接下来,我们来讨论模式的数据是什么样的。如果模式是一张脸,数据就至少存在两个维度。我们不能说必须先是眼睛,然后是鼻子,等等,对于大多数声音来说也是这样。一首曲子至少要有两个维度,可能同时存在不止一个乐器或者声音发声。此外,复杂乐器的一个音符(例如钢琴)就包含多个频率。一个人的嗓音同时包含随着发音力度水平不同而产生的许多个不同频带,所以任何时刻的声音都可能很复杂,而且这种复杂会随着时间的推移变得更加复杂。触觉输入也是二维的,因为皮肤是二维的感知器官,这种模式可能会随着时间这个第三维度的影响而改变。
所以,情况似乎是这样的:大脑新皮质模式识别器的输入如果不是三维模式,就一定是二维模式。然而,在大脑新皮质结构中,我们看到模式输入只是一维列表。我们建立人工模式识别系统(例如语音识别和视觉识别系统)的所有工作都证明,我们能(并且已经做到)用这些一维列表展现二维或三维现象。我会在第7章中描述这些方法是如何发挥作用的,但现在我们可以认为每个模式处理器的输入是一维列表,尽管模式本身反映出来的也许不止一维。
在这一点上,我们需要考虑到我们已经能够识别的模式(例如,某只狗或一般概念上的“狗”,一个音符或一段音乐)实际上是同一机制,该机制就是记忆的基础。我们的记忆其实是按列表模式组织的(其中每个列表值是皮质层级结构中的另一个模式),我们已经获取了该列表,并在受到适当的刺激时进行识别。事实上,记忆存储在大脑新皮质中的目的就是为了被识别。
唯一的例外存在于概念层级的最低一级,其中模式的输入数据代表具体的感官信息(例如,源于视神经的图像数据)。可是当它到达皮质时,就连这个最低模式层级也已明显地转化为基本模式。组成记忆的模式列表是按时间先后顺序排列的,而且我们也只能按照这个顺序留下记忆,反向记忆对我们来说很难。
一段记忆需要另一个想法或另一段记忆触发。当我们认识一个模式时,就能经历这种触发机制。当我们感知到“A”“P”“P”“L”这些字母时,“APPLE”模式就预测我们将看到“E”,并触发预期的“E”模式。在看到之前,我们的皮质就会“设想”看到“E”。如果皮质中这个特定的交流引起了我们的注意,我们就会在看到之前,甚至在从未看到的情况下,想着“E”。相似的机制则会触发过去的记忆。通常会有一整串这样的链接。虽然我们对触发过去记忆的记忆(即模式)有某种程度的意识,但记忆(模式)却没有语言或图像标签。这就是为何过去的记忆会突然跳进我们的意识中。这些记忆已经尘封多年,并且一直未被激活,它们需要一个触发因素,就像网页需要链接激活一样。同样,就像一个没有其他网页链接的网页被孤立一样,记忆也会被孤立。
我们的想法可以由发散模式或定向模式激活,它们都使用相同的皮质链接。在发散模式中,我们让链接自行运作,并不试图将它们引导至某一特定方向。某些形式的冥思(就像我练习的超觉冥思)就是建立在随心所欲的基础上。梦也有这种特质。
在定向思考中,我们尝试通过一个较有次序的过程逐步回想起一段记忆(例如,一个故事)或是解决一个问题。这也涉及在大脑新皮质中逐步通过列表,但是发散思维中结构化程度较低的慌张行为也伴随有这个程序。因此,我们思维里的所有内容是非常无序的,这就是詹姆斯·乔伊斯(James Joyce)在他的小说《意识流》(Stream of Consciousness)中描述的现象。
在生活中,当你思考记忆、故事或模式的过程时,不论是与散步时是否可能遇到一位推着婴儿车的妇女带着孩子有关,还是与你和伴侣如何相遇的情节有关,你的记忆都是由一个序列的模式组成的。因为这些记忆没有贴上词语、声音、图像、视频的标签,所以当你尽力回想某一件重要的事情时,实际上,你要在头脑中重建图像,因为真实的图像并不存在。
即使我们去“阅读”某个人的思想,并实际观察他大脑新皮质中的真实情况,依然很难对其记忆进行解读——我们到底是要单纯观察存储在大脑新皮质中等待触发的模式,还是要看那些已经被触发且当前正作为有效的想法而被体验的模式呢?我们看到的将是数百万模式识别器同时被激活的场面。1/100秒过后,我们又将看到一组不同数量的被激活的模式识别器。每个这样的模式又将变为一列其他模式,这列模式中的每一个又将变为另外一列模式,如此继续下去,直到转化成最低层级的最基本模式为止。如果不把所有层级的所有信息都复制到皮质中,就很难解读出这些高层级模式的意义。因此,只有考虑到较低层级携带的所有信息,大脑新皮质中的模式才有意义。此外,同层级以及更高层级的其他模式在解读特定模式时也是相关联的,因为它们能提供背景信息。因此,真正的思想阅读需要的不仅仅是监视人脑中相关轴突的激活情况,也要从本质上连同所有的记忆一起,检查整个大脑新皮质,才能理解这些激活究竟是什么意思。
当我们经历自身的想法和记忆时,我们“知道”其中的意义,但这种意义并不是易于言表的想法和记忆。如果我们想与人分享,就必须把它们转化成语言。这个任务也需要大脑新皮质借助我们为使用语言而习得的模式识别器来完成——该识别器通过模式训练得来。语言本身高度层级化,而且通过进化利用大脑新皮质层级化的本质,反过来反映出了现实世界的层级本质。人类天生就有识别语言层级结构的能力,诺姆·乔姆斯基(Noam Chomsky)在论述大脑新皮质结构的反映时就曾提到这一点。在2002年与他人合著的论文中,乔姆斯基在说明人类独特的语言才能时引用了“递归”(recursion)特征。[116]根据乔姆斯基的说法,递归是把小的部分拼凑成大块,再将该大块作为另外一个结构的部分,并反复继续这一过程的能力。这样我们就能以一组有限的词语构造出结构复杂的句子和段落。尽管乔姆斯基并没有由此明确指向大脑结构,但他描述的正是大脑新皮质所具备的能力。(www.xing528.com)
在很大程度上,哺乳动物的低等物种会利用它们的大脑新皮质应对其特殊生活方式中的挑战。人类则更多地通过发展皮质,获得其他处理口头和书面语言的能力。有一些人获取的技能比其他人更好。如果把某个故事讲了很多遍,我们就可能开始认识到语言的序列,它将故事描述成一系列分割的序列。即使这样,我们的记忆也不是严格意义的词语序列,而是语言结构序列,每次讲故事时我们都需要将之转化为具体的词语序列。这就是我们每次分享同样的故事时总会有些变化的原因(除非我们将确切的词语作为模式获取)。
这些对详细具体思考过程的描述,我们也要逐个考虑到冗余问题。就像我提过的那样,我们并没有一个能够代表生活中重要实体的模式,不论这些实体是感官内容、语言概念还是事件的记忆。每个重要的模式——处于每个层级中,都会重复多次。其中一些重复是简单重复,但还是有许多代表不同的视角和观点。这就是我们能从不同方向、不同照明条件下识别熟悉脸庞的一个主要原因。层级结构向上的每个层级都有大量的冗余,允许与该概念保持一致的、一定变化程度的存在。
所以,如果我们检查你看着某个喜欢的人时的大脑新皮质,我们将发现模式识别器的每个层级都有大量轴突激活(见图3-3),从原始的感官模式的基本层级一直上升到许多不同的、代表那个人图像的模式。我们也会发现代表其他场景的大量激活,例如那个人的动作以及他说的话等。因此,这种经历比较单纯的、有次序沿着层级结构的旅程更丰富,而事实也是如此。
图3-3电脑模拟的大脑新皮质中大量模式识别器同时被激活的场景
但是,上升到模式识别器层级的基本模式仍然有效,其中每个更高的概念层级代表一个更为抽象、更为完整的概念。向下的信息流更为重要,因为识别模式被激活的每层都会向相邻低层级模式识别器传递预测信息——接下来可能会遇见什么。人类经历的丰富多彩是大脑新皮质中数以百万计的模式识别器在同时考虑输入的结果。
在第5章,我会讨论从触觉、视觉、听觉以及其他感觉器官向大脑新皮质传递的信息流。这些早期的输入由负责相关类型感觉输入的皮质区域进行处理(虽然新皮质的不同区域都有极大的可塑性,但各自反映的功能却基本一致)。大脑新皮质的每个感觉区域中最高概念之上的概念层级关系仍然适用(概念层级在大脑新皮质的每个感觉区域最高概念之上仍能发挥作用)。皮质联合区将来自不同感觉器官的输入综合在一起。当我们听到某种可能与配偶发出的声音类似的声音时,接着就发现某些表明他在场的迹象,我们并没有进行复杂的逻辑推理,而是从这些感觉识别的综合中,察觉到了配偶的出现。我们综合所有相关的感觉和知觉线索——也许还有他的香水味,作为多层级的感觉。
皮质联合区之上的概念层级中,我们能处理更为抽象的概念,如感知、记忆和思考。在最高层级中,我们可以识别“这是有趣的、她很漂亮或者那很讽刺等”模式。我们的记忆也包含这些抽象识别模式。例如,我们也许会回忆起和某人散步,然后他说了一些趣事,引得我们大笑,尽管我们也许不记得那个笑话的内容了。那段回忆的记忆序列只是记录了幽默的感觉,而没有记录趣事的确切内容。
在第2章我曾提到,尽管我们对模式的识别没有达到对其进行描述的程度,但往往却能够完成识别。例如,我相信自己能从一堆女人的照片中挑出我今天早些时候见过的那个女人的照片,尽管我并不能描绘出她的形象,也不能描述她的具体特征。在这种情况下,我对她的记忆是一系列特定高层级特征。这些特征并没有附属的语言或图像标签,也不是具有像素的照片,所以我想着她时,并不能描述她究竟长什么样。可是,如果我看到她的图片,我就能处理那张能够引发与我第一次看到她时识别相同的高层级特征的图片。我由此能够确定特征相符,也就能自信地挑出她的照片。
即使我只在散步时见过她一次,但我的大脑新皮质中也可能早已经形成多个她的模式的副本。然而,如果我在某一段时期不去想她,这些模式识别器将再分配给其他模式。那就是为何随着时间的推移记忆会变得模糊:因为冗余量会逐渐减少直到某些记忆逐渐消失。但是,既然我在此写到我记住的那个女人,那我对她的印象就会变得更加深刻,所以我也就不那么容易忘记她了。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。