编码意识思维

请尝试估算一下你能想到的所有的意识思维：所有你可以识别的面孔、物体和场景；所有你体验过的情绪的每一层感受，从怒气冲冲到幸灾乐祸；你听过或可能听到的每一个细节，不论它们是对是错，诸如地理常识、历史信息、数学知识，或者仅仅只是闲言碎语；每一个你认识的或者可能认识的，世界上任何一种语言的单词发音及含义……这难道不是无穷无尽吗？在下一分钟，它们中的任何一个信息，都可以变成你意识思维的对象。这些丰富的信息是怎样在神经元工作空间中进行编码的？意识的神经代码是怎样的？它又是如何支持一个几乎具有无穷想法的思维呢？

神经科学家朱利奥·托诺尼（Giulio Tononi）指出，我们全部想法的庞大规模极大地限制了意识思维的神经编码 ²⁷ 。编码的主要特征一定是巨大程度的分化，在全脑神经工作空间中激活和未激活的神经元之间的连接，一定能形成数亿种不同的活动模式。我们每一个潜在的心理状态都必须分配给一种不同的神经元活动，以此和其他意识状态做明显的区分。因此，我们的意识状态必须表现出明显的分界：要么是一只鸟，要么是飞机，或者超人，但不可能并存。一个拥有无数潜在想法的清醒头脑，也相应需要脑中无数种潜在的状态。

唐纳德·赫布在《行为的组织》中，提出了一个关于脑是如何编码思维的理论愿景。他提出了“细胞集群”（cell assemblies）的概念，即由兴奋性突触交互连接的几组神经元，即使在外部刺激完全消失时，也能保持较长时间的激活状态。他推测：“任何频繁重复的、特定的刺激，都将导致‘细胞集群’的缓慢形成，这是组成皮质细胞和间脑细胞，也可能是基底神经节细胞的弥散性结构，能暂时作为一个封闭系统独立工作。” ²⁸

一个细胞集群中的每个神经元都通过传递兴奋冲动来互相支持。因此，它们在神经元区域的活动中形成了具有限制性的“峰”。由于很多这样的局部集群可以在脑的不同区域中独立激活，最后便产生了能代表数十亿种状态的组合代码。例如，任何视觉物体都可以由颜色、大小和形状的组合所表征。对视觉皮质的脑电记录支持了这个观点，比如，灭火器似乎是由激活的神经元组块联合编码的，其中每个神经元组块由几百个活跃的神经元组成，并且每个组块都表征一个特定的部分，如把手、瓶体、软管等 ²⁹ 。

在1959年，人工智能领域的先驱者约翰·塞尔弗里奇（John Selfridge）提出了另一个有意义的比喻：“鬼蜮”（pandemonium） ³⁰ 。他设想脑是一群等级森严的专业性的“魔鬼”，每个魔鬼都对输入的图像进行尝试性的解释。30多年来的神经生理学研究，包括视觉细胞对线条、色彩、眼睛、脸，甚至美国总统和好莱坞明星具备特异性反应这个伟大的发现，都强力支持了这个观点。在塞尔弗里奇的模型中，魔鬼对彼此喊出它们所偏好的解释，喊叫的强度与输入图像支持自己解释的程度成正比。喊叫声按照越来越抽象的等级进行传递，使神经元可以对图像中逐渐抽象的特点进行反应。例如，三个魔鬼分别对眼睛、鼻子和头发的呼喊，凑到一起后将会激发第四个魔鬼对面部特征的编码。通过听声音最响的魔鬼的呼喊，决策系统就可以对输入的图像形成判断，即意识知觉。

塞尔弗里奇的鬼蜮模型有过一次重要的改进。最初，这一模型根据严格的上行等级运作，即魔鬼只向其上级报告，高级魔鬼从不向低级别或者同一级别的魔鬼报告。但事实上，神经系统不只是向上级传递信息，也进行彼此间的信息交流。大脑皮质中充满了回路和双向投射 ³¹ 。即使独立的神经元也会相互交流：如果神经元α投射到神经元β，那么神经元β很可能会投射回到神经元α ³² 。在任何水平上，交互连接的神经元互相支持，上级神经元可以回馈到下级神经元，这样向下传输的信息至少不会少于向上传输的信息。

有着许多回路的真实的“联结主义”模型的模拟以及数学建模表明，回路非常具有实用性。当神经元的一个子集被激活，整个神经元组就会自发地形成“吸引状态”：神经元组形成可被重复的活动模式，并可以在很长一段时间里保持稳定状态 ³³ 。正如赫布预测的那样，相互连接的神经元往往会形成稳定的细胞集群。

作为编码的图式，这些回馈式的神经网络有一个额外的优点——它们经常汇聚于一点。具有循环连接特性的神经网络不像塞尔弗里奇所提出的魔鬼概念那样，神经元并不是简单固执地相互喊叫，它们逐渐地达成一个明智的共识，对知觉到的场景形成一个统一的解释。那些受到最大激活的神经元相互支持，并逐步抑制其他解释。最后，图像缺失的部分会被还原，而有噪声的部分会被去除。经过多次循环之后，神经元表征编码了一个清晰、可理解的知觉图像。这个图像会变得更稳定，并且抗噪声，具有内部协调性，和其他神经元的吸引状态有所区别。弗朗西斯·克里克和克里斯托夫·科赫将这种表征描述为一个成功的“神经联合体”，把它看作是意识表征的完美介质。 ³⁴

“联合体”这一术语表明意识神经编码的另一个重要方面：它一定是紧密结合的 ³⁵ 。我们每一个有意识的时刻都能连贯成为一个整体。当思考达·芬奇的《蒙娜丽莎》时，我们不可能会知觉到一个被开膛破肚的毕加索，有着与身体分开的手、咧着嘴的笑容以及飘浮的眼睛。我们检索所有的感官元素和其他相关的信息，包括一个名字、一个含义、一个与我们记忆中的天才达·芬奇有关的联系——这些都能设法联合成统一的整体。但每个元素最初都是由一组不同的神经元加工的，这些神经元散布在腹侧视觉皮质的表面，相距达几厘米。那么它们之间是如何相互联系的呢？

多亏了较高级皮质区域提供的枢纽，全脑集群的形成解决了这个问题。神经学家安东尼奥·达马西奥 ⁽⁶⁾ 将这些枢纽称为“聚合区”（convergence zones） ³⁶ ，它们主要集中在前额叶皮质，也出现在前颞叶和下顶叶等其他部位，以及被称为楔前叶区域的中线区。这些区域向大量不同的远距离脑区发送信息，并接收来自不同脑区的投射，使得脑区的神经元能在空间和时间上整合信息。因此，多感官的模块能汇聚成一个有条理的解释，如“一个诱人的意大利女郎”。这个全脑解释可能会回馈给最初产生感觉信号的区域，最后形成一个综合的整体。因为神经元有着自上而下的长距离轴突，能从前额叶皮质及其相关的高级神经网络投射回较低级别的感觉区，所以这种全脑传播创造了意识状态可以出现的条件，它们既是分化的，也是整合的。

这个稳定的往返交流过程被诺贝尔奖获得者杰拉尔德·埃德尔曼称为“折返”（reentry） ³⁷ 。神经网络模型表明，折返可以对视觉场景的最佳统计解释进行复杂的计算 ³⁸ 。每组神经元都是一个统计专家，并且多组神经元一起合作解释输入信息的特征 ³⁹ 。例如，“阴影”方面的专家可以解释图像的暗区，但只有当光来自左上方时才可以。“照明”方面的专家同意这一判断，并用这一假设来解释为什么物体的顶部被照亮了。一旦这两种结果都被考虑在内，那么便由第三个专家决定剩下的图像是不是看起来像一张脸。这些信息交流一直持续到图像的每一个部分都得到了尝试性的解释。