高层次信息研究现状及存在的问题：理论神经信息学初探

目前，高层次信息研究理论很多，说法不一，而且还在不断涌现种种思路。总的来看，这方面的研究目前至少还面临以下几个问题。

1.神秘主义和还原论之争

正像老鼠永远不能理解量子力学一样，脑永远不可能理解意识，这是神秘主义的观点［1］。人的一切喜怒哀乐都与神经元的活动有关［3］，这是还原论的观点。它们是两个截然不同的观点。在没有对大脑或高层次信息深入了解之前，这样不同观点之间的辩论将会一直进行下去。

2.很多概念缺乏明确定义

由于信息科学的发展，低层次信息研究的范围比较明确。高层次信息中很多概念都还没有被明确地定义，每个人按自己的观点做出解释。埃德尔曼曾指出，“意识”和“注意”，是每个人都知道的事，可是100 多年之后，许多人认为，人们根本没有理解意识和注意［4］。什么是意识？什么是性格？什么是快乐和痛苦？神经系统十分复杂，因此它表现出来的行为也是多种多样的，有时很难区分。如精神疾病和正常状态间的变化过程是连续的，因此两者的界限很难划分。文献［2］是关于神经科学的哲学问题讨论，指出了关于心脑关系的概念混淆，影响了神经科学家所开展的研究的可理解性。书中指出了大量的概念混淆之处，不管其中的观点是否正确，但至少反映了这一领域中存在种种概念不清的现象。

造成概念不清的一个主要原因是，高层次信息研究脱离了生物学的载体。计算机能储存、处理语音信号，但听不懂语音；脑也是这样，神经系统能储存和处理信号，但心不会思考：这就是心、脑分离的两元论观点［1］。当然二元论也承认心、脑之间存在联系。按二元论观点，现在的高层次信息研究基本上都与神经信号脱离了，直接在高层次上研究意识，只从人的行为出发来研究高层次意识等问题。由于行为的复杂性、随意性，意识等定义很难有明确的界限。翻开几本权威书籍，如文献［1］和［3］至［6］，其中几乎没有任何数学公式，也没有具体的系统图，只有文字描述。

3.现有观点的局限性

用现有的信息科学的观点和方法去研究高层次信息存在很大问题。如仅举几个例子用不动点来描述记忆，已有文章对此表示质疑［7］；用自组织、自组织临界等来描述脑的“突现”［8］，用同步来描述联想和“绑定”［9］等也逐渐被人怀疑。自由意志之类的问题让人无法理解，甚至认为有不可克服的矛盾［10］。更有人认为，现有的科学理论不能解释意识，解释意识需要全新的定律［1］。

4.高层次信息存在不确定性，很难进行统计分析

每一个人的思想都是世界上独一无二的，尽管有时某两个人在某些条件下想法一致，但仔细分析这些想法，它们可能还有很大差别。即使两个人有相同的经历，他们的思想还是会不一样。对于这些不同，有很多人常在研究中采用统计方法对其进行分析，可是这些不同往往是不满足统计规律的。人的灵感的产生、思维方法的变异、性格、行为等都很难用统计方法分析。

文献［1］举了这样的例子：当你想回忆某个熟人的名字时，这个名字可能就在嘴边，但是你怎么也想不起来；半小时以后，那个名字突然跳到了你脑海中。这种描述在一般的理科书籍中是不会出现的，因为它不足以证明什么。可是这种现象在很多人身上确实都出现过，很多人都相信它的存在。但如果对几百个人或更多人进行统计实验，却可能无法得出满意的统计结果。我们应该充分认识到，不能用统计方法来分析生物系统的规律性，这也是生物神经系统的特点。

在第12 章已经讨论过，我们的观点完全不同于文献［11］的观点，我们不会把找不出统计规律的现象都归因为“脑太复杂”。掌握了脑所有的要素，是否就能找到统计规律？回答还是否定的。追求统计上的不变性还是确定论的思想方法，确定论的思想是解决不了不确定系统的问题的。高层次信息处理不能用统计实验方法来证明，这就是高层次信息实验的困难。

5.高层次信息仿真的困难

2009年正式出版了一本《国际机器意识杂志》（International Journal of Machine Consciousness）（已于2014年停刊），其主编Antonio Chella 提出：“我们必须把机器意识的问题，看作是像登月一样的巨大挑战。”到现在为止，还没有一种号称是“机器意识”的软件或者机器人能真正涉及意识的困难问题，也没有人知道为此该怎么做。不过也有人认为，如果系统复杂到一定程度，主观感受也许就会自发地涌现出来。这是良好的愿望，现在确实还有不少人是这样想的。

由于目前的高层次信息理论没有数学模型，也没有一个系统框图，所以要真正仿真大脑存在很大问题，现有的仿真只是一些表象的仿真。人工智能也可以说是一种仿真，但是到目前为止，所有人工智能都还停留在低层次信息处理上。正像霍金斯所说，现有的人工智能都没有智能［12］（这是霍金斯在2004年的言论，鉴于深度学习还没有在理论上实现突破，他的这个言论如今仍适用）。克里克也指出，人工智能科学家试图通过编写程序，让计算机模仿人类的行为，却没能回答智能是什么，其含义又是什么。他们遗漏了建造智能机器最重要的部分，即智能。［3］(www.xing528.com)

机器狗能做到像真的狗一样对主人做出反应，用手摸一下它的背，它就会摇头摆尾。要机器狗做出这种反应是很容易的事。如果把真实的狗的这种动作的规律都记录下来，并用相应程序将其存放在机器狗体内的计算机中，这是否表示机器狗渐渐有了“智慧”？即使机器狗能产生与真的狗类似的反应，但是在传递与真的狗类似的感情方面没有跨出任何一步，也不能称这个机器狗已经有了“智能”。

前人与计算机比赛下棋，计算机竟然赢了国际象棋大师，这是否说明机器已经有了脑的思维，而且已经超过了脑？其实这种竞赛对于神经信息研究毫无意义［12］。

高层次信息处理的机理研究目前还仅仅停留在观测、解释阶段，还没有进入理性阶段，目前的人工智能就处在这样的状态。所以高层次信息仿真仅仅停留在对表面现象的仿真上，这种仿真对研究神经信息毫无益处。当然，对于信息科学来说，不管它是否与脑的信息处理有关，只要有利于信息处理，任何方法都有被采用和研究的价值。可惜长期来看，这些仿真效果不佳，像语音识别或图像识别等结果远比不上脑。

6.高、低层次信息混淆

神经系统的图像识别机理与现代信息科学中的图像识别机理不同，人们由于对人的视觉机理基本不了解，因此对神经系统的很多图像处理现象感到奇怪。很多视觉的错觉现象和心理物理学实验现象等涉及的原本是低层次信息处理，却常常被解释为高层次信息的表现，并且人们从这些现象中挖掘出种种意识上的“新概念”。这些新东西越多，越使人感到糊涂。有人提出，眼睛是人们心灵的窗口，这种说法被很多人所接受。如果我们能彻底搞清视觉图像处理的机理，那么至少有一大类视觉现象可以用动力学的原理来分析，用不着采用“意识”之类的概念来解释。只有这样，才可以逐渐缩小对高层次信息的思考范围，理清人们的思路。

7.理论假设的提出往往基于一个现象

人们往往以某个生理现象为出发点，来提出自己的高层次信息猜想机理。目前为止，几乎所有的理论都可以与脑联系起来。由于脑的复杂性，人们对这诸多理论既不能肯定又很难否定，但是这些理论往往在某些方面相互矛盾，这样反而把问题越搞越复杂。脑本身只能服从一个规律，不可能服从多个理论。第9 章已经讨论过，同一现象可以用不同的理论解释，在这样的情况下，提出任何一个新理论时应首先分析新理论与现有理论的差异，要在深层次机理上分析现有理论存在哪些缺点和不足，这样才能使新理论成为有说服力的理论。

埃德尔曼抓住脑的多变性，发现了神经系统有“简并性”存在，于是提出了“神经达尔文主义”。埃克尔斯等发现像“思考”这样的事件具有高度的随机性，是一般动力系统所不能描述的，于是引入了量子力学的概念，提出了“微位假设”（microsite hypothesis）［5］。埃德尔曼对生物神经系统在生理上的描述应该是对的，但他提出了一个不成系统的理论框架——神经达尔文主义，人们无法在他的基础上进一步深入。神经达尔文主义根本不讨论埃克尔斯发现的问题，不能评价埃克尔斯发现的现象是对是错，也不能评价埃克尔斯分析的是否是关键问题，这可能是埃德尔曼的理论被批评［13-14］的原因之一。埃克尔斯的发现可以说是本质性的，他已看到了脑的不确定性本质。但是他不知道是脑内的什么因素使信号出现了“随机性”，他想到了量子力学中的随机性，然而问题是，将量子力学引进到神经信息研究能解决哪些问题？至少埃克尔斯根本没有考虑加入随机因素会带来什么新现象，这些因素对高层次信息处理是否有好处，能否有助于神经信息的分析。如没有好处，为什么要加入随机因素？同样，埃克尔斯的假设也无法评价埃德尔曼发现的现象，科赫就不相信量子力学会产生意识［1］。

埃德尔曼和埃克尔斯的讨论作为初期的探索是可以的，但是随便把类似性的比喻当作理论基础是不行的。不问本质、只做表象模仿的理论是经不起推敲的，只有深入到本质问题，才能知道各种理论是对还是错，知道自己的理论与其他理论的差异。然而现在的高层次信息研究还没有形成一个由浅入深，由基础到深层的研究模式（这并不是指“自下而上”），研究还没有做到一步一个脚印地向前进。

8.学科交叉的副作用

学科交叉是目前最时髦的口号，似乎一切创新都来源于学科交叉，当我们解决不了问题的时候，就想到学科交叉。同时有人认为，不同学科的人越多，就表明该研究单位的思想越活跃。要想研究复杂的脑，就要考虑学科交叉；没有学科交叉，就不能搞神经信息。这种思想往往会吓退很多想要涉足脑研究的信息学家。

飞机能制成并能成功起飞，这是固体力学、空气动力学等多学科交叉的结果。但是这里一定要有一个总工程师，他知道飞机出现问题时应该请哪个学科的人来解决。研究脑，也需要这样一个“总工程师”。

把神经信息学与心理学和哲学等拉在一起，有时候能起到协助作用，但可能也会引起多学科混杂和干扰带来的副作用，使人搞不清方向。神经信息学需要研究的内容与心理学关注的内容基本上是不同的，心理学研究可以离开神经系统而进行，而神经信息系统离开神经回路还能做什么？对于信息科学来讲，稳定性十分重要，可是心理学和哲学基本不考虑稳定性的问题。从神经信息学角度来看，学习、记忆与决策等是可以与神经回路连在一起的。从心理学角度来看，要想在脑中寻找犯罪的神经元或神经网络是可笑的。哲学思想确实对神经信息研究有影响，但是哲学无法帮助我们构建理想的神经网络。遗传基因学是生物学中最被推崇的理论，但它能解开神经信息学的机理吗？在脑中要找到语言基因也是不可能的，但是确实有人在这方面进行了研究［15］。这些现象都是多学科交叉的副作用，并非学科交叉越多越好。多学科交叉必须分清各学科在同一研究中的作用和地位。应该认识到，心理学、哲学和神经信息学是三门截然不同的学科，在三方专家都给不出“意识”确切定义的情况下，想要通过讨论而得到统一的定义，可能反而会把问题复杂化。

更因为现在的“意识”模型还都是文字模型，所以每个人都可以对其随便叙述，毫无困难地构成一个文字“系统”。对同样的文字，每个人又可以有不同的理解，问题是不同观点之间矛盾很大，在这样的情况下，若能给出让大家都同意的定义，这一定义可能也是模棱两可的。