走，也没有必要主动去打开那个潘多拉盒子。

所以，我这一大段有点情绪化的回答，真正想说的其实很简单：我们已经有很多意识理论了，但真正扎实、真正好的神经生物学理论，其实并没有那么多。所以，即便我也同意，现在的意识理论已经多得有些过头了，我还是会鼓励年轻研究者继续去提出新的、真正立足于神经生物学的意识理论。

保罗：我想，我自己之所以也会有些犹豫，某种程度上也和你刚才说的“大脑会偷懒”有关。比方说，我们一方面在讨论所谓“特权层次”，另一方面又说，其实并不存在一个真正享有特殊地位的层次。可即便如此，你还是得在任何一个时刻去考虑，某个具体层次上到底正在发生什么。与此同时，你还得把其他层次与它之间的关系也一起放在脑子里。再进一步说，如果你真的想做研究，那你总得先在某一个层次上测量某些东西。可一旦进入实操，你的注意力就不可避免地会落到那个层次上，而你几乎不可能同时把其他所有层次也都一起顾到。

所以，确实会有一种很真实的犹豫。一方面，你很难始终维持那种把所有部分及其相互作用都同时装在脑子里的“全景视角”。但另一方面，我也会犹豫，要不要一头扎进某一个具体层次，因为那样一来，你就得钻得非常深。你明知道，自己最后会一路碰到各种具体问题，也会把大量时间都耗在那个小小的层次上，可你真正感兴趣的，明明是跨层次之间究竟怎样联系起来的那整件事。

扬：对，我觉得问题恰恰就在这里。在科学研究中，我们本来就应该鼓励这样的工作，也就是鼓励人们去碰那些真正复杂的问题。而某种程度上说，这也是当下科学体制本身的问题。过去这些年，我们在这方面做得并不好。比如我总会说，如果你真的想弄清楚意识是什么，那我们就应该把资源投给那些做实验的年轻人，尤其是做基础神经科学实验的年轻人。可现实往往正相反，很多经费最后都流向了那些围绕经典理论展开的大项目。我觉得这是不对的。之所以会这么说，是因为我自己就在马修·拉库姆的实验室里亲身经历过这样的事情。

我第一次见到铃木基高时，他对我说：“好，我想给你看点东西。”然后他给我看了一组当时还没有发表的数据，内容正是关于那种“解耦”现象。也许很多人会说，这和意识没什么直接关系，或者它未必是那个“大答案”的一部分。可问题在于，这是一块我们原本根本没有的基础证据；如果铃木基高不去做这项研究，我们就不会有它，也根本不会知道这件事。

现在你可以想象一下，如果不只是铃木基高一个人，而是有10个、20个实验室都在做这类研究，会发生什么。当然，其中有些工作最后也许不会产出什么真正新的东西。但与此同时，我们也会获得一些此前根本想不到的发现，一些原本完全装不进我们既有思维框架里的新线索。到那时，我们就可能以一种全新的方式来思考意识。所以在我看来，如果我们真想推进意识问题，就不能满足于手里已经有的这些东西。我们应该去做这些新的实验，去尝试最新的神经科学技术，也应该真正把资源投入到这些工作里。

保罗：你刚才说的是基础神经生物学研究，对吧？而这恰恰就是我刚才担心的地方：一旦你真的进入基础神经科学、基础神经生物学的研究，就很容易把整体图景丢掉，整个人都陷进细节里。所以，既能抓住大问题，又能深入这些底层细节的人，其实并不多。像你，像马修·拉库姆这样的人，才真正能把这两件事同时做起来。

扬：这个例子其实就很能说明问题。因为我想，或者说我希望，自己多少也在其中起到了一点作用，让铃木基高的研究被意识科学领域更多人看到。当然，他们后来写出了一篇非常好的论文，也发表在了《细胞》（Cell）这样非常顶尖的期刊上。但认知科学或认知神经科学这一边的大多数人，通常根本不会去读那篇文章，因为它讨论的还有麻醉之类的内容，看上去离他们关心的问题有点远。而我当时的反应是：好，我一看到这项研究，立刻就意识到了。

保罗：我之前还真不知道。也就是说，是你把这条线索带到意识研究这边来的？

扬：也不能这么说。因为结果本来就是他们做出来的，是铃木基高先把那些结果拿给我看的。事实上，我当时去马修的实验室，本来是想研究预测编码。可就在那个瞬间，我心里一下子冒出来一句：糟了。但当时大概就是那种感觉。就像是，哦，好吧，意识问题又回来了。行，我们又重新走到一块儿来了。后来我基本上就是对马修和铃木基高说：你们得把这篇文章写出来。再后来，它就发展成了那个树突整合理论。

保罗：噢。

扬：我在这里面，大概只是起了一点很小的作用。

保罗：这可一点都不算小。

扬：但我觉得，这件事真正说明的是，一个实验室里必须有像铃木基高这样的人，能把那些惊人、精确而复杂的实验真正做出来。而在最理想的情况下，你还需要另一类人，像我这种，顺便还和他们留着差不多发型的人，能够意识到：哦，这项研究对另一群人其实也非常重要，我们完全可以一起把它写出来，而且这会让很多人都觉得兴奋。换句话说，你需要的是一种合适的人才组合。而马修当时的实验室里，确实就有这样一群人。

保罗：这太好了。不过我之前还真不知道有这一层。说真的，那可一点都不算什么“小作用”。你自己说得很轻，可那其实是相当关键的一环。这种能把不同层次、不同领域连接起来的人，其实并不常见，对吧？我觉得，真正能把某一层面上发生的事情和其他层面的概念连起来的人，反而是少数，是例外。确实如此。

扬：除了会说这些，我大概也就只擅长这一件事了。

保罗：这本身就已经很重要了。有时候我也会觉得，那可能也是我唯一拿得出手的本事。我甚至都不确定，自己到底算不算擅长这件事。我做神经生理并不算特别出色，说实话，我做很多事都谈不上多厉害，只不过有些事情稍微好一点而已。而这恰恰也是我最欣赏别人的地方之一。说到这里，扬，我是真的很欣赏你。

扬：谢谢你，保罗。我也有同样的感觉，我也很欣赏你。

保罗：（笑）谢谢。

扬：当然，也不只是因为你的发型。我欣赏你的地方，还有很多。

保罗：我今天还特地把头发重新修了修，就是想让自己看起来更像我面前这位偶像一点。而要把这些不同的想法真正连接起来，本身其实非常需要创造力。

对谈链接见：

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

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、科普视频媒体「大圆镜」等。