主题：Ricard Solé：固体大脑、流体大脑与合成大脑 -- 万年看客
https://www.youtube.com/watch?v=EIb5-LJbcIM&list=PL4i9YSoIJiPeWWDfOimNzy08bFl_pX8Zl&index=25
我的讲座涉及非常令人兴奋的研究领域，也就是针对认知空间进行测绘。我们的研究对象不仅包括常见的固体大脑，还想要研究在我所谓的“认知生物圈”当中究竟可能存在怎样形态的大脑，我们能否理解形成大脑的进化动力，以及我们能否超越进化，通过工程学手段重现大脑的复杂性。
上中学的时候我接触到了一本小书，名叫《蒙地卡罗方法》，最早在苏联出版。这本小书是系列科普丛书的一部分。蒙地卡罗方法由冯.诺依曼与斯塔尼斯拉夫.乌拉姆发明，是物理学家用来给随机复杂性建模的常用方法。我那时候还没有个人电脑——我确实已经这么老了——于是就一手拿着计算器，一手抛硬币，计算书中给出的气体模型。这段经历让我学到了两件事：首先，人工近似手段是理解现实的强大工具；其次，虽然丛书名叫《大众数学》，但是读透这本书并没能让我更受校园公众的欢迎。画面上这张照片的左右二人分别正是乌拉姆与冯.诺伊曼，被他俩包夹在中间的则是理查德.费曼。在接触了冯.诺伊曼之后，上中学的我又进一步读到了Michael Arbib的《大脑、机器与数学》。这使得我第一次意识到有人正在用数学方法理解大脑的复杂性。后来我也加入了针对这些有趣问题的研究。
我们想要理解很多问题，例如大脑为什么会存在？这个问题又是关于复杂度的更广泛问题的组成部分。仔细想想，为什么生物圈没有被单细胞微生物彻底占据？身为单细胞并不耽误微生物自我复制繁荣生长，大脑却极大地增加了生命的复杂度，而且一切复杂度的提升都伴随着代价。其他问题包括：究竟有几种大脑？是否存在其他类型的心智？语言是心智的先决条件还是结果？是否可能人工制造心智？目前说到构建心智复杂性，我们一方面要向自然界偷师，另一方面要学习进化向我们揭示的经验，那么有朝一日我们能否超越当前的学习阶段，创造出自然界不存在的心智？还有，进化当中的重大创新如何发生？Eors Szathmary与John Maynard Smith多年前发表过一篇论文，题为《论进化当中的重大转型》，从细胞的出现谈到信息编码系统的形成，一直谈到了语言的出现。顺着他们的话题，意识是怎么出现的？意识有什么用？对此我有答案——当然我很可能是错的——待会儿再告诉大家。Eva Jablonka与Marion Lamb则认为，进化创新可以理解为进化从生物可能性空间的一种状态跳跃到了另一种状态。他们主张，具有认知能力的能动主体为进化带来了非凡的变数。在早期进化当中，基因信息决定了一切。但是具有认知能力的能动主体不依靠基因也能传承信息，因此获得了极大的优势。这样的信息可以在主体之间共享，可以快速扩散，可以突破个体的限制。
我想强调两点：首先，大脑出现的可能性有多大？这个问题触及了生物进化的根基，而且还进一步渗透了许多其他知识领域。一方面，大脑看似只是随机、意外与历史在进化过程当中的体现；另一方面，或许存在某种强大的定律决定了哪些生物结构可以乃至可能出现，大脑也必须遵从这些定律。画面左边这位是斯蒂芬.古尔德，他强烈支持前一种观点。在他看来，进化是一个高度基于历史的过程，一丁点小改变就能显著影响长期结果。就好比电影《生活多美好》里的情节：男主是个饱受不公正打击的好人，心灰意冷之下觉得自己当年要是没出生或许反而对这个世界更好。然后天使带着他观看了他没出生的时间线。在这条时间线上，每一位他曾救助过的人都因为没有遇到他而落得了悲惨的结局，首当其冲的就是他的亲弟弟——由于他的缺失，他弟弟小时候坠入冰窟淹死了。像这样的微小悲剧不断叠加，以至于他的家乡都破败了下去。这部电影的寓意显而易见：历史上的任何变动都足以改变一切结果。古尔德将这一理念应用在了进化当中。他认为如果我们能够让地球生物的进化从六亿年前再来一次，最终将会得到一个完全不同的生物圈，布满了我们认不出来的异星生物，其中自然也包括认知主体。我并不同意这个看法。另一方面，Jacques Monod则主张偶然性在进化当中起到了最重要的作用。最近Sean Carroll——是生物学家，不是物理学家——最近出版了一本《进化的偶然》，其中就阐述了这个主题。
但是偶然性真的这么重要吗？在自然界，相同的解决方案往往会一次又一次相互独立地重复出现差别极大的生物类群当中。比方说眼睛。我们人类拥有的相机式眼球在进化中独立地被重新发明了大约25次次。章鱼的眼球结构与人类虽然不能说一模一样，至少也是更有过之。这个现象被称为趋同进化：之所以某个解决方案会反复进化出来，是因为进化必须遵循非常严格的限制——不仅包括生理限制，甚至可能还包括数学限制——因此进化的可能性实际上十分有限。Simon Conway Morris的《生命的解法》听上去像是鸡汤读物，其实讲得也是趋同进化。书中列举的例子从细胞、基因到心智不一而足。Pete Alberch则指出，就连畸形生物体的畸形类别都是有限的，比方说人类和鱼类都能产生双头同体畸形，也能产生背靠背的连体畸形。
再来说说大脑。我们能否构建一个大脑与认知的空间？首先我们有固体大脑，“固体”意味着大脑里的神经元一旦发育完成就位于特定的空间位置，并且以一种或多或少还算稳定的方式连接到其他神经元，一切大脑功能都发生在连接之间。相比之下，不妨将蚁群视作流体大脑，或者说由大脑构成的大脑。其他的例子还有免疫系统。就像神经系统一样，免疫系统也能收集、处理、存储信息，但是构成免疫系统的细胞却在身体里到处游走。类似这样不同类型的认知结构究竟存在多少种？它们的能力能有多强？于是我和同事Melanie Moses以及 Stephanie Forrest合写了论文《流体大脑与固体大脑》，由此展开了这方面的研究。但是一开始我们甚至就连流体大脑的定义都拿不出来。我们想要将地图画得尽可能宽广，包括微生物与植物。随着研究开展，我们逐渐发现不同心智似乎可以根据关系亲疏构成一张网络。固体大脑的神经元之间存在相对固定的连接，蚁群当中蚂蚁之间的连接则不断地遭到打断与重建。免疫系统也是这样。
先来看第一个问题：进化为什么会产生大脑？是什么力量推动进化产生了大脑这样的复杂度？R.Llinas提出过一个假说：“有机体对于空间环境的积极探索是产生大脑的进化路径当中的关键一步。”有机体要在不确定的空间环境当中搜索资源，需要具有感知与探查能力，而大脑在这方面非常有用，因为大脑可以将信息处理与动作决策中心化。此外大脑在很大程度上是预测系统，预测对于大脑决策同样十分重要。
人类大脑是一系列意外的产物，大脑进化与形成和过程当中的许多环节我们尚不理解。此外大脑对于自身的优化能力也令我们大惑不解。大脑要消耗人体能量总摄入的25%，因此它必定非常重要。大脑有860亿个神经元，而且运作方式非常动态。只要探测以下大脑活动，就会发现一道道活跃区域如同波浪一样从大脑表面掠过。这些波浪发生在有序与无序的相互转化之间，使得整个大脑的活动保持同步，能够将脑内不同区域的信息整合起来。大脑既要实现模块化功能，又要时刻整合信息，这些波浪就是两个需求相互妥协的结果。其他生物的大脑也有类似的运作方式，例如十分简单的水螅大脑，以及稍微复杂一点的秀丽隐线虫大脑。这就又回到了偶然性与强大定律之争：大脑是否只能进化成现在这样？有没有可能生成一个结构与运作方式大相径庭的大脑？近年来人们开始思考能否用理论来描述大脑的特殊性或者现有大脑形态的不可避免。构建大脑的进化历程是一项很困难的任务，这就好比研究语言的进化。语言不会留下化石，心智也不会留下化石，但是这并不意味着我们毫无线索。例如阿根廷的平图拉斯河手洞，洞穴岩壁上布满了原始人的赭石手印。仔细一看就会发现所有的手印都是左手，因为它们要用右手来画手印。今天绝大多数人都是右利手，而岩洞则告诉我们这一现象可以追溯到远古。
人脑可以做到了不起的事情，尤其是视觉皮层。画面上的实验很能帮助我们形成关于大脑的理论。谁能看出左边的图片上有什么？有一只斑点狗。有些人一眼就能看出来。有些人看不出来，但是一旦听说图片上有一条狗，他们的大脑就会自动寻找狗的模式。还有些人就算知道图片上有一条狗也还是看不出来，这也没什么大不了的。这套自从我们还在蹒跚学步时就掌握的模式识别系统无法通过标准编程来实现。再来看画面右边的图片，将左边的画面截取了一半。但是只要你在左边能看出狗，在右边就也能看出狗。已经得到识别的模式会成为头脑的固有部分，十年之后再见到也能认出来。我们怎样为如此复杂的功能建模？Warren Mcculloch与Walter Pitts当年最早提出了单个神经元的模型，从那以后一步步发展，这才有了我们今天的人工智能神经网络。他们将一个神经元——其结构已经相当复杂了——进行了数学表达：一个神经元可以接受多个其他神经元发来的输入信号，这些信号可以是正向的，旨在激发这个神经元，也可以是负向的，旨在抑制这个神经元。每个信号都有权重，而这个神经元本身则有阈值，一旦达到阈值就会激发，并且向别的神经元发送信号。
我们可以用十分优美的数学语言来描述这个过程并且以此为其他事物建模。请想象我们有一套神经元，其中每个神经元都有激发与抑制这两种状态。我们将这些神经元铺设在二维平面——例如视网膜——并且让每一个神经元都与其他所有神经元相连。然后我们用图像或者字母之类的东西来训练这个网络。训练规则十分简单：假如两个神经元同时接受到了相同的信号——例如都接收到了黑色像素——就强化两者之间的连接；假如两个神经元同时接受到了相反的信号——例如一个接收到了黑色像素，另一个接收到了白色像素——那就弱化两者之间的连接。就这么简单，甚至不需要编程。这样的神经网络具备记忆力。如果我们将全部神经元之间的连接当成一张平面，连接越强则平面越是凹陷，则每一处凹陷都代表一项记忆。画面上的示意图描述了记住两张图片的神经网络。所谓记忆意味着神经网络即便遇到这两张图片的残缺扭曲变体也能辨认出来，或者说无论从哪个方向接近凹陷都会掉落到底部。
但是这只是某一类大脑的某一种建模方式。大脑潜在的普遍可能性又怎么说？究竟可能存在多少种大脑？大脑的构建要面临哪些限制？毕竟，很多看似可能的大脑形态我们从来都没见过，例如不分左右半球的大脑。接下来我要讨论四点：蚁群，绒泡黏菌，植物，以及认知系统的一般化空间。画面右边是人脑神经网络的一小部分，每个神经元都各安其位。画面左边是行军蚁群的一小部分，多年前我去巴拿马考察时对于行军蚁大为倾倒：每一只行军蚁都是瞎子，彼此只能通过触角接触来交流，但是狩猎中的蚁群却像极了单一有机体。两相对照之下，关键问题之一在于蚁群代表的流体大脑是否不如神经元构成的固体大脑那么复杂。当我们看到蚁群时很容易想到“谁在发号施令”？因为并不存在这样一只蚂蚁，就连蚁后都没这本事——蚁后就像立宪国家的君主一样，唯一的任务就是生育。蚂蚁、白蚁与其他社会化昆虫的特别之处在于它们的群体组织方式像极了大脑。一方面，蚁群可以积极地改造环境，构建上层建筑，形成我们所谓的“扩展心智”或者说蚁穴。蚁穴的体量远远超过单独一只蚂蚁，非洲的白蚁丘可以达到三四米，比起白蚁的尺寸高出了十个数量级。当然，白蚁并不知道这一切。白蚁也是瞎子，白蚁之间的化学交流方式同样非常简单。真正创造了蚁穴的是蚁群内部的自组织机制或者说复杂性涌现现象——同样的现象发生在人脑里就会产生意识——这样的复杂性无法还原到组成蚁群的个体。你抓住一只白蚁研究一辈子也不会明白它们如何搭建了蚁丘。解释蚁群行为的数学工具来自阿兰.图灵，这套图灵结构的作用就是解释流体大脑当中个体互动导致的涌现现象。
蚂蚁的另一项本事是找出两点之间的最短路径。在实验室里，我们在蚁穴外面放上食物，一只蚂蚁爬过去发现食物，沿途留下信号；另一只蚂蚁沿着信号爬过去也发现了食物，并且沿途也留下自己的信号。很快，蚂蚁个体与信号的互动就形成了蚁穴与食物之间的通路。那么假如你在蚁穴外面同时放上两块食物又会如何？假如一处食物比另一处更多，那么更多蚂蚁会爬过去，通向这边的通路上的信号因此也会得到更强的强化。我们可以做一个实验：在蚁穴与食物之间架一座桥，桥面从中间分成两支，一支比另一支更长。单独一只蚂蚁不可能知道哪边的桥面更长，但是对于较长的桥面来说，蚂蚁沿途留下的化学信号散失得更显著，使得接下来从这边爬的蚂蚁更少，使得沿途信号得不到强化，因此最终所有蚂蚁都会爬上信号更强的较短路径。
那么蚁群的复杂度能赶上大脑吗？我认为答案是否定的。我再提醒大家一遍，每一只蚂蚁都有自己的大脑，蚂蚁不是神经元。大脑拥有数以亿计的神经元，而我们尚未观察到这么大规模的蚁群。但有趣的是，当你试图用数学语言表达蚂蚁怎样解决最短路径问题的时候，完全可以将蚂蚁高度简化，甚至仅仅为其设定启动与关闭这两个状态。在这里我们不用神经元以固定方式交换信息的Mcculloch-Pitts模型，而是可以假设一套流体网络。蚂蚁相当于神经元，有激发与抑制两种状态。只不过蚂蚁会运动，因此不会仅仅与某几个蚂蚁进行互动，而是会随着时间推移与不同的蚂蚁互动。比方说蚁群中的每一只个体蚂蚁都会执行不同的特定任务，尽管它们的形态完全相同。有些蚂蚁寻找食物，有些蚂蚁巡逻，有些蚂蚁维护蚁穴。而且随着时间推移，某一只特定蚂蚁执行的任务也会改变。假设你将所有采集食物的蚂蚁一下子全都抓走，蚁群就会重新自组织，一部分正在从事其他任务的蚂蚁会转而去寻找食物，而且从事每项任务的蚂蚁数量依然是最优解。如果用数学公式表达，我们又会看到类似神经网络记忆凹坑那样的形状，这里的每一个凹坑底部都代表了从事某一项任务的蚂蚁的最优数量。这里我们探索的并不是什么描述神经元链接的超维度空间，因为蚁群内部蚂蚁之间的链接随生随灭。
这似乎意味着流体大脑面临着更大的局限性。在《星际迷航》当中有一个外星种族叫做博格人，不仅个体头脑发达，而且还能组成蜂巢思维。但是我们在现实当中却从没见过类似的现象，比如说具有发达大脑的蚂蚁个体。我们目前的观察结果似乎表明，蚁群的规模越小，个体蚂蚁就越复杂。我在巴拿马见过一种一窝只有百十来只的大蚂蚁，当地人称之为“24小时蚁”，因为被它们咬一口要疼上24小时。这种蚂蚁长着很大的眼睛，显然视力很好。通过观察可以发现，每一只蚂蚁或多或少都会就自己的行为进行决策。反过来说，随着蚁群规模扩大，随着蚁群的行为越发复杂，个体蚂蚁的智力似乎会随之降低，简直好像蚁群智力与蚂蚁智力之间必须进行取舍一样。我们将这个现象称作“复杂度流失”：社会越复杂，个体越简单——不要贸然将这个理论应用在人类社会。
接下来我要介绍的绒泡黏菌更是一种神奇的生物。画面上这张图片是巴塞罗那的奥尔塔迷宫花园。数学家一直为了迷宫而着迷，例如如何走出迷宫，如何确定迷宫出入口之间的最短路径，等等。绒泡黏菌非常擅长解决迷宫问题。绒泡黏菌既不是动物也不是植物，而是某种单细胞生命体，只不过同时具有好几个细胞核。人们最早发现绒泡黏菌的时间恰好赶上苏联发射旅伴一号卫星，当时有人在森林里看见这不断抽动的黄乎乎一坨，还以为是外星生命降临了地球。绒泡黏菌在空间当中伸展身体，形成很像神经网络的结构，以此来寻找食物。如果绒泡黏菌的一部分身体接触到了高营养的食物，黏菌就会抽回其他身体部分，全心全意向食物方向生长。人类非常聪明地利用了绒泡黏菌的本事。将绒泡黏菌铺满迷宫，然后在迷宫的出入口各自放一份食物，然后黏菌就开始行动了——别忘了，绒泡黏菌体内一个神经元都没有——一段时间之后绒泡黏菌就会以一条长管连接出入口，而且这条长管走得总是最短路径。
你可以给绒泡黏菌建模，将其简化成内部充满流动液体的管道网络。有趣的是，绒泡黏菌同样可以表达成阈值网络的形式，只不过这里被激活与抑制的不是神经元，而是某一段管道。如今绒泡黏菌的应用十分广泛。比方说我们在地图上将食物摆在各个城市所在的位置，黏菌在食物之间搭建的菌丝网络要比工程师们设计的公路网更加优化。还有人甚至将绒泡黏菌从平面模型引入立体模型，用来模拟暗物质在宇宙当中的分布。至于用绒泡黏菌搭建逻辑门什么的更是不在话下。因此有人说：“绒泡黏菌很擅长解决复杂数学模型。”这话说得多少有点扭曲事实。我们利用了绒泡黏菌搜索环境的非凡能力，但是黏菌的计算方式与人类使用的标准计算方式毫无关系。黏菌的计算方式就是改变形态，它的身体既是计算工具也是计算结果。人类在进行数学计算时会使用边界条件，而绒泡黏菌则不会这样束手束脚。绒泡黏菌在自然界解决的不是数学问题，而是资源问题。
接下来我们谈谈植物。我希望在座听众当中没有多少人相信植物有智力，反正我不信。不过植物确实曾经彻底改变了地球——是植物创造了土壤，也是植物形成了森林地貌。光合作用的量子特质直到今天我们仍未彻底了解。植物具备动物望尘莫及的形态变化能力以及随之而来的环境适应性。生活在自然环境当中——例如森林——的植物面临着多重生态复杂性，与其他植物既要合作又要竞争还要共生。这些复杂性也与认知有关吗？我们需要认真查看一下。植物细胞非常僵硬，外层有细胞壁，因此细胞之间的联系受到了极大的限制。植物体内没有神经元。植物的一切能量摄入都用于两件事，其一是生长，其二是自卫——植物可以生成多种化学物质来应对取食昆虫。
冯.诺依曼当年在研究人脑与计算机的关联时提出了以下观点——可惜当时他年事已高，没能进一步引申下去。当时计算机的基础元件很不可靠，因此计算机很容易就会死机。大脑则不会担心这个问题，哪怕大脑每天都会损失神经元。甚至就算因为外伤而损失一块脑组织，大脑也能凭借自身的可塑性将认知系统恢复到先前的状态。因此冯.诺伊曼主张，人工智能或许需要极大程度的冗余才能实现。我们不妨按照他的思路来看看植物与动物的区别。首先，植物固定在一个地点生存——按照空间探索假说，如果某种生物不必运动，那它也就用不着大脑。其次，如果我问你“你有多少器官？”你可以给我报账：“一颗心，两个肾……”；如果你问一株植物：“你有多少器官？”植物会说：“太多了，我的每一片叶子都是一个器官。”就叶子而言，每一片叶子都具备复杂的脉管网络，而且这些网络的分布同样实现了最优化。脉管网络的设计目的既要最高效地将营养传递到叶片各部分，又要尽量确保在遭到破坏时——例如被虫子咬出窟窿时——营养传递不会中断。为了确保这两点，需要适当数量的回环结构。植物的冗余性如此之高，以至于根本用不着中央控制系统或者智力。
黏菌、植物、蚂蚁、人脑——能不能将这些东西整合进同一个体系？我们目前的设想是构建一个可能性空间。这个空间有三个轴。Z轴是发育复杂性——就好比胚胎会逐渐发育出各种复杂结构——X轴是从流体到固体的物理状态，Y轴是认知复杂性。比方说器官的认知能力很有限，只会对简单信号产生反应，因此定位是高发育复杂度，固体，低认知复杂度——如果是打印技术制造的人工器官，还要把高发育复杂度调低。免疫系统可以接收信息并且学习，就整体而言与大脑的功能颇有相似之处，但是其结构是流体，因此定位是高发育复杂度，流体，高认知复杂度。我将蚁群定位在固体与流体之间——因为蚁群是流体而蚁穴是固体，发育复杂度不算低——因为任何蚁群都是由一只蚁后与几十枚卵发育起来的，认知复杂度也很高。人体肠道菌群由数以亿计的各种微生物构成，它们与人体关系密切，许多疾病的机制都与肠道菌群有关，它们甚至还能与免疫系统乃至大脑进行互动，因此虽然三项指标都不高，却也颇为平均。绒泡黏菌同样介乎于固体与流体之间，更接近固体；虽然能高度形变，但却始终是单细胞；此外还明显具有学习能力。请大家注意，在这个可能性空间中央的白色大球意味着我们尚未探索的各种形态可能性。在这片空洞当中见不到任何存在于自然界的组织结构。为什么？莫非进化出于某些原因无法进入这个空间？对于人类来说，这意味着工程学大有可为，可以在这片空洞里大展身手。
话说至此你们有人或许会说：“还有一个例子你一直没提——章鱼又怎么说？”过去二十年人们开始关注章鱼，因为章鱼非凡地彰显了进化可以沿着怎样大相径庭的路径产生心智。章鱼具有高超的学习能力与记忆力，而且还显然具有好奇心。例如章鱼会主动接触人类，似乎想要确定人类正在干什么。实验室豢养的章鱼能认出特定的人脸，还会趁着晚上没人的时候爬出自己的鱼缸，爬进隔壁鱼缸，并且趁着天亮之前再爬回去。因此章鱼理所当然地成为了科幻作品的常客。但是只要深入一层，就会发现章鱼其实并没有那么奇特。假如你将章鱼大脑切片并放在显微镜下让组织学家观察，问他看到了什么，他恐怕很难看出这个切片取自章鱼。 他更可能会这么说：“这东西看上去像是某种脊椎动物的脑组织，因为神经元很发达。”换句话说，尽管无脊椎动物走上了与脊椎动物相差甚远的进化道路，但是最终依然产生了章鱼，它的眼球结构与脊椎动物大同小异，它的神经元结构我们也十分熟悉。当然，章鱼的确有独特之处，例如它既有中央的主脑也有位于八条触手上的自主副脑。不过无论主副，大脑毕竟还是大脑。换句话说，或许大脑形态的可能性空间并不很大。为什么章鱼不能变得更加复杂，比方说掌握使用工具的能力？它们究竟遭到了怎样的限制？或许是因为它们寿命太短，自然条件下只能活一两年。假如未来我们利用生物工程技术延长了章鱼的寿命，结果将会怎样？别忘了章鱼显然具备学习能力，它们的大脑潜力显然没有得到充分发挥。
要想回答大脑如何形成的问题，我们并没有时间机器可用。不过我们可以尝试回答我今天提出的这几个基本问题，希望未来我们能够给出答案。谢谢大家。