配资可靠吗大脑是不是一台计算机？一场持续80年的争论

人工智能时代最好玩的问题，或许不是机器可以有多像人，而是人是不是本来就是一台机器。

罗曼·布莱特（Romain Brette），这个“老登”，是最顽固的反对派之一。

今年4月，普林斯顿大学出版社出了本新书，书名叫《理论上的大脑》（The Brain，In Theory）。

元股证券:ygzq.hk

作者罗曼·布莱特是巴黎智能系统与机器人研究所的研究主任，同时任职于法国国家健康与医学研究院，神经科学家乔尔吉·布扎基（György Buzsáki）称他是“今天神经科学界的维特根斯坦”。

这不是一本畅销书，截至目前，它在亚马逊的综合图书榜上排在15万名开外；只有在“意识与思想哲学”这类窄得不能再窄的分榜里，它才进过前200名。

但这并不能代表它的真正“重量”——《自然》给了书评、《泰晤士报文学增刊》给了书评……这是一本在专业共同体内部被严肃对待、在公众视野里几乎不存在的书。

它的核心主张可以归结为一句话：大脑不是“生物计算机”，因为生物体不是被工程设计出来的。

布莱特说得很直白：目前主流的大脑理论扎根于一整套工程学传统——计算、编码、控制、信息、逆向工程、优化……生物体是机器，大脑是计算机。

而“认知是一种生物现象”这件事显得完全无关紧要，因为生物组织只是一个“实现层”。

“实现层”的意思是，重要的是背后的那套逻辑，至于它是用硅片跑的还是用血肉跑的，无所谓。你作为一个人是活的，这件事对于理解你怎么思考不重要。

这个主张看上去很激进，但在人工智能领域，却是支撑起整座大厦的基础。

书里反驳的依据主要来自达尔文：工程是用知识去解决技术问题、按图纸造出一件人工物；而生物体进化没有预设的目标、计划，也没有知识。

虽然《泰晤士报文学增刊》的蒂姆·克兰（Tim Crane）说，这本书“有力地论证了没有任何理由认为大脑字面意义上是一台计算机”，但它更多是理论层面的反驳，不具备很多实验和工程学基础。

《自然》的书评里，亚历克斯·戈麦斯-马林（Àlex Gómez-Marín）说这本书做了两件事：一是动摇了那些已经僵化、反而挡住整个学科往前走的理论框架；二是替“理论”本身争了口气——在今天的神经科学里，理论常被当作实验的配角，这本书不认这个次序。

书里检视了“把大脑当成计算机”这种思维的四大特征：大脑在计算、大脑内部有对外界的表征（人脑只能接受被压缩的信号）、大脑在处理信息、大脑在预测。

他认为这四样，都不适合用来研究“活物”。你得首先把大脑理解为一个自组织的、持续发育的活体共同体，而不是一堆被组合起来的机器部件。

为了看懂他的论证，我不得不先研究了一个词：突触权重。

视觉中国图

人脑约有860亿个神经元，神经元之间靠一个叫“突触”的接头连接。这个接头的连接强度有大有小——强的地方，信号一过来就传过去；弱的地方，信号即便过来也传不动。这个强度就叫“权重”。

你会骑车、你能记得母亲的脸、你听见“苹果”就想到红色，这些东西不存在于某个具体的细胞里，而是分布在上百万亿个接头的连接关系中。

在人工智能神经网络里，权重是一串可以直接改写的数字，工程师想设成多少就设成多少。如果大脑也是这样，那大脑就是可编程的。

于是布莱特的核心追问就是：你们说大脑可编程，那么是谁在修改那些突触权重？

有一种答案是生物进化过程，而他的反驳分两层：首先是基因组里没有一张大脑的地图，连脑区级别的粗略地图都没有——基因组指定的是蛋白质，约束的是发育过程，并不直接写入突触权重。

更要命的是第二层：编程这件事，意味着有人心里揣着一个目标，然后一条条把指令写下来。然而进化没有目标，也不写指令，它只是环境变化造成那些活不下来的被淘汰。

所以“进化给大脑编了程”这个说法，骨子里是“有个设计者按图纸造了我们”——那是智能设计论，不是达尔文主义。这是一个用达尔文的名义说出来的反达尔文的句子。

另一种答案是：大脑给自己编程。人不是会学习吗？学习不就是在改自己的权重吗？

布莱特说，那叫“突触可塑性”——接头的强弱会随着使用而变化，用得多的变强，用得少的变弱。但这个变化是有限制的，并不是想改成什么就改成什么。

打个比方，一只猫能学会打开冰箱门，但没法把自己“自编程”成会下国际象棋。这只是“硬件”的能力限制吗？好像没那么简单。

最锋利的一击，落在整个计算神经科学的地基上。

1943年，麦卡洛克和皮茨证明了一件事：把神经元简化成只有“放电”和“不放电”两种状态的开关，再把一堆这样的开关连起来，这个网络“可以”实现任何一种逻辑运算。

这是计算神经科学的奠基成果之一，也常被当作“大脑是一台通用计算机”的底气所在。

布莱特的反驳是：请注意那个“可以”的前提——得有人去把连接的强弱调成合适的数值。

这里藏着一个关键区分：做模型的人会把模型里的量分成两类，一类叫“参数”，是开工之前由人定好、运行期间不动的；一类叫“变量”，是跑起来之后自己按规律变化的。

比如一盏台灯：亮度旋钮拧到几档，是参数，由人决定；灯泡的温度通电之后自己升上去，是变量。旋钮属于你，而温度属于灯。在传统的计算神经学里，这条线把“人”和“机器”分开了。

布莱特指出：大脑里本来并没有这条线，所有突触的强弱不是谁事先拧好的旋钮，它每时每刻都在自己变——它是变量，不是可调的参数。

大脑没有旋钮，也没有那个可以随时修改你参数的用户，所以大脑不是计算机。

他认为，计算主义奠基者大卫·马尔的原义是：在某种意义上大脑是一个“信息处理装置”，但不是“计算机”。这很重要，你不能把一种认识方法绝对化成一种本体论，也不能把一个自行生长、毫无目标的活物，只看成一台为了具体目标可以随时从外部操控的机器。

这种“趣味”，布莱特坚持了很多年。

2015年，他在《系统神经科学前沿》（Frontiers in Systems Neuroscience）上批评“发放率”理论——那一派科学家主张神经元传递信息靠的是单位时间内放电的次数。

他的反驳，是这个问法本身站错了位置，它站在外部观察者的角度，看哪个数字随刺激变化，却错过了真正该问的问题——是什么在神经活动里真的起到因果作用。这让发放率理论看上去显得更像一个权宜之计——好用，但几乎找不到人类经验上的依据。

2016年，他重新追问“信息”对一个活物到底意味着什么，还造了个词叫“主观物理学”，意思是一个生物并不接收关于世界的客观描述，它只知道“我这么动，感觉就那么变”——它所拥有的物理学，是从自己这具身体出发的那一套规律。

杠杆配资百科

2019年，他在《行为与大脑科学》（Behavioral and Brain Sciences）上直接质问：“编码”是关于大脑的恰当比喻吗？这本刊物有个特别的规矩：把一篇文章当靶子放出去，公开征集同行的批评，再和原文一起刊登。赶来辩论的人里有DeepMind的一组研究者，他们的反驳很实际：AlphaGo的成功完全没有依赖任何关于神经编码的考虑，所以这个比喻恰不恰当，对造机器的人来说根本不是要害。意思就是你在跟过去的理论风车作战，而工程学早已经跑到了更远的地方。

布莱特随后又写了篇回应，叫《神经编码：大脑的官僚模型》……

眼下这本新书，就是这一长条思考和论争轨迹的总集成。

作为一个神经网络基础理论的常年证伪者，他近年真正动手做的实验，对象是“原生生物”，一个不精确的比喻是草履虫——池塘水里那类只有一个细胞、连一个神经元都没有的微小生物。它们照样会避开有害之处，向有利的方向运动，行为还会随经历改变。如果连一个神经元都没有的东西也能有主动行为，那“认知是神经网络算出来的”似乎就失去了前提。

这场理论争议至少有80年历史了。

1943年麦卡洛克-皮茨的模型，1948 年维纳的《控制论》，1958年冯·诺伊曼的遗著《计算机与人脑》，1982年大卫·马尔的《视觉》。

四记重锤之后，神经科学几乎所有的核心动词都是从计算机那里借来的：大脑“处理”信息，视觉系统“运行”算法，记忆被“编码”和“存储”。

今天的地图大致有三条路。

主干道是“计算主义”，最宽，也拿走了最多的钱——脑机接口、类脑芯片、全脑仿真，都长在这条路上。

第二条是计算主义的内部修正，叫“预测编码”，源于一个更大的框架“自由能原理”。它主张大脑不是被动地接收信号再加工，而是时刻在猜下一秒会发生什么，然后拿猜错的部分去修正自己。这样会大大提高信息处理效率。“你之所以没觉得自己在猜，是因为大多数时候猜对了。” 这个思路松动了“输入—处理—输出”那条流水线，但它用的仍然是计算的语言。

第三条线是计算主义的外部反对者：从吉布森的生态心理学（主张知觉不是在脑子里重建世界，而是身体直接从环境里“拾取”信息——你不是先算出台阶有多高，你是一眼就看出这台阶能不能迈上去），到具身认知（主张思考离不开身体，脑子不是装在颅骨里的一台独立设备），布莱特在这一脉。

值得注意的是，批评者对这一脉的指控相当致命：“斯坦福哲学百科”在综述具身认知时写道，反对者认为它“并没有为计算认知科学提供一个真正的替代品”——虽然这一派对所有这些指控都不厌其烦地作过回应。

还有第四种立场，可能是最扫兴也最为清醒的一种，说的是：没意义。

2022年，布莱克·理查兹（Blake Richards）和蒂莫西·利利克拉普（Timothy Lillicrap）发表了一篇题为《脑—计算机隐喻之争毫无用处：一个语义问题》的文章。利利克拉普这个名字前面其实出现过——2019年下场反驳布莱特的那组DeepMind研究者里就有他。跟人吵过一轮架之后，他和同事得出的结论是：这架本身不必再吵，因为“计算机”这个词根本没有一个统一的定义，而两边用的是不同的定义。

计算机科学界的定义很宽：只要一台物理装置原则上能算出所有算得出来的东西，它就是计算机。按这个标准，大脑就是一台计算机。

日常生活里的定义则很窄：计算机是人造的、一步一步处理输入再吐出结果的机器。按这个标准，大脑显然不是计算机。

然而人类关于定义的争吵，或者使用不同定义对同一个事物进行的争吵，从来不只是“无聊”，不然布莱特就不会被称为“神经科学界的维特根斯坦”了。

最后聊聊个人读后感。

一是不把大脑当机器研究，可能就没法研究大脑。科学只有建模这一条路，而模型必须是可拆的、可控的、有变量的——任何满足这些条件的东西，看上去都像机器。这不是研究者的偏见，是方法的成本。

所以布莱特几乎注定拿不出替代品：他认为人脑是“自组织的活体共同体”，听上去很美，但这到底是什么？他应该能充分意识到，一旦你要拿它做研究，你就得把它拆开，拆开之后，它又变回机器了。危险可能不在于把大脑当机器，而是把大脑只当机器。

大家越来越多感受到的是AI越来越像人了，我倒觉得多想想人可能本来就是一个AI比较有意思：不都是处理一些经过压缩的信号，然后输出充满幻觉的结果吗？

如果一个具身智能机器人，有一张上海市居民身份证，并拥有活了50年的具身记忆和社群关系，为什么不能像人类一样多才多艺又多愁善感呢？

人工智能界可能也正在进入同样美妙的晕眩：为什么机器就不是一个人呢？

布莱特所反对的，是1958年意义上的计算机：有程序，有用户，每一格内存都有编号，所以能被精确改写参数，软件和硬件分得清清楚楚。而这些特征正在从机器那侧自行消失。

今天最强大的那些AI，没有人能彻底解释它们正在怎么想，为什么这么答。本来需要大量输入的参数，正在被更多系统涌现的“变量”淹没，飞速接近布莱特描写的人脑的特点。

这已经不是单纯的“写入”，而是一种“基于部分理解的互动”。你和你正在调试的AI，或许正是一个自组织的活物系统。