我们的脑虽然只有1．5公斤重，但是它的结构却极为复杂。这不仅表现为构成它的基本单元——神经细胞的数目达到1俨个，其数量级几乎和我们已知的宇宙中星体的数量级相仿，而且神经细胞和神经细胞之间还存在着极为复杂的相互联系，平均说来，每个神经细胞都要和10^4个其它的神经细胞相联系，更不用说在脑中还有着数量更为巨大，而对其作用至今仍所知寥寥的胶质细胞。更有甚者，脑并不只是一团相互纠缠在一起的细胞，它具有高度的组织性，分成许许多多的层次。例如粗略地说，我们可以把脑看成是由相互关联的系统——如视觉系统、听觉系统等组织而成，每个系统由许多相互耦合在一起的并联的子系统构成，而这些丁系统又是由神经回路组成的；神经回路才是由神经细胞相互联结而成，甚至神经细胞还可分成许多部分，如接受输入处的突触和作为输出线路的轴突，甚至在突触处也有非常复杂的结构，要牢涉到许多各起不同作用的生物大分子——神经递质。由于在每个层次上其构成单元都不是简单的线性元件，因此每个层次都会产十下——个层次的“元件”所不具有的“突生”性质。对于脑这样复杂的一个系统，每个研究者往往都只是在一个层次上，或至多在少数几个相邻层次上，研究某一侧面。这样所得的知识当然难免有“瞎子摸象”的危险。然而正是这些知识构成了我们认识恼的基础。近20年来，细胞内记录和染色技术、免疫组织化学方法、膜片箝技术、组织培养和组织片方法，各种脑成像技术和计算机技术的发展，使我们对脑在各个层次上的认识有了空前的增长。1989年美国国家精神卫生顾问委员会在向国会递交的关于精神病临床和基础神经科学研究进展机会的报告中估训—当时我们所了解的脑功能中，95％是在80年代这十年中发现的。今天这个百分数自然更要高得多。有关脑在各个层次上的知识的这种爆炸性增长，就向人们提出了一个迫切的问题，如何把这大量的实验数据组织起来，特别是把各个层次上获得的知识彼此沟通起来，透过现象认识脑是如何工作的机理。这样。人们就提出了根据这样大量的实验结果建立“脑理论”的迫切需要，特别是要建立各种能概括大量实验事实，经得起实验检验，并能预测新的实验事实，揭示脑工作机理的各种“脑模型”。
1986年国际脑研究协会主席伊藤正男教授就极有预见地指出：“要求解决局部神经网络是如何组装起来构成规模宏大的神经系统，从而实现像认知、运动控制、情绪、记忆等高级功能的这样—个问题……上面提到的问题都是系统水平上的问题。这些问题是不能用还原论方法来解决的，也就是说，不能靠发现单个细胞的结构或物质分子来解决。揭示出能把大量神经元组装成一个功能系统的设计原理，这才是问题的实质所在……当前面临的挑战，是要解决技术上的困难和不足，促进实验工作和理论工作的互相渗透，提出新的观点，向着理解神经系统的机制大步前进。”而要做到这—点，许多神经科学家理解到为了避免犯只见树木不见森林的错误，为了不使实验结果成为一些互不关联的现象，就向神经科学提出了建立某些理论框架的要求，而由于我们有关神经系统的知识和理论上的想法越来越复杂，也就产生了对明确的和形式模型的需要。Bower在Trends in Neuroscience 1992年的一期专集中对此作了十分透彻的阐述，他指出：“很清楚的是，即使在所谓比较简单的系统中，单是有大量的十分详细的生理数据和解剖数据仍不足以推断出这些神经回路是如何工作的。如果不采用建模所提供的定量方法，神经系统简直就复杂得无法理解……经常发生这样的情况，建立一个模型的最直接和最有价值的结果是大大加深对系统中现在还不清楚之处的理解，并由此得知应该从实验中得出些什么结果。如果没有模型把实验数据加以整理，也不采用现有的技巧，我们就冒着产生一大堆互不相关也解释不清的数据的危险……模型提供了存储和表达有关神经系统信息的一种工具，对其应用的不断增长将会改变神经科学本身的结构。”在90年代开始的时候，Science杂志曾约请了一批专家对90年代的科学进行预测和展望。Barinaga在其关于Q0年代神经科学发展的展望中明确指出： “计算模型和实验的结合非常可能是神经科学在90年代中的一个主要趋势。”“当神经科学进入90年代的时候，越来越清楚地表现出模型和实验之间对话的重要性。计算模型也变得十分有力，足以对神经系统如何工作做出具体的预测，而这些预测远不是从直观上就能想象得出的。反过来，对脑细胞生理学的了解可用来修正模型，使之更接近于生物学真实。一旦模型在生理学上更有根据，它们就可做出更有力的预测。如果说这种相互作用现在还处于它的婴儿期，也还没有产生重大的成果的话，那么看来很清楚在下一个十年中它要开始做到这一点。”神经科学的发展本身已正在证实他们的上述这些论断。回想一下神经计算模型的一些经典例子吧!正是Hodgkcin和Huxley关于可兴奋膜上动作电位产生和传播的模型，阐明了这些现象内在的离子通道本质，奠定了电生理学的基础。而Hartline和Ratliff关于复 眼侧抑制网络的方程深刻地阐明了相互抑制在神经系统提取空间变化信息、加强对比度、突出边框和细节中的作用，从而为久已知之的心理学上的马赫带现象找到了可靠的神经生理学基础。在举了这样久经考验的经典例子之后，让我们来看看90年代进入第七个年头的情况又是如何吧!我们可以举美国和日本的两个例子来说明。美国南加州大学的Arbib教授(顺便说一句，他曾是控制沦奠基者Wiener的研究生，目前是南加州大学具有神经科学教授、计算机科学教授等五个头衔的教授)1995年主编了一本“脑理论和神经网络手册”。该书重3公斤，有1 110页之多，然而在Nature关于该书的一篇书评中对其主要的批评却是说该书未能反映当今的许多重要工作! 日本在今年将成立一个以伊藤正男教授为所长的耗资6100万美元的脑科学研究所，并在今后五年内翻六番。这个研究所的一个显著特点就是对理论的重视，要研究“信息处理的基本原理，并弄清楚如何将其应用于脑和计算机这两个方面”。伊藤相信除非神经科学的理论基础得到加强，否则它就将走进——个死胡同。
读者读到这里是否可以认为，如果我们建立起某种合适的理论框架，发展起各种有神经生物学根据的计算模型，我们就能彻底解开大脑之谜呢?这也是本文的题目所要问的问题。计算模型无疑已经而且还将帮助我们解开脑的种种谜团，问题是它能引导我们走多远?这实在是一个难题。这里首先必须澄清的一个问题是“计算模型”中的“计算”指的是什么?这里有两种不同的理解，——种是狭义地把计算理解成图像意义下的计算，也就是目前的VonNetunann式的传统数字计算机中所进行的那种计算。在这种理解之下， “脑的计算模型能带我们走多远”的问题也就等价于“用传统的数字计算机模拟脑能走多远”的问题。对于“计算”的—种更为广义的理解是把计算理解为存在着某些规则把一个物理系统映照到一个抽象系统，给这些系统一定的输入可以得出我们感兴趣的输出，实质上这几乎就是把“计算”理解为“信息处理”的同义语。对于“计算”一词的这样两种不同的理解自然对本文所提出的问题的回答产生不同的影响。
一般说来，对于脑功能的研究如果不涉及到思维和知觉的内在的一面——事物给主体的主观感受，不涉及到自我意识的问题，这也就是Chalmers所谓的有关意识的“困难的问题”，那么正像前面所说的那样，人们普遍认为计算模型不仅对阐明脑功能可能是有用的，而且是必要的。甚至对像认知和意识这样一些高级功能，也不乏持乐观态度者。例如Koch指出： “如何在突触和神经元的水平上实现诸如图像背景分离、目标识别、选择性注意以至最终像意识这样高级层次上的认知方面的功能呢?由联结主义者和计算神经科学界中所涌现出来的大量理论研究正开始用神经上似真的模型来处理这些问题……只是在过去几年中才提出了用基于神经元之上的模型来模拟这些过程中的某些已知行为。这种理论化的强劲势头甚至导致试图用我们对神经元及其活动模式的理解来建立和表述‘视觉意识’的某种理论框架。”Mccllelland和Plaut也指出：“‘计算模型’是揭示人类认知过程本质的有用工具。特别地，联结主义模型给研究工作者提供了考虑认知的基本性质及其在脑中实现的全新的思想方法。它们支持丁对感知、记忆、语言思想和认知发育的一些重要方面的新解释，并使之能把认知过程和基本的生理机制联系起来。这些模型也帮助我们理解脑功能的失常如何导致认知的失常。”但也远不是所有人都持这种观点，特别是当牵涉到自我意识的时候。Searle提出了一个著名的“中文屋子”的假想实验来说明尽管数字计算机可以模拟人的智力行为，甚至到了以假乱真的程度，但是计算机本身对它所做的一切却毫不理解。他的假想的实验是这样的：假设有一位完全不懂中文而只懂英文的人被关在一间屋子里，通过一个缝隙人们可以递给他用中文写的问题，他可以根据用英文写就的各种指令对这些中文符号进行操作，并把最后结果通过另一缝隙输送出去。如果这些英文指令足够丰富，那么虽然这个人完全不懂中文，然而他却能完全正确地用中文回答各种中文问题。这在局外人看来似乎此人精通中文一般。Searle用这个假想的实验说明虽然计算机可以表现出类似于人的智力活动的行为，但它自己并不具有意识，就像上述例子中的那个人一点也不懂他在操作的中文问答是什么意思一样-另——个假想的实验是假定一位神经生物学家，她掌握所有有关色觉的一切理论知识，然而她从出生之后就一直只让她看到黑百两色。那么尽管她可以对色觉讲得头头是道，然而她却不能理解譬如说红色这种颜色的主观感受是怎么一回事。因此在这些科学家看来，计算机无法解决事物给主体的主观感受。换言之，在他们看来要用脑的计算模型来解决这种有关意识的“困难问题”是十分困难，甚至是不可能的。此外，甚至对像视觉的早期过程这样一些“容易的问题”，也不是所有的人都认为是可以用“计算模型’’解决得了的。一些人认为视觉最初抽提的是对象的大范围性质，而非其局部特征，由于这种性质在图灵意义下的计算上的复杂性，看来脑在执行此类功能时不能用这样的“计算”来解释。
然而如果我们承认意识归根到底是大脑这种“特殊机器”的—·种属性，如果我们采取对计算的广义的理解，如果注意到目前巳制造出从外部特性与内部机制上都和真实神经元十分接近的硅神经元，以及超大规模集成电路技术的飞速发展，那么我们就不能排除有一天能造出从元件特性到系统结构都和脑相似的某种硬件的可能性。如果有一天我们真能造出这样的“计算模型”，那么凭什么我们就能肯定地认为这种系统一定不可能具有某种主观感受呢?当然，这样的一天也许离今天还很遥远，但在我看来这种可能性还不能绝对地排除。另外，正如本文一再强调的那样，今天脑模型和脑理论还处在它的婴儿期，不要说上面所讲的有关意识的“困难的问题”，甚至对于成千上万个“容易的问题”，现在也刚在开始研究，摆在“脑计算模型”工作者面前现在可以着手做的事正多，我们还远没有到必须立即解决有关意识的困难的问题的阶段。然而，对这类问题的科学的考虑将使我们对脑计算模型的作用有一个正确和客观的估计，避免陷入盲目性和走进某种死胡同。公理方法推动了数学的飞速发展，以致使希尔伯特曾产生了根据公理和演绎可以推导出一切数学命题，并因而使希尔伯特的宏愿受到致命的一击。然而也正因此使我们避免了为实现希尔伯特的遗志徒劳无功地妄费精力!因此尽管脑的计算模型，甚至是狭义意义下的计算模型还刚刚起步，前面的路还十分漫长，“科海拾贝”还是遍地黄金的时候，我们就要开始思索本文标题所提的问题，这决不是杞人之忧!很明显，本文并没有给这个问题以任何确定的回答，否则它也就不成其为困难的问题，关于这个问题的争论必然还会继续下去，然而正是这种争论和由此引发的严肃的科学实验和理论思考将推动我们对自然界中最大的奥秘——我们的脑的理解、保护和模仿!
Published by 淡水轻云
本文转自许珈毓的技术思考博客51CTO博客，原文链接http://blog.51cto.com/jiayu/115668如需转载请自行联系原作者
BabyXc
