創(chuàng)造機器智能路線圖千腦智能目錄TOC\h\h第一部分千腦智能理論——對大腦的全新理解\h第1章新舊大腦的爭斗\h新皮質(zhì)與舊腦\h關于新皮質(zhì)的3個發(fā)現(xiàn)\h第2章新皮質(zhì)的智能算法\h智能的多樣性基于一種基本的算法\h負責感知與智能的皮質(zhì)柱\h第3章大腦中的世界模型\h通過運動學習世界的預測模型\h神經(jīng)元工作的兩個基本原則\h第4章大腦新皮質(zhì)的3個發(fā)現(xiàn)\h第一個發(fā)現(xiàn)：新皮質(zhì)學習世界的預測模型\h第二個發(fā)現(xiàn)：預測發(fā)生在神經(jīng)元內(nèi)部\h第三個發(fā)現(xiàn)：新皮質(zhì)的關鍵是參考系\h第5章大腦中的地圖\h為世界建立參考系\h舊腦中的地圖\h新腦中的地圖\h大腦地圖的使用方式\h新皮質(zhì)中的地圖模型\h新皮質(zhì)的方向感\(zhòng)h第6章大腦中的參考系\h大腦使用參考系管理所有知識\h大腦的兩個視覺通路\h皮質(zhì)柱如何為無法感知到的事物建模\h找出有用的參考系\h好的參考系是成為專家的關鍵\h第7章千腦智能理論\h現(xiàn)有的新皮質(zhì)理論\h參考系下的新皮質(zhì)理論\h大腦中的知識存儲在哪\h大腦中的“投票”機制\h穩(wěn)定的感知\h大腦的注意力\h千腦智能理論中的層次結構\h第二部分人工智能的未來\h第8章并不智能的人工智能\h實現(xiàn)通用人工智能的兩條路\h將大腦視作人工智能模型\h從專用到通用人工智能的解決方案\h智能的判斷標準\h第9章當機器擁有意識\h意識的核心\h感受質(zhì)的來源是意識之謎\h關于意識的神經(jīng)科學\h有意識的機器\h生命與意識之謎\h第10章機器智能的未來\h設計智能機器\h可復制的機器智能\h機器智能未知的未來應用\h第11章機器智能存在的風險\h智能爆炸的威脅\h目標失調(diào)的威脅\h智能機器并不會威脅人類的生存\h第三部分人類智能的未來\h第12章大腦的錯誤信念\h我們生活在虛擬世界中嗎\h錯誤的模型\h病毒式傳播的世界模型\h病毒式傳播的錯誤世界模型\h語言與錯誤信念的傳播\h第13章人類智能存在的風險\h舊腦帶來的風險\h錯誤信念帶來的風險\h我們面臨的生存威脅\h第14章腦機融合的暢想\h為什么我們感覺被困在身體里\h上傳你的大腦\h第15章保存人類遺產(chǎn)的3種可能\h漂流瓶之信\h長明燈\h維基地球\h第16章阻止人類滅絕的3種方法\h方法1：成為星際物種\h選擇我們的未來\h方法2：修改自身基因\h方法3：離開達爾文軌道\h有目標和方向的未來你大腦中的細胞正在閱讀這些文字。想想都很神奇，細胞很簡單，單個細胞不能閱讀，也不能思考，很多事情都不能做。然而，如果我們把足夠多的細胞放在一起組成一個大腦，它就不僅能看書，還能寫書。這些組成大腦的細胞能設計建筑、發(fā)明技術、破譯宇宙的奧秘。一個由簡單細胞組成的大腦是如何創(chuàng)造智能的？這是一個非常有趣的問題，并且依然是個未解之謎。人們認為，了解大腦的工作原理是人類面臨的重大挑戰(zhàn)之一。這一探索已經(jīng)催生了數(shù)十項國家和國際倡議，如歐洲的“人腦計劃”（HumanBrainProject）和“國際腦計劃”（InternationalBrainInitiative）。實際上，世界各國數(shù)以萬計的神經(jīng)科學家在幾十個專業(yè)領域開展的研究，都在試圖了解大腦。雖然神經(jīng)科學家對不同動物的大腦進行了研究并提出了不同的問題，但神經(jīng)科學的最終目標是了解人腦是如何產(chǎn)生人類智能的。你可能會對我的說法感到驚訝：人類的大腦仍然是個謎嗎？人們每年都會公布與大腦有關的新發(fā)現(xiàn)，出版與大腦有關的新書籍，人工智能等相關領域的研究人員也聲稱他們創(chuàng)造的人工智能正在接近老鼠或貓的智能。由此很容易得出結論，科學家已經(jīng)充分了解了大腦的工作原理。但如果你去問神經(jīng)科學家，幾乎所有人都會承認，人類對大腦的探索仍然處于黑暗之中。我們雖然已經(jīng)掌握了大量關于大腦的知識和事實，但我們對大腦的工作原理了解甚少。1979年，因研究DNA而聞名的弗朗西斯·克里克寫了一篇關于腦科學現(xiàn)狀的文章《思考大腦》。他描述了科學家收集到的關于大腦的大量事實，然而他總結道：“盡管有關大腦的細節(jié)知識在不斷積累，但大腦究竟是如何工作的仍然相當神秘。”他接著說：“腦科學研究明顯缺乏的是一個可以解釋這些研究結果的普適的思想框架?！笨死锟俗⒁獾?，科學家?guī)资陙硪恢痹谑占P于大腦的數(shù)據(jù)，他們知道大量的事實，但沒有人弄清楚如何將這些事實組合成有意義的東西。大腦就像一張巨大的拼圖，有成千上萬的碎片。這些碎片就在我們面前，但我們無法理解它們。沒有人知道解決方案應該是什么樣子的?？死锟苏J為，大腦是個謎，不是因為我們沒有收集到足夠的數(shù)據(jù)，而是因為我們不知道如何排列已經(jīng)擁有的這些“碎片”。在克里克寫下這篇文章后的40多年里，大腦研究領域有了許多重要的發(fā)現(xiàn)，其中有幾項我將在后面講到，但總的來說，克里克的觀點仍然是正確的。智能是如何從你大腦中的細胞里產(chǎn)生的，仍然是一個難解之謎。盡管每年都有越來越多的解謎碎片被收集起來，我們有時卻感覺自己離了解大腦越來越遠了，而不是越來越近了。我在年輕時讀到克里克的文章，受到了很大的鼓舞。我覺得我們可以在有生之年揭開大腦的奧秘，從那時起，我就一直在想方設法實現(xiàn)這個目標。在過去的十幾年里，我在硅谷領導了一個研究小組，研究大腦的其中一個部分，即新皮質(zhì)。新皮質(zhì)約占大腦體積的70%，它負責與智能有關的一切，從視覺、觸覺和聽覺，到各種形式的語言，再到數(shù)學和哲學等抽象思維。研究的目的是充分了解新皮質(zhì)的工作原理，以便我們能夠解釋大腦的生物學特征，并創(chuàng)造基于相同工作原理的智能機器。2016年年初，我們的研究有了顯著變化：我們對大腦的理解有了突破性進展。我們意識到，我們和其他科學家都忽略了一個關鍵要素。有了這個新的見解，我們明白了拼圖的各個部分是如何組合在一起的。換句話說，我相信我們發(fā)現(xiàn)了克里克在文章中提到的思想框架，這個框架不僅解釋了新皮質(zhì)工作的基本原理，而且提供了一種思考智能的新方法。我們還沒有形成一套完整的大腦理論，還有很長的路要走?？茖W領域通常是從一個理論框架開始，后來才會有針對細節(jié)的研究。也許最著名的例子便是達爾文的進化論。達爾文提出了一個關于物種起源的新思維方式，但其中的細節(jié)，如基因和DNA如何發(fā)揮作用，直到許多年后才為人所知。為了變得智能，大腦必須學習關于這個世界的許多東西。我指的不僅是我們在學校學習的東西，還包括基本的東西，比如日常物品的外觀、聲音和觸感。我們必須了解物品的表現(xiàn)方式，從門如何打開和關閉，到我們觸摸智能手機的屏幕時那些應用程序會做出什么反應。我們需要知道世界上所有東西的位置，從你把錢放在家里的哪個角落，到圖書館和郵局在鎮(zhèn)上的哪個位置。當然，我們還要學習更高層次的概念，如“同情”和“政府”這兩個概念的含義。除此以外，我們還學習了數(shù)以萬計的詞匯的含義。我們都擁有大量關于這個世界的知識。我們所擁有的一些基本技能是由基因決定的，如吃飯或?qū)μ弁吹谋灸芊磻?，但我們對這個世界的大部分認知都是后天習得的?？茖W家認為，大腦學習的是世界的模型?！澳Ｐ汀边@個詞意味著我們了解的所有知識不是以一堆事實的形式儲存起來的，而是以一種能夠體現(xiàn)世界和它所包含的一切這種結構組織起來的。例如，要知道什么是自行車，我們并不會記住關于自行車的一系列事實。相反，我們的大腦創(chuàng)建了一個自行車模型，其中包括自行車不同的部分，這些部分是如何排列的，以及不同的部分是如何移動和配合工作的。為了認出某樣東西，我們需要了解它的外觀和觸感；為了實現(xiàn)目標，我們需要了解世界上的事物在與我們互動時的典型表現(xiàn)。智能與大腦中的世界模型密切相關，因此，要了解大腦如何創(chuàng)造智能，我們必須弄清楚由簡單細胞組成的大腦是如何學習這個世界的模型和它所包含的一切事物的。2016年，我們的研究發(fā)現(xiàn)解釋了大腦如何學習這個模型。我們推斷，大腦新皮質(zhì)以一種叫作“參考系”的方式儲存了我們所知道的一切知識。我稍后會更全面地闡釋這一點，但現(xiàn)在，我用一張地圖來做類比。一張地圖便是一種模型：一個城鎮(zhèn)的地圖是這個城鎮(zhèn)的模型，而網(wǎng)格線（如經(jīng)緯線）便是一種參考系，它提供了地圖的結構。參考系告訴你事物之間的相對位置，以及如何實現(xiàn)目標，比如如何從一個地點到達另一個地點。我們發(fā)現(xiàn)，大腦中的世界模型也是基于地圖般的參考系建立的，不是一個參考系，而是數(shù)十萬個。事實上，我們現(xiàn)在了解到，大腦新皮質(zhì)中的大多數(shù)細胞都致力于創(chuàng)建和操控參考系，大腦利用這些參考系部署計劃，進行思考。有了這種新的見解，神經(jīng)科學領域的一些重大問題的答案便開始進入人們的視野。這些問題包括：我們的各種感覺信息是如何被整合進單一經(jīng)驗中的？當我們思考時大腦發(fā)生了什么？兩個人為什么會根據(jù)相同的觀察數(shù)據(jù)得出不同的觀點？為什么我們有自我意識？這本書講述了這些發(fā)現(xiàn)及其對人類未來的影響。大多數(shù)相關的研究論文已經(jīng)在科學期刊上發(fā)表。我在本書的“推薦閱讀”中提供了這些論文的出處。然而，科學論文并不適合闡釋宏大的理論，尤其是以非專業(yè)人士能夠理解的方式。我把這本書分為三個部分。在第一部分中，我描述了參考系理論，我們稱之為“千腦智能理論”。該理論部分基于邏輯推理，因此我將帶你了解我們通過哪些步驟得出了結論。我還會為你提供一些歷史背景知識，以幫助你了解該理論和此前與大腦有關的研究之間的關系。讀完第一部分，我希望你能理解在思考和行動時，你的大腦中發(fā)生了什么，以及智能意味著什么。本書的第二部分是關于機器智能的內(nèi)容。智能機器將改變21世紀，就像計算機改變了20世紀一樣。千腦智能理論解釋了為什么現(xiàn)在的人工智能還不智能，以及我們需要做什么來制造真正的智能機器。我描述了未來的智能機器將是什么樣子，以及我們將如何使用它們。我解釋了為什么有些機器將會具有意識，如果這些機器真的具有意識了，我們應該怎么做。許多人會擔心，智能機器的存在是一種風險，我們即將創(chuàng)造一種會毀滅人類的技術。我并不認同這種觀點。我們的研究發(fā)現(xiàn)足以說明機器智能就其本身而言，是良性的。但是，作為一項強大的技術，其風險在于人類將如何運用它。在本書的第三部分中，我從大腦和智能的角度來看待人類的狀況。大腦中的世界模型包括自我模型。這揭示了一個奇特的真相：你和我每時每刻所感知到的，都是一個模擬的世界，而不是真實的世界。千腦智能理論所闡釋的一個后果是，我們對世界的信念可能是錯誤的。我解釋了這種情況是如何發(fā)生的，為什么錯誤的信念難以消除，以及錯誤的信念與我們更原始的情感結合在一起后，會對我們的長期生存構成哪些威脅。我認為最后幾章所討論的內(nèi)容，是我們作為一個物種將面臨的最重要的選擇。我們可以通過兩種方式思考自己。第一種方式是從生物有機體的角度思考，因為人類是進化和自然選擇的產(chǎn)物。從這個角度來看，人類是由基因決定的，而生命的目的就是復制它們。第二種方式是從智能物種的角度思考，因為我們現(xiàn)在正從純粹的生物學的過去中脫離出來，已經(jīng)成為一個智能物種。我們是地球上第一個知道宇宙的大小和年齡的物種；我們是第一個知道地球如何演化以及我們?nèi)绾涡纬傻奈锓N；我們是第一個發(fā)明工具的物種，這些工具使我們能夠探索宇宙并了解其奧秘。從這個角度來看，人類是由智能和知識而非基因決定的。當我們思考未來時，面臨的選擇是，我們應該繼續(xù)受生物學意義上的過去所驅(qū)動，還是選擇擁抱新出現(xiàn)的智能。我們可能無法同時做到這兩點。人類正在創(chuàng)造強大的技術，這些技術可以從根本上改變地球，操縱生物，并很快創(chuàng)造出比人類更聰明的機器。但人類仍然擁有使人類走到這一步的原始行為。這種組合是我們必須解決的真正存在的風險。如果我們愿意接受人類是由智能和知識而非基因決定的這一點，那么也許，我們可以創(chuàng)造一個更持久、具有更崇高的目標的未來。千腦智能理論誕生的過程漫長而曲折。我在大學學習的是電子工程專業(yè)，在英特爾公司做第一份工作時，就讀到了克里克的論文。這篇論文對我產(chǎn)生了非常深刻的影響，促使我決定轉(zhuǎn)行，一生致力于研究大腦。我曾試圖在英特爾公司謀得一個研究大腦的職位，但失敗了。之后我申請成為麻省理工學院人工智能實驗室的博士研究生，因為我認為制造智能機器最好的方法是先從研究大腦開始。在麻省理工學院的面試中，我提出的以大腦理論為基礎創(chuàng)造智能機器的提議遭到拒絕。他們告訴我，大腦只是一個混亂的計算機，研究它沒有任何意義。我很沮喪，但沒有氣餒。接下來，我被加州大學伯克利分校的神經(jīng)科學博士研究生項目錄取，于1986年1月開始了我的研究。來到加州大學伯克利分校后，我向神經(jīng)生物學研究生組的系主任弗蘭克·韋伯林征求意見。他讓我寫一篇論文，描述我的博士論文研究課題。在這篇論文中，我論述說，我想研究有關新皮質(zhì)的理論。我想通過研究新皮質(zhì)如何進行預測來進一步探究這個問題。韋伯林教授讓幾位教員閱讀了我的論文，他們給出了比較積極的反饋。韋伯林教授告訴我，我的雄心壯志令人欽佩，我的研究方法也合理，我想研究的問題也是科學中最重要的問題之一（我并沒有看到這一點），但他不確定我當時如何能夠?qū)崿F(xiàn)這個夢想。作為神經(jīng)科學專業(yè)的一名研究生，我必須開展教授已經(jīng)在研究的工作，而在加州大學伯克利分校，或者任何其他地方，沒有人在做與我想做的事情相近的工作。人們會認為試圖發(fā)展出一套完整的關于大腦功能的理論過于雄心勃勃，因此風險太大。如果一個學生在這方面做了5年的研究而沒有取得進展，那他可能無法畢業(yè)。對教授來說，這樣做也有同樣的風險，他們可能無法獲得終身職位。為研究提供資金的機構也認為這么做風險太大了。專注于理論的研究提案通常會遭到否決。我本可以在一個實驗型實驗室工作，但參觀了幾個實驗室后，我發(fā)現(xiàn)這并不適合我。我的大部分時間都將花在訓練動物、制造實驗設備和收集數(shù)據(jù)上。我發(fā)現(xiàn)的任何理論都將局限于該實驗室研究的大腦部分。在接下來的2年時間里，我每天都在大學的圖書館里閱讀一篇又一篇的神經(jīng)科學論文。我讀了幾百篇，包括過去50年里發(fā)表的所有重要論文。我還讀了心理學家、語言學家、數(shù)學家和哲學家對大腦和智能的看法。我接受了一流的教育，盡管是非常規(guī)的教育。經(jīng)過2年的自學，我決定做出改變，我想到了一個新的計劃：我要再次返回工業(yè)界，工作4年時間，然后再重新考慮學術界的機會。于是，我又回到了硅谷，投身到個人計算機方面的工作。作為一個企業(yè)家，我開始小有成就。1988年至1992年，我創(chuàng)造了平板電腦GridPad，它屬于第一批平板電腦。1992年，我成立了Palm公司，之后在長達10年的時間內(nèi)，我設計了一些最早的掌上電腦和智能手機，如PalmPilot和Treo。在我公司工作的每個人都知道，我依然心系神經(jīng)科學，我認為我在移動計算方面的工作只是暫時的。設計第一批掌上電腦和智能手機是一件令人興奮的事。我知道數(shù)十億人最終都會依賴這些設備，但我覺得了解大腦更為重要。我相信相比于計算機技術，大腦理論將對人類的未來產(chǎn)生更為積極的影響。因此，我需要回到大腦研究中去。于是，我離開了我創(chuàng)立的公司。在一些神經(jīng)科學家朋友，特別是加州大學伯克利分校的羅伯特·奈特（RobertKnight）、加州大學戴維斯分校的布魯諾·奧斯豪森（BrunoOlshausen）和美國國家航空航天局艾姆斯研究中心（NASAAmesResearch）的史蒂夫·佐內(nèi)策（SteveZornetzer）的幫助和推動下，我在2002年創(chuàng)立了紅木神經(jīng)科學研究所。紅木神經(jīng)科學研究所擁有10位全職科學家，他們都專注于新皮質(zhì)理論研究。我們都對大腦的宏大理論研究感興趣，而紅木神經(jīng)科學研究所是世界上唯一一個不僅接納我們，而且對我們的研究工作心懷期待的地方。在我管理紅木神經(jīng)科學研究所的3年時間里，我們迎來了100多名訪問學者，其中一些人在這里只待了幾天或幾周。我們每周都會有講座，且對公眾開放，這些講座通常都會變成持續(xù)幾個小時的討論和辯論。在紅木神經(jīng)科學研究所工作的所有人，包括我在內(nèi)，都認為這很好。我認識了許多世界頂級的神經(jīng)科學家，與他們共度了一段美好時光。我也因此掌握了神經(jīng)科學多個領域的知識，而一般的學術職位很難提供這樣的便利。問題是，我想知道一系列具體問題的答案，而我并沒有看到研究團隊在這些問題上達成共識。各個科學家都滿足于做他們自己的事情。因此，在管理紅木神經(jīng)科學研究所3年后，我認為實現(xiàn)我的目標的最佳方式就是領導我自己的研究團隊。紅木神經(jīng)科學研究所在其他方面都做得很好，所以我們決定把它搬到加州大學伯克利分校。沒錯，這個當初不支持我研究大腦理論的地方，在19年后，認為成立一個大腦理論研究中心正是他們所需要的。紅木神經(jīng)科學研究所更名為紅木理論神經(jīng)科學中心（RedwoodCenterforTheoreticalNeuroscience），現(xiàn)在依然在發(fā)展。紅木神經(jīng)科學研究所搬到加州大學伯克利分校后，我和幾個同事創(chuàng)立了Numenta公司，一家獨立的研究公司。我們的主要目標是提出一套關于新皮質(zhì)如何工作的理論，次要目標是將我們所學到的關于大腦的知識應用于機器學習和機器智能。Numenta公司與大學里典型的研究實驗室類似，但靈活性更大。它使我能夠指導一個團隊，確保我們都專注于同一任務，并根據(jù)需要經(jīng)常嘗試新的想法。在我寫這本書的時候，Numenta已經(jīng)有超過15年的歷史了，然而在某些方面，Numenta仍然像一個初創(chuàng)公司。試圖弄清新皮質(zhì)的工作方式是極具挑戰(zhàn)性的。為了取得進展，我們不僅需要保證初創(chuàng)環(huán)境的靈活性和專注性，還需要傾注大量的耐心，這在初創(chuàng)企業(yè)中并不常見。2010年，即公司創(chuàng)立5年后，我們?nèi)〉昧说谝粋€重大發(fā)現(xiàn)：神經(jīng)元如何進行預測。新皮質(zhì)中的地圖狀參考系的發(fā)現(xiàn)發(fā)生在2016年。2019年，我們著手進行次級任務，將大腦原理應用于機器學習。那一年我開始寫這本書，分享我們所學到的東西。我發(fā)現(xiàn)，宇宙中唯一知道宇宙存在的東西竟是漂浮在我們腦海中重量不足1.4千克的細胞團，這實在太令人驚訝了。這讓我想起了一個古老的疑問：如果一棵樹在森林中倒下了，而并沒有人聽到它倒下的聲音，那這棵樹倒下時有沒有發(fā)出聲音呢？同樣，我們可以提出疑問：如果宇宙的出現(xiàn)和消失，沒有大腦知道，那么宇宙真的存在嗎？誰知道呢？存在于你頭骨中的幾十億個細胞不僅知道宇宙的存在，而且知道它是遼闊而古老的。這些細胞已經(jīng)掌握了一個“世界模型”，據(jù)我們所知，這些知識在其他任何地方都不存在。我一生都在努力了解大腦是如何做到這一點的，我對我們所學到的東西感到興奮，我希望你也會感到興奮。讓我們開始吧。第1章新舊大腦的爭斗要了解大腦如何創(chuàng)造智能，我們首先需要了解一些基本知識。在達爾文就進化論發(fā)表論文之后不久，生物學家意識到，人類的大腦本身已經(jīng)隨著時間的推移進化了，其進化史一目了然。與經(jīng)常隨著新物種的出現(xiàn)而消亡的物種不同，大腦的進化是在舊的部分上增加新的部分。例如，一些最古老和最簡單的神經(jīng)系統(tǒng)是沿著小蠕蟲的背部運行的一組神經(jīng)元。這些神經(jīng)元是脊髓的前身，它們使蠕蟲能夠簡單地運動，同樣也負責人體的許多基本運動。接下來出現(xiàn)的是位于蠕蟲身體一端的一組神經(jīng)元，它們控制著消化和呼吸等功能。這組神經(jīng)元是腦干的前身，它們同樣控制著人類的消化和呼吸功能。腦干擴展了已經(jīng)存在的部分，但并沒有取而代之。隨著時間的推移，大腦通過在舊部分的基礎上進化出新的部分，逐漸具備了操縱越來越復雜的行為的能力。這種通過增加新的部分來實現(xiàn)增長的方法適用于大多數(shù)復雜動物的大腦。這就很容易看出舊腦部分為何依然存在了。無論我們多么機智和精明，呼吸、飲食、性和反射反應仍然對我們的生存至關重要。新皮質(zhì)與舊腦人類大腦最新的部分是新皮質(zhì)，意思是“新的外層”。所有哺乳動物都有新皮質(zhì)，而且只有哺乳動物才有新皮質(zhì)。人腦的新皮質(zhì)特別大，約占大腦體積的70%。如果你能把新皮質(zhì)從你的大腦中揭下并鋪平，那么它約有一張桌布那么大，厚度則約是桌布的兩倍（約2.5毫米）。它包裹著舊腦部分，所以當你看一個人的大腦時，你看到的大部分是新皮質(zhì)（有其特有的褶皺），只有小部分是舊腦，脊髓則從底部延伸出來（見圖1-1）。圖1-1人類大腦新皮質(zhì)是智能的器官。幾乎所有我們認為是智能的能力，如視覺、語言、音樂、數(shù)學、科學和工程，都是由新皮質(zhì)創(chuàng)造的。當我們思考問題時，主要是新皮質(zhì)在思考。你的新皮質(zhì)正在閱讀這本書，而我的新皮質(zhì)正在寫這本書。如果我們想了解智能，那么就必須了解新皮質(zhì)做了什么以及是如何做的。非哺乳動物不需要新皮質(zhì)去應對復雜的生活。鱷魚的大腦與人類大腦相當，但沒有足夠復雜的新皮質(zhì)。鱷魚也會表現(xiàn)出復雜的行為，如照顧它的孩子，并且知道如何巡視其周圍環(huán)境。大多數(shù)人都會說鱷魚具有某種程度的智能，但與人類所具有的智能仍相去甚遠。新皮質(zhì)和舊腦通過神經(jīng)纖維相連，因此，我們不能把它們看作完全孤立的器官。它們更像是室友，各自有不同的日程安排，個性也有差異，但需要合作才能完成所有事情。新皮質(zhì)處于一個絕對不平等的地位，因為它不直接控制行為。與大腦的其他部分不同，新皮質(zhì)中沒有一個細胞直接與肌肉相連，所以它自身不能使任何肌肉動起來。當新皮質(zhì)想做什么時，它會向舊腦發(fā)出一個信號，在某種意義上要求舊腦聽從它的命令。例如，呼吸是腦干控制的功能，不需要大腦思考或來自新皮質(zhì)的信息輸入。新皮質(zhì)可以暫時控制呼吸，比如當你有意識地決定屏住呼吸時，如果腦干檢測到你的身體需要更多的氧氣，它就會忽略新皮質(zhì)的命令，重新控制身體。同樣，新皮質(zhì)可能會認為：“不要吃這塊蛋糕，這不健康。”但如果大腦中較老、較原始的部分說：“這塊蛋糕看起來不錯，聞起來也很香，吃吧?！蹦憔秃茈y抗拒蛋糕的誘惑。這種新舊大腦之間的爭斗是本書的一個基本主題。當我們討論人類面臨的生存風險時，對這個主題的探究就至關重要。舊腦包含幾十個獨立的器官，每個器官都有特定的功能。從視覺上看，它們是彼此分離的，它們的形狀、大小和連接反映了它們所發(fā)揮的作用，例如，杏仁核中有數(shù)個豌豆大小的器官。杏仁核是大腦中一個較老的部分，負責不同類型的攻擊行為，如有預謀的攻擊和沖動性攻擊。新皮質(zhì)卻完全不同。雖然它約占據(jù)了大腦體積的70%，并負責無數(shù)的認知功能，但它看上去并沒有明顯的分界線。褶皺和皮褶是為了使新皮質(zhì)嵌入頭骨，與你看到的將桌布紙塞入大酒杯的情況類似。如果你忽略這些褶皺和皮褶，那么新皮質(zhì)看起來就像一大片細胞，并沒有明顯的分界線。盡管如此，新皮質(zhì)仍被劃分為幾十個區(qū)域，這些區(qū)域被稱作腦區(qū)，每個腦區(qū)執(zhí)行不同的功能，有些負責視覺，有些負責聽覺，有些負責觸覺，還有一些負責語言和計劃等。當新皮質(zhì)受損時，出現(xiàn)的缺陷取決于受損的是新皮質(zhì)的哪個部位。例如，后腦勺的損傷會導致失明，而左側大腦的損傷可能會導致喪失語言能力。新皮質(zhì)的各個區(qū)域通過神經(jīng)纖維束相互連接，這些神經(jīng)纖維在新皮質(zhì)下延伸，新皮質(zhì)下的部位即所謂的大腦白質(zhì)。通過仔細追蹤這些神經(jīng)纖維，科學家可以確定這些區(qū)域的數(shù)量以及它們是如何連接的。研究人類的大腦很困難，所以人類通過這種方式分析的第一個復雜哺乳動物是獼猴。1991年，兩位科學家丹尼爾·費勒曼（DanielFelleman）和戴維·范·埃森（DavidVanEssen）將幾十項獨立研究的數(shù)據(jù)結合起來，繪制了著名的獼猴大腦新皮質(zhì)圖。圖1-2是他們繪制的圖片之一。人類的大腦新皮質(zhì)圖在細節(jié)上會有所不同，但在整體結構上與之相似。圖1-2新皮質(zhì)中的連接這幅圖中的幾十個小矩形代表了新皮質(zhì)的不同區(qū)域，線條代表了信息如何通過白質(zhì)從一個區(qū)域流向另一個區(qū)域。對這幅圖的一個常見解釋是，新皮質(zhì)是有層次的，就像一張流程圖。來自感官的輸入從底部進入（在此圖中，來自觸覺的輸入在左邊，來自視覺的輸入在右邊）。輸入會經(jīng)過一系列步驟的處理，每個步驟都從輸入中提取更多更復雜的特征。例如，從眼睛獲得輸入的第一個區(qū)域可能會檢測到簡單的圖案，如線條或邊緣。這一輸入被傳遞到下一個區(qū)域，該區(qū)域可能會檢測到更復雜的特征，如邊角或形狀。這個過程會一直持續(xù)到某一腦區(qū)檢測到完整的物體。有很多證據(jù)支持流程圖這一解釋。例如，當科學家觀察層次結構底部區(qū)域的細胞時，他們發(fā)現(xiàn)這些細胞對簡單的特征做出反應，而下一個區(qū)域的細胞則對更復雜的特征做出反應。而有時他們發(fā)現(xiàn)在更高級的區(qū)域的一些細胞會對完整的物體做出反應。然而，也有很多證據(jù)表明，新皮質(zhì)并不像一個流程圖。正如你在圖中看到的，這些區(qū)域并不像流程圖中的那樣一個一個地排列起來。每個層次都有多個區(qū)域，而且大多數(shù)區(qū)域都與整個結構的多個層次相連。事實上，大部分區(qū)域之間的連接根本不適合這種分層方式。此外，每個區(qū)域中只有一些細胞表現(xiàn)得像特征檢測器一樣?？茖W家還不能確定每個區(qū)域中的大多數(shù)細胞在做什么。這給我們留下了一個難題。作為智能的器官，新皮質(zhì)被分成了幾十個區(qū)域，這些區(qū)域做著不同的事情，但從表面上看又都一樣。這些區(qū)域以一種復雜的方式連接在一起，有點兒像流程圖，但大多不是。目前我們還不清楚為什么這個智能器官看起來是這樣的。接下來就是觀察新皮質(zhì)的內(nèi)部，看看這2.5毫米厚的新皮質(zhì)內(nèi)部的詳細回路。你可能會想，即使新皮質(zhì)的不同區(qū)域表面上看起來一樣，創(chuàng)造視覺、觸覺和語言的詳細神經(jīng)回路從內(nèi)部看起來或許是不同的吧。但事實并非如此。第一個觀察新皮質(zhì)內(nèi)部詳細回路的人是西班牙神經(jīng)學家拉蒙-卡哈爾（SantiagoRamónyCajal）。19世紀末，人們發(fā)現(xiàn)了染色技術，能夠用顯微鏡看到大腦中的單個神經(jīng)元?？ü柪眠@些染色技術為大腦的各個部分繪制圖片。他繪制了數(shù)以千計的圖片，第一次在細胞層面上顯示了大腦的樣子。卡哈爾繪制的所有美麗而復雜的大腦圖片都是手繪的。他最終因此獲得了諾貝爾獎。圖1-3是卡哈爾繪制的兩幅新皮質(zhì)圖，左圖只顯示神經(jīng)元中的細胞主體，右圖還顯示了細胞之間的連接。這些圖片顯示了2.5毫米厚的新皮質(zhì)中的一片。圖1-3新皮質(zhì)中的神經(jīng)元用于繪制這些圖片的染色劑只給一小部分細胞著色。這是件好事，因為如果每個細胞都被染上了色，那么我們看到的將是一片黑色。請記住，神經(jīng)元的實際數(shù)量要比你在圖片中看到的多得多?？ü柕热说玫降牡谝粋€發(fā)現(xiàn)是，新皮質(zhì)中的神經(jīng)元似乎是分層排列的。這些層與新皮質(zhì)的表層平行（圖中是水平的），這是由神經(jīng)元的大小和密集程度的差異造成的。想象一下，你有一個玻璃管，向其中倒入一些豌豆、扁豆和大豆。從側面看這個管子，你會看到3層。你可以從上面的圖片中看到層次。有多少層取決于誰在進行計數(shù)，以及他們用來區(qū)分層次的標準。卡哈爾看到了6層。一個簡單的解釋是，每一層神經(jīng)元都在做著不同的事情?，F(xiàn)在我們知道，在新皮質(zhì)中有幾十種不同類型的神經(jīng)元，而不是6種，但科學家仍然使用6層結構的理論。例如，一種類型的細胞可能出現(xiàn)在第3層，另一種則出現(xiàn)在第5層。第1層位于新皮質(zhì)的最外層，最靠近頭骨，位于卡哈爾所繪制圖片的頂部。第6層最接近大腦的中心，離頭骨最遠。重要的是要記住，這些層只是粗略地說明在哪里可以找到特定類型的神經(jīng)元。更重要的是神經(jīng)元連接的是什么，以及它的工作方式。如果你根據(jù)神經(jīng)元的連接性進行分類，會得到幾十種類型。從這些圖片中得到的第二個發(fā)現(xiàn)是，神經(jīng)元之間的連接大多是在各層之間垂直進行的。神經(jīng)元擁有名為軸突和樹突的樹狀附屬物，這些附屬物使神經(jīng)元之間能夠相互發(fā)送信息?？ü柊l(fā)現(xiàn)，大多數(shù)軸突在層與層之間運行，垂直于新皮質(zhì)的表層（圖1-3中的上下兩層）。有些層的神經(jīng)元之間是長距離的水平連接，但大多數(shù)連接是垂直的。這意味著到達新皮質(zhì)某個區(qū)域的信息在被送往其他區(qū)域之前，主要在各層之間上下移動。關于新皮質(zhì)的3個發(fā)現(xiàn)自卡哈爾首次使大腦成像以來，數(shù)以百計的科學家研究了新皮質(zhì)，從而盡可能多地探究其中的神經(jīng)元和回路的細節(jié)。關于這一主題的科學論文有數(shù)千篇，遠不是我能概括的。在此，我想重點闡述其中3個一般性的發(fā)現(xiàn)。新皮質(zhì)的局部回路很復雜在1平方毫米的新皮質(zhì)（體積約2.5立方毫米）中，大約有10萬個神經(jīng)元，5億個神經(jīng)元之間的連接（稱為突觸），以及幾千米長的軸突和樹突。想象一下，沿著一條路鋪設幾千米長的電線，然后把它壓成2立方毫米，大約是一粒米的大小。每平方毫米下都有幾十種不同類型的神經(jīng)元。每種類型的神經(jīng)元都與其他類型的神經(jīng)元進行連接?？茖W家通常將新皮質(zhì)區(qū)的作用描述為執(zhí)行一種簡單的功能，如檢測特征。然而，檢測特征只需要少量的神經(jīng)元。在新皮質(zhì)中隨處可見的精確且極其復雜的神經(jīng)回路告訴我們，每個區(qū)域都在做著比特征檢測復雜得多的事情。所有新皮質(zhì)看起來都很相似新皮質(zhì)的復雜回路在視覺區(qū)、語言區(qū)和觸覺區(qū)中看起來非常相似。甚至老鼠、貓和人類等不同物種的新皮質(zhì)的復雜回路看起來都很相似。但也有不同之處，例如新皮質(zhì)中的一些區(qū)域有更多的某些細胞，而另一些細胞則較少，還有一些區(qū)域有一種其他區(qū)域沒有的額外的細胞類型。據(jù)推測，無論新皮質(zhì)的這些區(qū)域在做什么，都會從這些差異中受益。但總的來說，與相似性相比，各區(qū)域之間的差異性相對較小。新皮質(zhì)中的每個部分都產(chǎn)生運動長期以來，人們認為信息是通過感覺區(qū)進入新皮質(zhì)，在不同區(qū)域的層次結構中上上下下，最后到達運動區(qū)。運動區(qū)的細胞投射到脊髓中的神經(jīng)元，使肌肉和肢體產(chǎn)生運動?，F(xiàn)在，我們知道這種觀點具有誤導性?？茖W家在他們所檢查的每一個區(qū)域，都發(fā)現(xiàn)了投射到舊腦中與運動有關的某些部分的細胞。例如，從眼睛獲得信息的視覺區(qū)將信號投射到舊腦中負責移動眼睛的部分。同樣，從耳朵獲得信息的聽覺區(qū)也能將信號投射到舊腦中負責移動頭部的部分。移動頭部會改變你聽到的東西，類似于移動眼睛會改變你看到的東西?，F(xiàn)有的證據(jù)表明，在新皮質(zhì)中隨處可見的復雜回路執(zhí)行著感覺-運動任務。沒有純粹的運動區(qū)，也沒有純粹的感覺區(qū)?？傊?，新皮質(zhì)是智能的器官。它是一張桌布大小的神經(jīng)組織，分為幾十個區(qū)域。有些區(qū)域負責視覺、聽覺、觸覺和語言，還有一些不容易被標簽化的區(qū)域，負責更高層面的思考和計劃。這些區(qū)域通過神經(jīng)纖維束相互連接。區(qū)域之間的連接有些是分層次的，這表明信息像流程圖一樣從一個區(qū)域有序地流向另一個區(qū)域。但其他一些連接似乎沒有什么秩序，這表明信息一下子就流遍了所有區(qū)域。無論它執(zhí)行什么功能，在細節(jié)上都與其他區(qū)域相似。我們將在第2章中介紹第一個真正理解這些研究發(fā)現(xiàn)的人?，F(xiàn)在是一個很好的時機，我可以就本書的寫作風格說幾句。本書是為那些對智能充滿好奇心的非專業(yè)讀者而寫的。我的目標是向你傳達你需要知道的一切，幫助你了解這一新理論，但我不會深入闡述。我猜想大多數(shù)讀者之前對神經(jīng)科學的了解并不多。不過，如果你具有神經(jīng)科學方面的知識背景，就會知道我在哪里省略了一些細節(jié)并簡化了復雜的主題。如果你屬于這種情況，我希望你能理解。本書結尾有一個帶注釋的閱讀清單，我在那里說明了在哪里可以找到更詳細的內(nèi)容，以供有興趣的讀者參考。第2章新皮質(zhì)的智能算法智能的多樣性基于一種基本的算法《正念之腦》（TheMindfulBrain）是一本小書，只有100頁。這本書于1978年出版，包含了兩位杰出的科學家關于大腦的兩篇文章。其中一篇是由約翰斯·霍普金斯大學的神經(jīng)科學家弗農(nóng)·芒卡斯爾（VernonMountcastle）所寫，至今仍是腦科學領域最具代表性和最重要的專題文章之一。芒卡斯爾提出了一種關于大腦的優(yōu)雅的思維方式，這種思維方式是許多著名理論的標志性特征，但也很令人驚訝，至今它還在使神經(jīng)科學界出現(xiàn)兩極化傾向。我第一次讀《正念之腦》是在1982年。芒卡斯爾的文章對我產(chǎn)生了直接且深刻的影響，正如你將看到的，他的觀點深刻影響了我在本書中提出的理論。芒卡斯爾的論述精確而博學，但也晦澀難懂。他寫的那篇文章的標題并非朗朗上口：《大腦功能的組織原則：單元模塊和分布式系統(tǒng)》（AnOrganizingPrincipleforCerebralFunction:TheUnitModuleandtheDistributedSystem）。文章開頭的幾句話很難理解，我在這里把它列出來，以便你能感受到他的文章風格。毫無疑問，19世紀中期，達爾文的進化論對神經(jīng)系統(tǒng)的結構和功能的概念產(chǎn)生了重大影響。斯賓塞、杰克遜和謝靈頓，以及許多他們的追隨者的思想都植根于進化論，即大腦在系統(tǒng)發(fā)育過程中是通過不斷增加頂端部分來發(fā)展的。根據(jù)這一理論，每一次新的增加或擴大都伴隨著更復雜的行為的發(fā)展，同時，對更靠近尾部和更原始的部分，以及它們所控制的更原始的行為施加一個規(guī)則。芒卡斯爾在這開頭的三句話中說的是，大腦在進化過程中通過在舊腦部分上增加新腦部分而變大。舊腦部分控制著更原始的行為，而新腦部分則創(chuàng)造出更復雜的行為。這一點聽起來應該很熟悉了，因為我在第1章中已闡述了這個觀點。然而，芒卡斯爾接著說，雖然大腦的大部分都是通過在舊腦部分上增加新腦部分而變大的，但這并不是新皮質(zhì)占據(jù)人類大腦體積約70%的原因。新皮質(zhì)變大是通過對同一事物（一個基本回路）進行多次復制而實現(xiàn)的。想象一下，我們正在觀看人類大腦進化的一個視頻：大腦一開始是很小的，然后在大腦的一端出現(xiàn)了一塊新的東西，接著另一塊新的東西出現(xiàn)并疊加在了上面，這個過程不斷持續(xù)下去。在幾百萬年前的某個時刻，出現(xiàn)了一個新的部分，我們現(xiàn)在稱之為新皮質(zhì)。新皮質(zhì)開始時很小，但后來越變越大，不是通過產(chǎn)生任何新的部分，而是通過反復復制一個基本回路實現(xiàn)的。隨著新皮質(zhì)的不斷進化，它的面積越變越大，但厚度卻沒有增加。芒卡斯爾認為，雖然人類大腦的新皮質(zhì)比老鼠或狗的新皮質(zhì)大得多，但其實它們都是由相同的元素組成的，人類大腦的新皮質(zhì)只是包含更多的這一元素而已。芒卡斯爾的文章讓我想起了達爾文的《物種起源》一書。達爾文很擔心他的進化論會引發(fā)一場騷動。因此，他在那本書中介紹了大量關于動物界變異的相對無趣的內(nèi)容，直到最后才描述他的理論。即使如此，他也從未明確表明進化論適用于人類。讀芒卡斯爾的文章時，我有一種類似的感覺，覺得芒卡斯爾也擔心他的觀點會遭到人們的口誅筆伐，所以在下筆時小心翼翼、深思熟慮。以下是芒卡斯爾文章中的第二段話：簡而言之，運動皮質(zhì)不存在任何內(nèi)在的運動，感覺皮質(zhì)也不存在任何內(nèi)在的感覺。因此，闡明新皮質(zhì)中任何一個區(qū)域的局部模塊回路的工作模式都具有重要的普遍意義。在這兩句話中，芒卡斯爾總結了他文章中提出的主要觀點。他認為，新皮質(zhì)的每一部分都是基于同一原則工作的。從視覺、觸覺、語言到高級思維，所有我們認為是智能的東西，從根本上來說都是一樣的?；仡櫼幌虑懊嬷v到的內(nèi)容，新皮質(zhì)被劃分為幾十個區(qū)域，每個區(qū)域執(zhí)行不同的功能。如果你從外部觀察新皮質(zhì)，你是看不到這些區(qū)域的，各區(qū)域之間沒有分界線，就像衛(wèi)星圖像不會顯示國家之間的政治邊界一樣。如果你切開新皮質(zhì)，就會看到一個復雜而詳細的內(nèi)部構造。然而，無論你切開的是新皮質(zhì)的哪個區(qū)域，其構造細節(jié)看起來都差不多。一片負責視覺的皮質(zhì)看起來就像一片負責觸覺的皮質(zhì)，而后者看起來就像一片負責語言的皮質(zhì)。芒卡斯爾指出，這些區(qū)域之所以看起來相似，是因為它們都在做著同樣的事情。使這些區(qū)域有所區(qū)別的不是它們的內(nèi)在功能，而是它們所連接的東西。如果你將一個皮質(zhì)區(qū)與眼睛相連，就得到了視覺；如果你將同一皮質(zhì)區(qū)與耳朵相連，就得到了聽覺；如果你將兩個不同的皮質(zhì)區(qū)相連，你就得到了高級思維，如語言。然后芒卡斯爾指出，如果我們能發(fā)現(xiàn)新皮質(zhì)所有部分的基本功能，就能理解整個新皮質(zhì)的工作方式。芒卡斯爾的想法與達爾文的進化論一樣令人驚訝和深刻。達爾文提出了一種機制，或者說是一種算法，來解釋生命不可思議的多樣性。許多表面上看起來不同的動物和植物，許多類型的生物，實際上都是同一個基本進化算法的表現(xiàn)。相應地，芒卡斯爾提出，所有我們認為與智能有關的東西，表面上看起來是不同的，實際上都是同一個基本的皮質(zhì)算法的表現(xiàn)。我希望你能理解芒卡斯爾的提議是多么出人意料和具有革命性。達爾文提出，生命的多樣性是基于一種基本算法。芒卡斯爾提出，智能的多樣性也是基于一種基本算法。負責感知與智能的皮質(zhì)柱和許多具有歷史性意義的事情一樣，人們對于芒卡斯爾是不是第一個提出這一觀點的人，存在一些爭議。根據(jù)我個人的經(jīng)驗，每個觀點多少都會借鑒一些先例。但據(jù)我所知，芒卡斯爾是第一個明確并細致地闡述通用皮質(zhì)算法的人。有意思的一點是，芒卡斯爾和達爾文的觀點存在一個有趣的不同之處。達爾文知道算法是什么：進化以隨機變異和自然選擇為基礎。但達爾文并不知道這個算法位于身體的什么位置，直到多年后，人類發(fā)現(xiàn)了DNA。相比之下，芒卡斯爾不知道新皮質(zhì)的算法是什么，也不知道智能的原理是什么，但他知道這種算法在大腦中的具體位置。那么，關于皮質(zhì)算法的位置，芒卡斯爾的觀點是什么呢？他認為，新皮質(zhì)的基本單位，即智能的單位，是“皮質(zhì)柱”。通過觀察新皮質(zhì)的表面，可以發(fā)現(xiàn)一根皮質(zhì)柱大約占據(jù)了1平方毫米。皮質(zhì)柱沿著整個2.5毫米厚的新皮質(zhì)向下延伸，其體積可以達到2.5立方毫米。根據(jù)這一定義，人類大腦的新皮質(zhì)中大約有15萬根皮質(zhì)柱并排堆疊在一起。你可以把一根皮質(zhì)柱想象成一小根細長的意大利面，那么人類大腦的新皮質(zhì)就像15萬根細長的意大利面，彼此垂直堆疊在一起。皮質(zhì)柱的寬度會因物種和腦區(qū)的不同而有所差異。例如，在小鼠和大鼠身上，每根胡須會有一根對應的皮質(zhì)柱，這些皮質(zhì)柱的直徑約為0.5毫米。在貓身上，視覺皮質(zhì)柱的直徑約為1毫米。但我們尚未掌握足夠多的數(shù)據(jù)，證實人腦中皮質(zhì)柱的大小。為了簡單起見，我暫且認為每根皮質(zhì)柱大約占據(jù)1平方毫米，以及我們每個人的大腦中大約有15萬根皮質(zhì)柱。盡管實際數(shù)字很可能與此不同，但這并不影響我們接下來要討論的主題。皮質(zhì)柱在顯微鏡下是不可見的。除了少數(shù)例外，每根皮質(zhì)柱之間并沒有明顯的界限?？茖W家之所以知道這些界限的存在，是因為同一皮質(zhì)柱中的所有細胞都會對視網(wǎng)膜的同一個部分或皮膚的同一片區(qū)域做出反應，而與之相鄰的其他皮質(zhì)柱則會對其他部分或區(qū)域做出反應。正是這組反應定義了一根皮質(zhì)柱。這種現(xiàn)象在新皮質(zhì)中隨處可見。芒卡斯爾指出，每根皮質(zhì)柱可以被進一步分成幾百個“迷你皮質(zhì)柱”。如果一根皮質(zhì)柱是一根細長的意大利面，那么你可以把迷你皮質(zhì)柱想象成更細的一縷，就像人的一根根頭發(fā)，在一根意大利面大小的區(qū)域里并排堆疊。每個迷你皮質(zhì)柱包含100多個橫跨各層的神經(jīng)元。與較大的皮質(zhì)柱不同，迷你皮質(zhì)柱在物理形態(tài)上是清晰可見的，通?？梢杂蔑@微鏡看到。芒卡斯爾并不清楚皮質(zhì)柱和迷你皮質(zhì)柱的具體功能到底是什么。他只是指出，每根皮質(zhì)柱都在做著同樣的事情，而迷你皮質(zhì)柱是其中一個重要的組成部分。讓我們來回顧一下。新皮質(zhì)是一片神經(jīng)組織，大約有一張桌布那么大。它被劃分為幾十個區(qū)域，每個區(qū)域分別做著不同的事情。每個區(qū)域又被分為成千上萬根皮質(zhì)柱。每根皮質(zhì)柱由幾百個發(fā)絲狀的迷你皮質(zhì)柱組成，每個迷你皮質(zhì)柱由一百多個細胞組成。芒卡斯爾提出，在整個新皮質(zhì)中，皮質(zhì)柱和迷你皮質(zhì)柱具有相同的功能：執(zhí)行一套基本算法，負責感知和智能的各個方面。芒卡斯爾關于通用算法的觀點基于以下幾點證據(jù)。第一，正如我已經(jīng)提到的，在新皮質(zhì)中隨處可見的回路非常相似。如果我給你看兩塊回路設計幾乎相同的硅芯片，我們就能基本確定這兩塊芯片具有幾乎相同的功能。這也同樣適用于新皮質(zhì)中的回路。第二，相對于人類祖先而言，現(xiàn)代人的新皮質(zhì)擴張在進化過程中發(fā)生得更快，只有短短幾百萬年的時間。這段時間可能不足以使事物進化出多種新的復雜能力，但足夠進化出更多相同的副本。第三，新皮質(zhì)各區(qū)域的功能并非一成不變。例如，在患有先天性失明的人群中，新皮質(zhì)的視覺區(qū)并不能通過眼睛獲得有用的信息，轉(zhuǎn)而承擔一些與聽覺或觸覺有關的角色。第四，新皮質(zhì)具有極度靈活的功能。人類可以做的許多事情都不存在進化壓力。例如，人類的大腦并沒有進化出為計算機編程或制作冰激凌的功能，這兩件事都是最近的創(chuàng)舉。我們能做這些事情，說明大腦依靠的是一種通用的學習方法。對我來說，最后一個論點最具說服力。大腦能夠?qū)W習幾乎任何事情，這就要求它遵循一個普適的智能原理。事實上，還有更多的證據(jù)可以支持芒卡斯爾的觀點。盡管如此，他的想法在剛提出時還是引起了諸多爭議，即使到今天爭議仍然存在?？赡艿脑蛭艺J為有兩個。一是芒卡斯爾并不知道皮質(zhì)柱的功能。在大量旁證基礎上，他提出了一個令人驚訝的觀點，但并沒有指出皮質(zhì)柱如何能真正做到所有與智能相關的事情。二是他的觀點對一些人來說是很不可信的。例如，你可能難以接受“視覺和語言在本質(zhì)上是相同的”這一觀點，畢竟兩者感覺起來并不一樣。鑒于上述不確定性，一些科學家指出，新皮質(zhì)不同區(qū)域之間存在差異，以此否定芒卡斯爾的觀點。雖然與相似之處相比，這些差異相對較小，但如果你仔細研究這些差異，就可以論證得出，新皮質(zhì)的不同區(qū)域之間是存在差異的。芒卡斯爾的觀點在神經(jīng)科學領域就像圣杯一樣閃耀著。無論研究哪種動物或大腦的哪一部分，無論公開還是私下，幾乎所有神經(jīng)科學家都想了解大腦是如何工作的，而這便要求了解新皮質(zhì)是如何工作的，這樣一來，了解皮質(zhì)柱的作用就成了重中之重。這就是說，無論我們是想了解大腦還是了解智能，歸根結底是要弄清楚皮質(zhì)柱的功能以及它是如何實現(xiàn)這一功能的。雖然皮質(zhì)柱不是大腦的唯一奧秘，也不是與新皮質(zhì)有關的唯一奧秘，但了解皮質(zhì)柱是迄今為止破解大腦奧秘最重要的一環(huán)。2005年，我應邀在約翰斯·霍普金斯大學就我們的研究做了一次演講。我講述了我們探究大腦新皮質(zhì)的經(jīng)歷，我們是如何處理這個問題的，以及我們?nèi)〉玫倪M展。做完這類演講后，演講者往往會與研究人員面對面交談。我此行最后一個要見的人是芒卡斯爾和他的系主任。我很榮幸能夠見到這位在我一生中為我提供了如此多見解和靈感的人，芒卡斯爾也聽了我的演講。交談過程中，芒卡斯爾認為我應該到約翰斯·霍普金斯大學工作，他將為我安排一個職位。我沒想到他會對我拋出橄欖枝，這對我來說不同尋常，但我的家人和事業(yè)都在加利福尼亞州，我不可能做出這樣的決定。但當我回憶起1986年，研究新皮質(zhì)的提議被加州大學伯克利分校拒絕這件事時，我又在想，如果當初我接受了他的提議，那又會怎樣呢？離開之前，我請芒卡斯爾在我那本爛熟于心的《正念之腦》上簽名。離開時，我既感到開心，又有一絲傷感。開心是因為我遇到這樣一位充分認可我的研究的人；傷感則是因為我可能很難再見到他了，即使我的研究成功了，可能我也無法與他分享我所學到的東西了，更無法得到他的幫助和反饋。懷著這種心情，我坐進了出租車，并下定決心一定要完成這份使命。第3章大腦中的世界模型大腦的作用對你來說可能是顯而易見的。大腦通過感官獲得信息輸入，接著將這些輸入進行處理，最后采取行動。動物如何對它所感受到的事物做出反應決定了大腦工作的成效。從感覺輸入到采取行動的這種直接映射，只適用于大腦的某些區(qū)域。例如，手臂意外地觸碰到一個燙的物體，便會迅速反射性縮回，負責這個輸入-輸出的回路位于脊髓中。但新皮質(zhì)呢？我們能說新皮質(zhì)的任務是接受來自感官的輸入，然后立即采取行動嗎？簡單來說，不能。讀這本書時，除了翻動書頁或觸摸屏幕外，它并沒有引起任何直接的行動。成千上萬的文字流入你的新皮質(zhì)中，在大多數(shù)情況下，你并沒有受這些文字信息的影響而立即采取行動。也許將來你會因為讀了這本書而有不同的行為，例如，某天你會與別人談論關于大腦的理論或人類的未來，如果沒有讀這本書，你就不會有這種對話；也許你未來的某些想法和話語中的某些用詞會受到我寫的這些文字的微妙影響；也許你會基于大腦原理創(chuàng)造智能機器，而我的話會激發(fā)你朝這個方向前進……但現(xiàn)在，你只是在閱讀。如果我們堅持把新皮質(zhì)描述為一個輸入-輸出系統(tǒng)，那么最好的解釋是，新皮質(zhì)獲得大量的輸入，它從這些信息中學習，然后，在以后的某個時間點，也許是幾小時后，也許是幾年后，它會根據(jù)這些先前的輸入采取不同的行動。從我對大腦的工作方式感興趣的那一刻起，我就意識到，把新皮質(zhì)設想成一個由輸入引向輸出的系統(tǒng)也是徒勞無益的。幸好，當我在加州大學伯克利分校讀博士研究生時，我產(chǎn)生了一個新想法，這驅(qū)使我走上了一條與眾不同但也更成功的道路。當時我在家里工作，桌子上和房間里有幾十個物體。我意識到，如果這些物體中的任何一個發(fā)生了變化，哪怕是最輕微的變化，我都會注意到它。我的鉛筆筒總是放在桌子的右側，如果有一天我發(fā)現(xiàn)它放在了左側，我就會注意到這種變化，并想知道它為什么會出現(xiàn)在那里；如果訂書機的長度改變了，只要我摸了訂書機或看過它，我就會注意到這種變化。我甚至會注意到訂書機在使用時是否發(fā)出了不同的響聲；如果墻上的時鐘改變了位置或樣式，我會注意到；如果我把鼠標移到右邊時，計算機屏幕上的光標卻向左移動，我也會立即意識到有問題。令我吃驚的是，即使我沒有特意關注這些物體，我也會注意到這些變化。當我環(huán)顧整個房間時，我沒有問“我的訂書機長度是否正確”，也沒有想到“檢查一下，時鐘的時針是否比分針短”。違反常態(tài)的變化會突然出現(xiàn)在我的大腦里，然后我的注意力就會被吸引過去。在我所處的環(huán)境中，有成千上萬種可能的變化，我的大腦幾乎立刻就能注意到這些變化。我能想到的只有一種解釋：我的大腦，特別是大腦新皮質(zhì)，正在對它將要看到、聽到和感覺到的東西同時做出多種預測。每次我移動眼睛，大腦新皮質(zhì)就對它將要看到的東西進行預測。每次我拿起東西，大腦新皮質(zhì)就會預測每個手指應該有什么感覺。我做出的每一個動作都會使大腦新皮質(zhì)預測我將聽到什么。我的大腦預測了最小的刺激物，如咖啡杯把手的質(zhì)地，以及宏大的概念性想法，如日歷上應該顯示的正確月份。這些預測發(fā)生在每一種感覺模態(tài)（sensorymodality）中，包括低層次的感覺特征和高層次的概念，這說明新皮質(zhì)的每一部分，也就是每根皮質(zhì)柱，都在進行預測。預測是新皮質(zhì)十分普遍的功能。當時，很少有神經(jīng)科學家將大腦描述為一個預測機器。將研究重點放在新皮質(zhì)如何同時進行許多預測，將是研究它如何工作的一種新方法。我知道新皮質(zhì)并不是只做預測這件事，但預測代表了一種破解皮質(zhì)柱之謎的系統(tǒng)性方法。我可以提出具體問題，以了解神經(jīng)元在不同條件下如何進行預測。這些問題的答案可能會揭示皮質(zhì)柱的功能是什么，以及它是如何實現(xiàn)這一功能的。為了進行預測，大腦必須學習什么是準確的，也就是說，基于過去的經(jīng)驗，應該做出什么樣的預測。我之前寫的一本書《新機器智能》就探討了關于這種學習和預測的想法。在那本書中，我使用了“記憶-預測模型”這一短語來描述整個想法，我還論述了以這種方式來思考大腦的意義。我認為，通過研究新皮質(zhì)如何進行預測，我們將能夠揭示出新皮質(zhì)的工作原理。如今，我不再使用“記憶-預測模型”這一短語。取而代之的是，我會用“新皮質(zhì)學習了一個世界模型，并基于該模型進行預測”來表達同一想法。我更喜歡用“模型”這個詞，因為它更準確地描述了新皮質(zhì)學習的那種信息。例如，我的大腦有一個關于訂書機的模型，這個模型包括訂書機的外觀、觸感以及在使用時發(fā)出的聲音。大腦關于這個世界的模型包括物體的位置，以及當我們與這些物體互動時它們發(fā)生的變化。例如，我腦海里關于訂書機的模型包括訂書機的頂部相對于底部如何移動，以及當頂部被壓下時，訂書釘是如何出來的。這些動作可能看起來很簡單，但你并不是生來就具有這些知識。你在生命中的某個時刻學會了這些知識，然后儲存在了你的新皮質(zhì)中。大腦創(chuàng)建了一個預測模型，但這只是意味著大腦會不斷預測輸入的信息會是什么。預測并不是大腦時刻會做的事情，而是大腦的一種內(nèi)在屬性。大腦永遠不會停止預測，預測在大腦的學習中起著至關重要的作用。當大腦的預測得到驗證時，就意味著大腦中的世界模型是準確的。一個錯誤的預測會使你注意到這個錯誤并更新該模型。這些預測中的絕大部分，我們都不會意識到，除非與輸入到大腦的信息不匹配。當我隨意伸手去拿咖啡杯時，我不會意識到大腦正在預測拿起杯子時每個手指會有什么感覺，杯子會有多重，杯子的溫度是多少，以及當我把它放回桌子上時杯子會發(fā)出怎樣的聲音。但如果杯子突然變重了，或者變冷了，或者發(fā)出吱吱聲，我就會注意到這些變化。我們可以確定這些預測正在發(fā)生，因為任何輸入的信息即使發(fā)生微小的變化，都會被注意到。但是，當一個預測是正確的，就像大多數(shù)預測一樣，我們就不會意識到它曾經(jīng)發(fā)生過。你出生時，你的大腦新皮質(zhì)幾乎一無所知。它不知道任何一個單詞，不知道建筑物長什么樣子，不知道如何使用計算機，也不知道什么是門，以及門是如何通過鉸鏈移動的。它必須學習無數(shù)的知識。新皮質(zhì)的整體結構并不是隨機的，它的大小、區(qū)域數(shù)量以及這些區(qū)域是如何連接在一起的，在很大程度上都是由我們的基因決定的。例如，基因決定了新皮質(zhì)的哪些部分與眼睛相連，哪些部分與耳朵相連，以及不同部分之間如何相互連接。因此，我們可以說，新皮質(zhì)與生俱來的結構就是為了實現(xiàn)看、聽甚至學習語言等功能而設計的。但是，新皮質(zhì)并不知道它將看到什么、聽到什么，以及它可能會學習哪種語言。我們可以認為，新皮質(zhì)在你剛出生時就已對世界有一些固有的假設，但對于具體事物一無所知。通過經(jīng)驗積累，它學習了一個豐富而復雜的世界模型。新皮質(zhì)所學習的東西數(shù)量巨大。例如，我現(xiàn)在坐在一間有著數(shù)百個物體的屋子里，我隨機挑選一個，如一臺打印機。我的大腦已經(jīng)學習了一個打印機的模型，包括它有一個紙盤，以及紙盤如何進出打印機。我知道如何改變紙張的大小，以及如何拆開一沓新紙將其放入紙盤。我知道清除卡紙所需的操作步驟。我知道電源線的一端有一個D型插頭，這個插頭只能從一個方向插入。我知道打印機打印時發(fā)出的聲音，以及當它單面打印和雙面打印時，聲音有何不同。我的房間里還有另外一個東西，一個小小的、有兩個抽屜的文件柜。我可以回憶起關于這個柜子的幾十件事情，包括每個抽屜里有什么，以及抽屜里的東西是如何排列的。我知道抽屜有一把鎖，也知道鑰匙在哪里，以及如何插入和轉(zhuǎn)動鑰匙來鎖住抽屜。我知道這把鑰匙和鎖摸起來的感覺，以及使用它們時發(fā)出的聲音。鑰匙上有一個小環(huán)，我知道如何用我的指甲撬開這個小環(huán)，把一把鑰匙放進去或取出來。想象一下，你正在家中挨個房間走動。在每個房間里，你可以想起數(shù)以百計的物品，對于每件物品，你可以遵循一連串已掌握的知識。你也可以對你居住的城市做同樣的練習，回憶在不同地點有哪些建筑、公園、自行車架和樹木。對于每件物品，你可以回憶與之相關的經(jīng)歷以及你是如何與之互動的。你所知道的東西的數(shù)量是巨大的，而與之相關聯(lián)的知識似乎也是永無止境的。我們的大腦也會學習許多高層次的概念。據(jù)估計，我們每個人大約知道4萬個單詞。我們有能力學習口頭語言、書面語言、手語、數(shù)學語言和音樂語言。我們的大腦會學習電子表格的工作原理、恒溫器的作用，甚至“同理心”或“民主”這些概念的含義，盡管我們對這些事物的理解可能有所不同。暫且不管新皮質(zhì)還能做什么其他事情，我們至少可以肯定地說，它學習了一個令人難以置信的復雜的世界模型。這個模型是我們進行預測、感知和行動的基礎。通過運動學習世界的預測模型輸入大腦的信息是不斷變化的。原因有兩個：第一，世界在不斷變化。例如，在聽音樂時，來自耳朵的信息輸入在迅速變化，這表明音樂正在播放。同樣，一棵在微風中搖擺的樹會導致人的視覺和聽覺的變化。在這兩個例子中，大腦的信息輸入在不斷變化，不是因為你在移動，而是因為世界上的事物在運動和變化。第二，我們在移動。每當我們邁出一步，移動一下肢體，轉(zhuǎn)動一下眼睛，擺一下頭，或發(fā)出一個聲音，感覺輸入就會發(fā)生變化。例如，我們的眼睛大約每秒鐘快速移動3次，這種現(xiàn)象叫作掃視。每一次掃視，眼睛都會將目光轉(zhuǎn)移到周圍一個新的點上，從眼睛輸入到大腦的信息會完全改變。如果我們沒有移動眼睛，這種變化就不會發(fā)生。大腦通過觀察其信息輸入如何隨時間變化來學習世界模型。沒有其他的學習方式。與計算機不同，我們不能將文件上傳到大腦。大腦學習所有東西的唯一途徑是通過其輸入的變化。如果輸入大腦的信息是靜止的，大腦就什么也學不到。有些東西，如旋律，不需要移動身體就能學會。我們可以閉著眼睛靜靜地坐著，只聽聲音如何隨著時間的推移而變化，就能學會一個新的旋律。但大多數(shù)學習需要我們積極地移動身體，進行探索。想象一下，你進入一個你以前沒有進過的新房子里。如果你不移動，你的感覺輸入就不會有任何變化，你就不可能學到任何關于這個房子的東西。為了學習房子的模型，你必須向不同的方向看，從一個房間走到另一個房間。你需要打開門，偷看抽屜里的東西，并將它們拿起來。房子和房子里的東西大多是靜態(tài)的，它們不會自己移動。要學習一個房子的模型，你就必須移動。以一個簡單的物體為例，如鼠標。要了解鼠標摸起來的感覺，你必須用手指去觸摸它。要了解鼠標的外觀，你必須從不同的角度觀察它，把你的視線聚焦在不同的位置上。要了解鼠標的作用，你必須按下它的按鈕，滑開電池蓋，或在鼠標墊上移動它，看一看、摸一摸、聽一聽會發(fā)生什么。這個過程對應的術語是感覺-運動學習。換句話說，大腦通過觀察我們的感覺輸入如何隨著運動而變化來學習世界模型。我們不需要移動就可以學習一首歌，因為這與我們從一個房間移到另一個房間的順序不同，一首歌中的音符順序是固定的。但世界上大多數(shù)場景并不是這樣的。大多數(shù)時候，我們必須通過移動來發(fā)現(xiàn)物體、地點和動作的結構。在感覺-運動學習中，與旋律不同，感覺的順序并不固定。當我進入一個房間時，我看到了什么，取決于我把頭轉(zhuǎn)向哪個方向。當我拿著咖啡杯時，我的手指有什么感覺，取決于我的手指是向上、向下還是向側面移動。做每一個動作時，新皮質(zhì)都會預測做出這個動作之后的感覺會是什么。如果我沿著咖啡杯向上移動我的手指，我預測會觸摸到杯口，向旁邊移動我的手指，我預測會觸摸到杯柄。如果我在進入廚房時把頭轉(zhuǎn)向左邊，我就預測會看到冰箱，如果把頭轉(zhuǎn)向右邊，我就預測會看到儲藏室。如果我把眼睛移到左邊的煤氣灶前，就預測會看到我需要修理的壞掉的打火器。如果有任何信息輸入與新皮質(zhì)的預測不一致（也許是我妻子修理了打火器），那么我的注意力就會被吸引到預測錯誤的地方。這就提醒了新皮質(zhì)，它需要更新這部分世界模型。關于新皮質(zhì)如何工作的問題，我現(xiàn)在可以給出更精確的表述了：由數(shù)千個幾乎相同的皮質(zhì)柱組成的新皮質(zhì)，是如何通過運動學習世界的預測模型的？這就是我和我的團隊著手回答的問題。我們相信，如果我們能回答這個問題，就能對新皮質(zhì)進行逆向工程。我們將了解新皮質(zhì)的功能以及它是如何實現(xiàn)這一功能的。最終，我們將能夠制造出以同樣方式工作的智能機器。神經(jīng)元工作的兩個基本原則你還需要了解一些基本的概念，然后我們才能開始回答上述問題。像身體的其他各部分一樣，大腦也是由細胞組成的。大腦中的細胞叫作神經(jīng)元，在許多方面與所有其他細胞相似。例如，神經(jīng)元有一個定義其邊界的細胞膜和一個含有DNA的細胞核。然而，神經(jīng)元又有幾個獨特的屬性，這些屬性在身體的其他細胞中并不存在。第一，神經(jīng)元看起來像一棵樹。它的細胞膜有樹枝狀的延伸，名為軸突和樹突。樹突是輸入端，聚集在細胞附近；軸突是輸出端，它與附近的神經(jīng)元建立許多連接，但往往要延伸很遠，如從大腦的一側延伸到另一側，或從新皮質(zhì)一直延伸到脊髓。第二，神經(jīng)元產(chǎn)生脈沖，脈沖也叫動作電位。動作電位是一種電信號，從細胞體附近開始產(chǎn)生，沿軸突行進，一直到達軸突末端。第三，一個神經(jīng)元的軸突會與其他神經(jīng)元的樹突建立連接。這些連接點被稱為突觸。當沿軸突行進的脈沖到達突觸時，便會釋放一種化學物質(zhì)，這種化學物質(zhì)會進入接收神經(jīng)元的樹突。釋放的化學物質(zhì)類型決定了接收神經(jīng)元產(chǎn)生脈沖的頻率。根據(jù)神經(jīng)元的工作原理，我將陳述兩個基本原則。這兩個原則對我們理解大腦和智能至關重要。原則一：思想、觀念和感知都是神經(jīng)元的活動無論什么時候，新皮質(zhì)中都會有一些神經(jīng)元積極地發(fā)射脈沖信號，而另一些則不會。通常情況下，在同一時間活躍的神經(jīng)元數(shù)量很少，可能只占全部神經(jīng)元數(shù)量的2%。你的想法和感知是由活躍的神經(jīng)元決定的。例如，當醫(yī)生進行腦部手術時，有時需要將清醒的病人大腦中的一些神經(jīng)元激活，于是他們將一根小小的探針插入新皮質(zhì)，用電來激活一些神經(jīng)元。這時，病人可能會聽到、看到或想到些什么。當醫(yī)生停止刺激時，病人的這些體驗就會停止。醫(yī)生激活不同的神經(jīng)元，病人便會產(chǎn)生不同的想法或感知。人的思想和體驗正是一組神經(jīng)元同時活躍的結果。單個神經(jīng)元可以參與許多不同的思想或體驗。你的每個想法都是神經(jīng)元的活動。你看到、聽到或感覺到的一切也是神經(jīng)元的活動。我們的精神狀態(tài)和神經(jīng)元的活動是一體的。原則二：我們所知道的一切都儲存在神經(jīng)元之間的連接中大腦記住了很多東西。你有永久性記憶，如你在哪里長大；你也有臨時性記憶，如你昨晚吃了什么；你還有基本的知識，如怎樣打開一扇門或如何拼寫“字典”這個詞。所有這些東西都是通過突觸，即神經(jīng)元之間的連接來存儲的。以下是關于大腦如何學習的一些基本概念。每個神經(jīng)元都有數(shù)以千計的突觸，這些突觸將神經(jīng)元與成千上萬個其他神經(jīng)元相連。如果兩個神經(jīng)元同時發(fā)射脈沖信號，便會強化它們之間的連接。當我們學習時，這些連接就會強化，而當我們忘記一些事情時，這些連接就會減弱。這一基本思想是由加拿大心理學家唐納德·赫布（DonaldHebb）{L-End}\h(4)在20世紀40年代提出的，今天人們稱其為“赫布理論”（Hebbianlearning）。許多年來，人們認為成人大腦中神經(jīng)元之間的連接是固定的，學習只是增強或減少突觸的強度。這仍然是目前大多數(shù)人工神經(jīng)網(wǎng)絡中的學習方式。然而，在過去的幾十年里，科學家發(fā)現(xiàn)，在大腦的許多部分（包括新皮質(zhì)）中，新突觸會形成，舊突觸會消失。每天，單個神經(jīng)元上的許多突觸會消失，新突觸會取而代之。因此，大部分的學習是通過在以前沒有連接的神經(jīng)元之間形成新的連接而發(fā)生的。當舊的或未使用的連接被完全移除時，就會發(fā)生遺忘。大腦中的連接存儲著我們通過經(jīng)驗學習的世界模型。每天我們都會經(jīng)歷新的事物，并通過形成新的突觸來為模型添加新的知識片段。在某個時間點活躍的神經(jīng)元代表我們當前的想法和感知。我們現(xiàn)在已經(jīng)討論了新皮質(zhì)的幾個基本組成部分，即拼圖的一些碎片。在第4章中，我們將把這些碎片拼在一起，揭示整個新皮質(zhì)的工作原理。第4章大腦新皮質(zhì)的3個發(fā)現(xiàn)人們常說大腦是宇宙中最復雜的東西，并由此得出結論，大腦的工作原理很難簡單描述，或者說，也許我們永遠不會真正理解大腦。歷史中的科學發(fā)現(xiàn)表明，這種說法是錯誤的。重大的發(fā)現(xiàn)幾乎總是伴隨著令人困惑的復雜觀察。有了正確的理論框架后，這種復雜性并沒有消失，但它不再令人困惑了。行星的運動就是我們熟悉的一個例子。數(shù)千年來，天文學家認真追蹤行星在星空中的運動軌跡。一顆行星在一年中的運動軌跡很復雜，它會以各種形式飛來飛去，在天空中繞著圈。人們很難想象能夠?qū)@些難以捉摸的行星運動做出什么解釋。如今，我們已經(jīng)掌握了行星圍繞太陽運轉(zhuǎn)的基本概念。行星的運動軌跡仍然很復雜，預測它們的運動軌跡需要運用很難的數(shù)學運算，但有了正確的框架后，這種復雜性就不再神秘了。大部分科學發(fā)現(xiàn)從基本入門水平上說都不難理解。小學生可以學習地球圍繞著太陽運轉(zhuǎn)這類知識，高中生可以學習進化論、遺傳學、量子力學和相對論。每一項科學進步都以令人困惑的觀察先行。而現(xiàn)在，這些觀察似乎很明了，也很合乎邏輯。同樣，我一直認為，新皮質(zhì)之所以顯得復雜，主要是因為我們不了解它，如果有一天我們了解它了，它就會變得相對簡單。一旦我們知道了解決方案，當我們回看時就會說：“哦，就是這樣，我當時為什么沒有想到呢？”當我們的研究停滯不前，或者當我被告知大腦太難理解時，我會想象，未來大腦理論會是高中課程的一部分。這讓我有了繼續(xù)前進的動力。我們試圖破譯新皮質(zhì)的這一工作進展并不是一帆風順的。在過去18年時間里，我和同事們在紅木神經(jīng)科學研究所工作了3年，在Numenta工作了15年，一直致力于探究這個問題。有時我們?nèi)〉昧诵〉倪M展，有時我們獲得了大的突破，有時我們提出的想法起初看起來很讓人興奮，但最終我們發(fā)現(xiàn)那似乎是個死胡同。我不打算和你們贅述所有歷史，我只想描述幾個關鍵時刻，也就是我們對大腦的理解取得大的飛躍時，仿佛大自然在我們耳邊告訴了我們一些之前被忽略了的東西。其中有3個這樣的“頓悟”時刻，我記憶猶新。我將它們稱為我的3個發(fā)現(xiàn)。第一個發(fā)現(xiàn)：新皮質(zhì)學習世界的預測模型我已經(jīng)介紹過，在1986年，我是如何意識到新皮質(zhì)會學習世界的預測模型的。這個想法非常重要，我再怎么強調(diào)都不為過。我之所以稱它為一個發(fā)現(xiàn)，是因為這就是我當時的感覺。歷史上有很長一段時間，哲學家和科學家都在談論相關觀點，如今，神經(jīng)科學家說大腦會學習世界的預測模型已并不罕見。但在1986年，神經(jīng)科學家和教科書仍然把大腦描述得更像一臺計算機：信息輸入，信息處理，然后采取行動。當然，學習世界模型和進行預測并不是新皮質(zhì)唯一的工作。然而，通過研究新皮質(zhì)如何進行預測，我相信我們可以解開整個系統(tǒng)的工作原理。這一發(fā)現(xiàn)引出了一個重要的問題：大腦是如何進行預測的？一個可能的答案是，大腦有兩種類型的神經(jīng)元：當大腦實際看到某些東西時，一類神經(jīng)元會被激活；而當大腦預測會看到某些東西時，另一類神經(jīng)元會被激活。為了避免產(chǎn)生幻覺，大腦需要將其預測與現(xiàn)實分開，而使用兩組神經(jīng)元便可以很好地實現(xiàn)這一點。然而，這個想法有兩個問題。第一，鑒于新皮質(zhì)每時每刻都在進行大量的預測，按理說我們應該能找到大量的預測神經(jīng)元。但到目前為止，這一點并沒有得到證實?？茖W家發(fā)現(xiàn)有些神經(jīng)元會在信息輸入之前就開始活躍，但這些神經(jīng)元并不像我們預期的那樣常見。第二，如果新皮質(zhì)每時每刻都在進行成百上千次預測，為什么這些預測中的大部分我們都沒有意識到？這個問題也一直困惑著我。如果我用手抓起一個杯子，我不知道大腦正在預測每個手指應該會有什么感覺，除非我感覺到一些不尋常的東西，比如，杯子上的一條裂縫。我們不會有意識地去注意大腦所做的大多數(shù)預測，除非發(fā)生了錯誤。試圖了解新皮質(zhì)中的神經(jīng)元如何進行預測便引出了第二個發(fā)現(xiàn)。第二個發(fā)現(xiàn)：預測發(fā)生在神經(jīng)元內(nèi)部我們來回顧一下，新皮質(zhì)做出的預測有兩種類型。第一種預測的發(fā)生是因為你周圍的世界在變化。例如，你正在聽一段旋律。你可以閉著眼睛靜靜地坐著，隨著旋律的進行，進入你耳朵的聲音也在變化。如果你曾聽過這段旋律，那么你的大腦就會不斷預測下一個進入你耳朵的音符，如果有任何音符不正確，你就會注意到。第二種預測的發(fā)生是因為你在移動。例如，當我在辦公室的大廳里鎖上自行車時，新皮質(zhì)會根據(jù)我的動作產(chǎn)生的感覺，以及看到和聽到的東西做出許多預測。自行車和鎖本身并沒有移動。我的每一個動作都會導致一系列預測。如果我改變動作的順序，那么預測的順序也會改變。芒卡斯爾提出的通用皮質(zhì)算法表明，新皮質(zhì)中的每根皮質(zhì)柱都能進行這兩種類型的預測，否則，大腦中的皮質(zhì)柱會具有不同的功能。我的團隊也意識到，這兩種類型的預測密切相關。因此，我們認為，在一個子問題上取得進展也將有助于另一個子問題取得進展。預測旋律中的下一個音符，也被稱為序列記憶，是這兩個問題中比較簡單的，所以我們先介紹它。序列記憶不僅用于學習旋律，還用于創(chuàng)造行為。例如，當我洗完澡用毛巾擦身體時，我通常會遵循一個幾乎相同的動作模式，這就是一種序列記憶。序列記憶也被用于語言中。識別口語中的一個詞就像識別一段簡短的旋律。詞是由一連串音素組成的，而旋律是由一連串音符組成的。還有更多類似的例子，但為了簡單起見，我暫且只討論旋律。我們希望通過推斷皮質(zhì)柱中的神經(jīng)元如何學習序列，揭示出神經(jīng)元對一切事物進行預測的基本原則。在我們能夠推導出解決方案之前，我們就旋律預測問題進行了好幾年的探究，這種預測必須表現(xiàn)出多種能力。例如，旋律經(jīng)常有重復的部分，如合唱或貝多芬《C小調(diào)第五交響曲》曲譜中的dadadadum。為了預測下一個音符，你不能只看上一個音符或前5個音符。正確的預測可能依賴于很久以前出現(xiàn)的音符。神經(jīng)元必須弄清楚有多少背景知識是做出正確預測所必需的。另外，神經(jīng)元必須會玩“聽歌識曲”游戲。你聽到的前幾個音符可能屬于幾段不同的旋律。神經(jīng)元必須追蹤所有可能的、與到目前為止所聽到的內(nèi)容一致的旋律，直到聽到足夠多的音符來排除其他可能，鎖定一段旋律。為序列記憶問題設計一個解決方案很容易，但要弄清楚真正的神經(jīng)元（即新皮質(zhì)中的那種神經(jīng)元）如何解決這類問題則很難。幾年來，我們嘗試了不同方法。大多數(shù)方法在某種程度上奏效了，但沒有一種方法能實現(xiàn)我們所需要的所有能力，也沒有一種方法恰好符合我們所知道的關于大腦的生物學細節(jié)。我們對部分解決方案或受生物學啟發(fā)的解決方案并不滿意。我們想知道真正的神經(jīng)元是如何學習序列并進行預測的。我仍然記得我發(fā)現(xiàn)旋律預測問題解決方案的那一刻。那是2010年，感恩節(jié)假期的前一天，當時的我靈光乍現(xiàn)，解決方案瞬間就出現(xiàn)在我的腦海中。但當我想到這個方案時，我意識到這需要神經(jīng)元做一些我不確定它是否能夠做到的事情。換句話說，基于我的假設，我可以有好幾個令人驚訝的具體推論，并且我可以檢驗這些推論是否正確。科學家通常會通過做實驗來檢驗基于一個理論而做出的推論是否成立，但神經(jīng)科學的做法通常不是這樣的。事實上，在每個子領域，研究人員都會發(fā)表幾百到幾千篇論文，但這些論文大多數(shù)并沒有用一個整體理論去解釋其實驗數(shù)據(jù)。這就為像我這樣的理論家提供了一個機會，通過查找過去的研究論文，找到支持或否定新假設的實驗數(shù)據(jù)，從而快速檢驗我的新假設。我找到了幾十篇包含相關實驗數(shù)據(jù)的期刊論文，這些數(shù)據(jù)可以為序列記憶這個新理論帶來啟示。那天，我的家人們都在我這里慶祝感恩節(jié)的到來，但我太興奮了，等不到大家都各自回家就開始分享自己的這個新發(fā)現(xiàn)。我記得我一邊做飯一邊讀論文，并與家人們一起討論神經(jīng)元和旋律的問題。我讀得越多，就越相信我得出了一個重大發(fā)現(xiàn)。其中，最關鍵的一點是關于神經(jīng)元的全新思維方式。圖4-1是新皮質(zhì)中一個典型的神經(jīng)元。這樣的神經(jīng)元有成千上萬個突觸，這些突觸沿著樹突的分支分布。有些樹突靠近細胞體（在圖的底部），有些樹突則離得較遠（在圖的頂部）?？蛑酗@示的是一個樹突分支的放大圖，從中你可以看到突觸有多么微小，并且緊密相連。樹突上的每一個凸起就是一個突觸。我還突出顯示了細胞體周圍的一個區(qū)域，這個區(qū)域的突觸被稱為近端突觸。如果近端突觸收到足夠的信息輸入，那么神經(jīng)元就會發(fā)射脈沖信號。脈沖從細胞體開始，通過軸突傳遞到其他神經(jīng)元。圖4-1一個典型的神經(jīng)