神经科学的“黄金时代”已死：为什么我们被迫加入几百人的顶刊

对谈嘉宾

Alex Maier

范德堡大学心理学副教授

他在神经科学领域的工作涵盖视觉、视觉感知和认知，主要研究皮层柱的神经生理学及相关课题。当选过斯隆基金会会士和美国国家科学院卡弗里会士。实验室网站见http://www.maierlab.com/

主持人

Paul Middlebrooks

卡内基梅隆大学的特聘助理研究员

卡内基梅隆大学的特聘助理研究员，同时是播客“Brain Inspired”的主持人。他主要研究运动皮层和基底神经节神经群体活动如何在自由行为的小鼠中支持自然行为，致力于揭示神经活动与复杂行为之间的关系。

目录：

01 大规模合作与神经科学的未来

02 用Φ值预测比赛结果

03 Φ值到底在测量什么？

04 理论遇到真实数据时的韧性

大规模合作与神经科学的未来

保罗：

和许多人一样，你对神经科学领域过去几年转向开放科学的趋势感到非常兴奋，像艾伦研究所、国际脑实验室（IBL）这样的大型机构——我刚刚和塔蒂亚娜·恩格尔（Tatiana Engel）聊过，她是其中一员，我也曾是董事会成员。现在大家都在欢呼，神经科学的未来，终于要走上物理学当年的辉煌之路了！这是件大好事。开放科学的哪些方面让你如此兴奋？

亚历克斯：

正是。你说到点子上了。我与艾伦研究所以及国际脑实验室都有很多接触。实际上我正试图在两者之间搭建桥梁，虽然还没完全成功。这些都是大型合作项目。我觉得他们目前的成绩单简直亮眼得让人吃惊，甚至超出了预期——

保罗：

你说的成绩单，是指发论文的指标吗？

亚历克斯：

是的。

保罗：

好吧。对我来说，发文指标确实代表了生产力，但它不一定是个完美的——

亚历克斯：

确实不完美。我完全同意。这也是为什么咱们花这么多时间去聊科学之外的体制问题，这其实挺必要的。我觉得我看到了两个核心驱动力。我研究过物理学史，物理学当年也遭遇过极其严重的经费危机。我觉得咱们现在聊的很多现象，都是被逼出来的。

第一，

低垂的果实早就被摘光了。

想当年我们刚入行、功能性核磁共振（fMRI）还是个新鲜玩意儿的时候，我可太怀念那时候了，你随便做点什么都能发好文章；现在再搞同样的东西，根本没人看。同样， 当年微电极技术刚普及，我们面对的是整片未开垦的脑区，有人直接插个电极，圈块地宣布“这是我的地盘，我未来几十年就靠它吃饭了”，然后就站稳了脚跟。那种黄金时代已经彻底结束了。

现在你想发一篇高影响力的顶刊，需要付出更多努力。同当然，这算不算真正的科学进步，那是另一个值得吵的了。总之，现在一篇论文上挂的作者名字越来越长。

我认为这种模式能行得通，是因为评价体系变了。以前（有时候现在也是，挺不公平的），大家只看你是不是第一作者或者通讯作者。如果一篇论文有12个作者，排在中间的人就惨了。但现在有了谷歌学术这类工具，新的评价体系不再死盯着你的排位。只要论文被引用了，就会算进你的h指数（h-index）里，增加你的总引用量。这直接砸碎了旧的铁饭碗。现在，加入一个庞大的团队、一起发一篇史诗级的巨著，是完全行得通的。物理学家早就把这条路给蹚出来了。

另一个原因是经费。经费在疯狂缩水——我强烈建议大家都去查查数据——我发现

从上世纪60年代开始，科研经费基本上是在呈几何级数、甚至指数级地暴跌。

如果你去看看扣除通胀后的研发经费占GDP的比例，美国这条线一直是在稳步跳水的，中间连个像样的反弹都没有。这是我们必须面对的残酷现实。

所以，

唯一的出路就是抄物理学家的作业

。因为实验设备越来越烧钱了。物理学家造大型卫星、巨型望远镜、粒子加速器，他们只能抱团取暖：“咱们把所有的钱凑在一起，造一台极其昂贵的机器，然后所有人共享数据，一起推动科学进步。我们总不能在美国每个大学的后院都建个粒子加速器吧？”我觉得，这恰恰就是克里斯托夫·科赫当年力推艾伦研究所和OpenScope项目的终极愿景。

作为一个在旧体制、旧范式里被规训出来的人，我一开始心里也直打鼓：这玩意儿真的能成吗？我听到了无数的质疑和反对。但我觉得最棒的一点是：别废话，先干了再说，看看效果。我们团队运气特别好，成了OpenScope项目第一批通过双盲评审的团队之一。这种模式爽在哪儿？他们负责花重金收集数据，我们负责跑分析。到目前为止看起来相当不错。事情进展得很顺利。

顺便提一嘴，OpenScope的下一轮马上就要开始了，请允许我在这里打个小广告——因为我也参与了。这是完全对外开放的！情况是这样的：咱们刚才聊到的那篇长篇综述，现在已经变成了艾伦研究所正在跑的真实实验。数据大概一周内就会公开！只要他们做完预处理，就会直接扔到网上。所有的东西都在GitHub上。那你该怎么做？你怎么从中分一杯羹？你怎么才能把自己的名字挂到这些顶级大论文上？很简单：你只需要加进来，帮着写分析代码就行了。

它的运作方式是：我们编写代码，发布并分享，然后其他人就在此基础上继续构建。我们每周通过Zoom开会，会议内容第二天就会发布在YouTube上，所以你随时能跟上进度。我们有个专门的网站，你能看到目前所有的进展，随时可以上车。甚至还有个讨论版，给你提供新手指南。任何人都能来！不需要博士学位，没有任何学术门槛。只要你能连上网，你就能加入。唯一的硬性要求就是：你得真的会写代码，能为讨论和实验做出实质性的贡献。

当然，数据质量非常出色。这是艾伦研究所能做而其他人做不到的。这个项目的一部分当然是双光子成像。另一部分是使用6个Neuropixels电极做完全相同的实验。甚至有一个实验可以同时成像单个神经元的数百个突触，不管是靠近胞体的还是树突上的。你几乎可以获得单个谷氨酸囊泡的数据，并可以通过钙信号观察神经元的输出。你可以进行单细胞计算，现在利用这种高速双光子技术可以实现，而且你可以免费获得数据。毫不夸张地说，就在我们谈话时，数据就在那里，等待被分析。

迄今为止的发表记录非常积极。我在这些互动中的体验是，我曾想：“这太混乱了，不可能成功。”但结果运行得非常好。进展非常稳定。你晚上把写好的代码推送到GitHub上，然后去睡觉；第二天早上醒来，地球另一端的某个哥们儿可能已经顺着你的代码往下写了一大段，把进度往前推了一大截。这简直丝滑、高效到了极点。我敢打赌，神经科学的未来，绝对会朝着这个方向发展。

保罗：

一旦你学会如何使用API、加入并获取数据，这过程就再顺畅不过了。我也和塔蒂亚娜聊过这个。就上手和运行而言，学习曲线有多陡峭？本质上痛苦吗？

亚历克斯：

我想说并不痛苦。拿我来说吧，我数学很烂，写代码也是半路出家，但谢天谢地，现在有 AI 编程助手了！基本上，大家会把代码打包成Jupyter Notebook发出来。我习惯用Google Colab，所以我连Python都不用装，省了一大堆配环境的破事儿。现在我只要打开一个Colab文件，把代码扔进去，然后让ChatGPT或者Copilot给我逐行解释这是在干嘛，接着我再告诉AI我想改哪里，它就帮我写了。

当然啦，我好歹还是懂一点代码逻辑的。我以前毕竟也手敲过不少数学代码。我不想把话说得太满。我能读懂代码，这就好比我学过法语，虽然张口结舌说不太溜，但看报纸还是没问题的。我能看懂代码，能抓出里面的bug，能看出哪里可以优化精简。我觉得这种基础能力还是必须的。你不能完全两眼一抹黑，纯靠AI瞎写，然后盲目相信它是对的。

无数双眼睛盯着你的代码，它在被反复使用的过程中会被疯狂审查，里面还内置了一大堆“健全性检查（sanity checks）”。所以，哪怕你对写代码只懂个皮毛，对数据结构一窍不通，你也完全可以直接跑网上现成的代码——它们已经写好了怎么去加载那些“无边界神经数据（NWB格式）”。它甚至已经帮你打包成了Google Colab格式，你点开就能用。对于不知道Colab是啥的听众，它其实就是一个网页，你点个运行按钮，它就在云端帮你跑代码、画图表，然后你可以在上面随便魔改。最爽的是，大家可以同时在线协作。我想，这就是为什么现在大家都像打了鸡血一样，疯狂涌入这种神经科学研究的新玩法里。

保罗：

我个人其实有个心结，算是我对这种“超级巨无霸机构”的一种膝跳反射式的抵触。也许你能帮我做做心理建设。我知道这挺不理性的，但我看体育比赛的时候，总是习惯性地支持弱者，我有一种根深蒂固的“大卫挑战歌利亚（David vs. Goliath）”的情结。你看艾伦研究所、IBL这些巨头，他们像流水线一样，在那些闪闪发光的顶刊上疯狂发表着署了成百上千个名字的论文。我总是忍不住把他们当成那个仗势欺人的“歌利亚”。我打心眼里想为那些在自己车库里单干的小实验室摇旗呐喊。

我知道这其实有本质的区别。因为在这里，歌利亚并没有恶狠狠地说：“数据全是我的，你们谁也别想碰！”相反，他们是在说：“来来来，数据都在这儿，大家随便用！”甚至还贴心地给你准备了保姆级的教程。这绝对是这些大机构最伟大的地方。然而，我心里总有个声音在嘀咕：

如果你不加入他们，你就被踢出局了，你就搞不出大名堂，你就永远发不了顶刊。所以你“被迫”必须上车。

这感觉简直就像是他们对整个学术界的论文发表竞赛完成了一场“强制收购”。我这种充满恐惧的、膝跳反射式的、反垄断的抵触情绪，到底有没有一丁点道理？

亚历克斯：

我有同感。显然，我不是在美国长大的。我当年之所以来美国，就是冲着美国那种极其独特的“小型独立PI（首席研究员）”和R01基金模式来的。问题是，这模式现在不灵了。对一些人还行，但获取资助越来越难。现在的中标率……我们甚至都不敢看那个数字了。他们现在还会公布成功率，我只知道我的本子得分明明很高，但离拿到钱还差得十万八千里。那摆在我面前的问题就是：我还能干嘛？我只能等死吗？

另一个想法是，根据我的经验——

真正的问题其实不在于机构有多庞大，而在于它的管理模式到底是“民主的”还是“自上而下的”。

与其说我们在警惕机构主义，不如说我们在害怕威权主义。我的切身体会是：哪怕你是个所谓的独立小实验室，你想要获得那种理想中的学术自由，也是极其困难的。现实非常骨感：你需要实验室场地，你需要交水电费，你必须保证有源源不断的经费进账。这会逼着你根本不敢天马行空地去搞研究，你只能去迎合评审专家的口味，去写那些“看起来容易拿到钱”的本子。

就我在艾伦研究所的所见所闻，我的体验是：那里几乎没有那种“自上而下”的爹味管理，这很棒。我觉得像杰罗姆·勒科克（Jerome Lecoq）这些负责推广的大佬，绝对值得我们起立鼓掌，他们真的是在拼尽全力把整个项目搞得极其民主。当然啦，为了维持法律框架，肯定还是得有一点层级结构的。比如在处理论文署名、版权归属这些破事儿上，我们必须得小心谨慎，这时候如果旁边有个法务总监能帮忙起草点法律文件，那绝对是救命的。

对我来说重要的是，回想希腊时代，当我们回溯民主的起源时（尽管当时的民主千疮百孔），最关键的硬件设施是广场（agora）——那个所有人都可以聚在一起高谈阔论的集市。它可以是一个极其庞大的广场，但你必须得有这么个地方。你需要一个公共的碰头点。如果没有这种基础设施，咱们这帮散兵游勇想要在神经科学和意识研究上搞出这种史诗级的大规模合作，简直是天方夜谭。这就是我认为大型机构真正能发光发热的地方：只要他们把台子搭好，然后尽量闭嘴、不瞎指挥，那就完美了。

我没在IBL待过，但在艾伦研究所的OpenScope项目里，到目前为止一切都运转得极其顺畅。就像我说的，我们就是一群人在Zoom上开会。当然，会议是有框架的，比如今天重点聊什么、怎么赶进度，但每个人都有麦克风。绝对不是那种“你举了半天手，大佬就是不点你”的憋屈氛围。每个人都能在论坛上畅所欲言。我甚至觉得你连个正儿八经的大学邮箱都不需要。这刚好回应了我一开始的怀疑：“这群龙无首的玩意儿真的能成吗？”结果大大出乎我的意料：这种极其松散、甚至带点无政府主义色彩的协作体系，居然真的让我重新相信了民主的力量！

保罗：

这太棒了。

亚历克斯：

它看起来真的有效。如果你让很多人参与进来，你会得到最好的结果。

保罗：

哎，看看咱们现在的政府，我可没觉得民主有多美好。这恰恰就是我担心的点。你看参议院那帮人，你得疯狂妥协、疯狂做交易，为了让议员满意，你只能把你法案里最核心的东西砍掉。我一看到那种官僚扯皮，我心里就发毛：“天哪，如果在宏观科学界也搞成这样，那绝对是场灾难。”

亚历克斯：

是的，我同意。

用Φ值预测比赛结果

保罗：

我们在 上一篇文章重点聊了为什么意识研究需要数学 ，接下来我们回到意识的这个接着聊，聊点更接地气的。比如根据整合信息论（IIT）的说法，一支足球队居然也是有意识的。

亚历克斯：

在某种程度上吧。

保罗：

这虽然不是咱们今天聊的核心，但绝对是个大噱头，对吧？

亚历克斯：

是的。

保罗：

这绝对能火。我们稍微谈谈这个，也许能自然过渡到我关于Φ（整合信息理论对意识的度量）的一些问题。你们根据一些足球比赛结果计算了Φ值。所以，简单总结一下你们的研究：一支足球队有某个Φ值，有你们所谓的潜在意识，但这个Φ值低于任何单个足球队员的意识Φ值，因此，每个足球队员都有个体化的意识。

你们具体做了什么？为什么这么做？我们应该从中得到什么启示？

亚历克斯：

你刚才总结得完美无缺。谢谢你把我从形而上学的漩涡中解救出来。实际上，我认为这些讨论很有趣，因为你刚才说的听起来很荒谬。重要的是去做你刚才提到的事，我们得向大家证明，嘿，这可不仅仅是坐在扶手椅上空想的哲学。我们是真的能拿它去跑数据、出结果的！然后我们再带着这些硬核结果，回头去审视那些形而上学的立场。因为说实话，要是三年前你跟我说我要搞这个，我绝对会骂自己：“亚历克斯，你到底在浪费时间搞什么鬼东西？”

当时YouTube上有个比赛，看谁能把IIT解释得最清楚。我找到了一位巴西的动画高手，我们制作了一些动画来解释IIT数学的一些基本原理。之后，俄勒冈州立大学研究复杂动力系统的詹姆斯·沃森（James Watson）教授联系了我。他说：“我想拿这套数学工具去跑点真数据。”他拿到了巴塞罗那足球俱乐部的一些数据。他们用GPS传感器追踪球员和足球。你能得到整场比赛中每个球员毫秒级精度的位置数据，他们为西甲所有比赛都做了记录。

我们拿到的是经过一定匿名处理的数据，这稍微限制了我们的发挥空间。但基本思路是把足球队员当作神经元，因为IIT是“基质无关”的。它从来没说只有肉长的大脑才能产生意识。它的逻辑是：“只要有个系统的运作方式跟你的大脑一模一样，那它就应该有意识。”这里有个咱们之前没聊到的点，我得赶紧补充一下：

IIT其实并不怎么关心“动作”，也不怎么在乎状态的转换或者功能。

它死死盯着的，是我们称之为“状态（state）”的那个切面。

当你提到F=ma时，从技术上讲，那是同时发生的。F=ma，没有时间流逝，E=mc²也是。我们称之为“状态”。功能只能用功能来解释，而状态就是状态本身。所以我们真正在做的，是去切片观察比赛中的一个个“状态”。我们其实并不关心球员具体在干嘛。

IIT的玩法要高级得多：我们看的是球员站在哪里、他们可能做什么，以及他们实际做了什么。这就复杂多了，算起来工作量极大，但这恰恰逼近了“信息”的本质，以及信息是怎么跟“因果性”咬合在一起的。我们盯着一个球员的可能性空间，再对比实际发生的现实，然后去计算这中间的落差。

我们当时就想：“行吧，如果把人当成神经元（这其实是个老梗了），那如果凑够了足够多的神经元，是不是就会涌现出某种意识？”但我们马上就撞墙了，必须得限制规模。

这也是目前大家狂喷IIT的一个点——我们现在的算力根本跑不动大量“神经元”的计算。

目前我们被死死卡在20个节点以下

，因为这背后的数学计算量是呈指数级爆炸的，连现在的超级计算机都扛不住。所以我们只能取极小的样本，绝大多数时候只算四个、甚至两个球员的互动。

然后我们说，看，如果球员不只是走动，他们就是“活跃的”。如果他们的加速度超过平均水平，他们可能就积极参与了比赛；如果只是在场上溜达，那就是“不活跃的”。这就像动作电位，球员活跃或不活跃，是0或1。接着，我们就去拉一张因果互动的网络图，重点盯那些“高阶互动”——比如两个前锋同时包抄，可能会对守门员产生一种极其致命的压迫感，而这种压迫感是他们任何单拎出来一个人都做不到的。

基于我之前关于超图和高阶关系的讨论，我猜测我们可能在数据中发现一些东西，而如果只看成对关系、因果关系、相关性或传递熵，是看不到的。虽然我们没有专门去跑对比测试，但我私下做了点小验证，结果似乎确实如此。我们惊讶地发现：如果我们去对比比赛结果（别忘了，数据是脱敏的，我们最多只能看到射门动作，连球进没进、是谁踢的都不知道），我们居然找到了一种虽然不算强、但极其显著的相关性！

换句话说，你只要算出场上区区几个球员的Φ值（我们迭代计算得到平均值），你居然就能在一定程度上预测这场比赛的走势和结果！后来詹姆斯又往前跨了一步，他把好多场比赛的Φ值，然后观察了赛季结束时西甲联赛前三名的球队和其他球队，结果画出来几乎是个完美的双峰分布！顶级球队的平均Φ值远高于其他球队。

我认为我欣赏这个研究的地方在于，尽管我们谈论了这么多哲学，但如果你对体育博彩感兴趣，你绝对应该去读读这篇论文！这就是科学的魅力所在，它最终会狠狠地砸在现实世界里，因为你手里握着数学的武器。

Φ值到底在测量什么？

保罗：

等等，这到底是砸在现实里了，还是仅仅是一种数学描述？这里面是不是偷偷藏了一个假设：也就是这真的在干它吹嘘的那件事——度量意识？还是说，

你只是根据你定义“整合信息”的那套指标，最后算出了一个标量值，但它其实跟“意识”半毛钱关系都没有？

它仅仅是你从那堆公理、结构主义里一顿推导后吐出来的一个数字而已？说白了，我们真的需要去担心一支足球队“活过来了”、有意识了吗？

亚历克斯：

问得对。这恰恰就是咱们前面聊那么多哲学的意义所在。我不敢说我已经彻底验证了IIT，但底层的逻辑是这样的：没错，你测量出来的确确实实是“整合信息”。我觉得现在学术界大部分人都会承认这一点，因为你这套算法确实跑出了有意义的结果。但有意思的来了：我们嘴里喊的“整合”到底是个啥？“信息”又是个啥？我们用的根本不是香农那套信息论，我们在算“整合”的时候也不是简单地做个乘法。那“整合”到底意味着什么？

实际上，我们是用了一套完全不同的数学形式体系来重新定义这些词的。

如果你非要问：“行，那你说的信息和整合到底是什么？”IIT最性感的反转就在这里：它是直接从你的“意识”倒推出来的。

这听起来很疯狂，但它的逻辑其实是问：“在你所有的意识体验里，有没有什么东西是绝对普遍、雷打不动的？是无论你此刻在体验什么，它都永远存在的？”IIT从中硬生生提炼出了五个公理（或者叫原则），比如：意识必然包含信息，意识必然是一个不可分割的整合整体等等。然后，它才基于这些公理，一层层搭起了那套数学大厦。

所以当你最后问：“好吧，你计算出了某个东西，但它和意识有什么关系？”我可以指回起点。我会说，

这套数学，完完全全是从我的意识里长出来的！这些公理和数学公式，全都是我从自己的主观体验、从我的经验结构里榨出来的精华。

联系就在那里：我们从一个看似虚无缥缈的起点出发，试图对我的意识进行数学描述（这在当时看来很荒谬），然后我们一路算到了足球队的数据。你问“联系在哪里？”，我可以一步一步追溯回我们仅仅通过冥想自身意识而开始的起点。这正是令人兴奋的地方。

那么，这能说明我就可以对意识、或者对那帮足球运动员下什么定论了吗？是，也不是。为什么我们管它叫“潜在意识”？废话，因为一支足球队显然不可能有意识啊！我们压根儿不是想证明球队成精了。但不可否认，这是对理论的一次硬核压力测试。从技术上讲，如果我们真的在球队里算出了一个极其极其恐怖的Φ值，而且这个Φ值居然比我们假设的人脑Φ值还要高，那IIT就会毫不留情地宣判：这支球队有意识了！甚至更惊悚的是，球员们个人的意识会被剥夺，从而融合成一个庞大的“超级意识”。

当然，从某种程度上说，这算不上什么铁证。因为事实上我们并没有算出那么高的Φ值，但这恰恰跟理论完美吻合了。我们算出了一个很低的Φ值，而这正是我们理应看到的结果。当然啦，现在别人骂我们的是……

保罗：

这听起来简直就像是个符合预期的阴性结果？

亚历克斯：

一点没错。现在学术界的槽点是：我们其实根本不知道每个球员（人脑）真实的 Φ值到底是多少，但我们理所当然地假设，它肯定比我们算出来的那个球队Φ值（比如大于6）要高得多。我承认，这研究连蹒跚学步都算不上。它既没法证伪IIT理论，甚至都算不上一次严谨的尝试。但它极其霸道地展示了：当你构建出一套形式化体系，并且这套体系是死死扎根在意识的公理上时，它爆发出的威力有多恐怖。

理论遇到真实数据时的韧性

保罗：

像搞任何数据分析一样，这里面肯定有一大堆需要手动微调的参数，对吧？

亚历克斯：

是的。

保罗：

你提到了“二值化”，我们测量大脑的一切仍然基于动作电位，然后我们将其二值化。要么是峰电位，要么不是。但到了球员速度这种时间序列信号上，你面对的是一个连续的波浪线。然后你简单粗暴地切了个中位数：高于中位数就算1，低于就算0。这可是个极其暴力的简化啊，对吧？

这一刀切得太狠了。而你们居然要把这个作为整个庞大计算的地基，虽然为了算力二值化是必须的。但只要这种“妥协的小步骤”稍微多一点，你心里肯定就会犯嘀咕：“哎呀，这步到底靠不靠谱啊”，对吧？

亚历克斯：

是的。作为一个实验主义者，这正是让我心跳加速的地方。打个比方，你拿到了一段脑电图（EEG）或者局部场电位（LFP）的信号，然后你要对它做傅里叶变换。数学原理死死规定了：你的信号必须是平稳的。但大脑的信号真的平稳吗？根本不可能平稳！对吧？

保罗：

对。

亚历克斯：

这恰恰是搞科学最刺激的地方——我们经常会发现……我再给你举个更偏数学哲学的硬核例子：实数。在现实中，你根本没法通过计算来判断两个实数是不是绝对相等。它们的小数点后面是无限长的，你怎么可能算得完？所以我们怎么干？我们做“近似”。我们极其暴力地把实数给一刀切断，把它们降维成有理数，然后假装它们是相等的。最疯狂的是，这套流氓玩法居然管用！我根本不需要把算到小数点后一万位，照样能造出一个完美的圆顶建筑。

大自然似乎根本就不喜欢“无限”，它的底层其实是“有限”的。万物皆有起点，只是我们不知道终点在哪。

量子物理学早就告诉我们了，一旦时空小到某个极限尺度（普朗克尺度），我们就连一句完整的话都说不出来了。世界在最底层似乎就是离散的、一格一格的。既然如此，“近似”就变得极其合理了。

作为一个实验狗，我每天问自己的问题是：我到底能把理论强暴到什么程度？我能把数据截断、粗暴近似到什么地步，而这套理论居然还能跑得通？如果它依然坚挺，那反而证明这个理论牛逼到了极点！没错，理论公式里写的是实数，但全宇宙从来没人在现实里测出过一个完整的实数，那是不可能的，我们根本没有足够的时间和宇宙空间去写完一个实数。但只要我们做个近似，理论就完美运转了。

这在某种程度上，反而给理论镀上了一层更硬的防弹衣。我觉得IIT现在做的另一件有趣的事，是其他意识理论目前尚未达到的，那就是你现在可以“把玩”它。你可以疯狂试探它的底线：“如果我故意违反这条原则会怎样？”或者“如果我偏不搞二值化呢？它还能算出结果吗？如果我就是看这条公理不爽，把它踢了呢？”

这就像当年的欧几里得几何一样。现在IIT的第五公理（排他公理）被大家骂得狗血淋头。但你想想，当年我们一脚踢开了欧几里得的平行公理，结果怎样？我们搞出了非欧几何！然后你看，爱因斯坦拿着它证明了相对论，告诉我们时空居然是弯曲的！现在，我们完全可以在IIT里玩同样的把戏。我们大可以把排他公理扔进垃圾桶，看看系统会吐出什么怪物。说不定，我们能借此挖出一个极其震撼的“非IIT”意识理论。

而最爽的是，

在这个过程中，我们依然死死地踩在“形式化”的底线上。我们再也不是在那儿用嘴炮扯皮

：“嗯，也许是这块脑区亮了，或者它跟那块脑区连起来了，哎呀我们以前的解剖学搞错了。”我们的表达极其精确——哪怕我们必须去改写那些恶心的方程式，去看看新方程能跑出什么结果。我觉得， 当一门科学终于熬过了“概念打嘴炮”的阶段，进化到高度形式化的成熟期时，最让人高潮的就是这一点：它直接把你送到了一个更高维度的战场上去探索。

保罗：

我以前是搞猴子神经生理学的。猴子和人类大脑有个特别棒的特点：我们的神经元放电极其疯狂、极其频繁。你完全可以在极高的时间分辨率下去数那些脉冲，搞出一个所谓的“脉冲密度函数”，清清楚楚地看到放电频率是怎么随时间飙升的。但我后来发现，老鼠大脑的放电频率根本没那么快！所以我们最后只能妥协：把脉冲全攒起来，用一个更宽的时间窗口去框它们，画成直方图。说白了，我们这就是在时间尺度上做“粗粒化（coarse-graining）”。

顺着刚才聊的二值化和计算值，我就忍不住去想“粗粒化”的极限在哪。你能不能在极其粗糙的颗粒度下，依然算出有意义的值？这又让我联想到了“无标度（scale-free）”特性——这可是生命系统中无处不在的属性，对吧？

亚历克斯：

是的。

保罗：

你是不是应该在数据里看到某种类似“分形（fractal）”的结构？也就是说，不管你把时间切得多碎，不管你用什么暴力的二值化手段，也不管你把颗粒度放得多粗，你最后算出来的Φ值，在结构上都应该是极其相似的？抱歉啊，我这一口气塞的信息量有点太大了。

亚历克斯：

不，这真是个我从没想过的有趣观点，非常有意思。这又绕回了刚才那句话：最酷的是，我们现在完全可以拿代码去试！IIT理论本身就极其看重“粗粒化”。这跟我前面说的逻辑是一脉相承的：数学是最容不得拍脑袋的。你凭什么武断地决定在哪个时间点去切分脉冲？虽然咱们平时搞实验都这么干，但凭什么？IIT的态度是：你必须用穷举法，去迭代所有可能的颗粒度，然后找出那个让Φ值最大化的临界点！那个点，才是你在时间和空间上真正应该锁定的分辨率。IIT从来不盲目迷信“脉冲就是意识的底层基石”。

这就是为什么我前面反复强调：我盯着的不是神经“活动”，而是神经“机制”。IIT极其冷酷地指出：脉冲本身，完全无关紧要。如果你把大脑里所有的神经元全抠出来，把它们的轴突全剪断，然后把它们泡在培养皿里，哪怕你用电流逼着它们以极其完美的原始序列去放电，它们也绝对不会产生一丝一毫的意识。不，真正致命的是连接性。你必须去盯那个激活和失活的咬合模式。而且，在因果关系的账本上，“什么都不做”跟“做了什么”，分量是完全一样的！

这并不直观，但假如我送你世上最好的礼物，而你居然连句“谢谢”都没说，你的“毫无反应”对我绝对造成了极其暴击的因果影响！你没有做出我预期的行为。只要存在一个“你本来可以干点啥”的平行反事实，这个“什么都没干”就瞬间拥有了恐怖的因果杀伤力。所以我必须得摸清：谁在动，谁在装死，然后谁能影响谁。我必须把这个因果互动的“可能性空间”给彻底建出来。然后我再去死盯现实里到底发生了什么，去计算这中间的落差。这到底意味着什么？接下来该怎么切分时间？行，你可能会说纳秒、皮秒、毫秒之类的。

当涉及到意识时，我们不必做这么疯狂的事——我们心里有数，意识不可能发生在皮秒或纳秒级别……我们知道意识的刷新率大概在毫秒量级，所以我们完全可以把搜索空间给圈死。那空间尺度呢？是单个神经元吗？还是皮层微柱（microcolumns）？同样，我们也有个大致的直觉：它不可能是整个脑区那么粗，也不可能是整个大脑。也许算到神经元还不够，算到突触可能也不够。也许就是神经元，也许就是微柱。我们可以死死卡住这个搜索空间，然后让超算去跑，去抓那个Φ值的最高峰，然后一锤定音：“诺，这就是我们该用的粗粒化水平。”

至于你刚才抛出的那个关于“分形”和“无标度性”的脑洞，我绝对得回去好好扒一扒文献——你今晚绝对要害我失眠了。这真的太性感了，我完全同意你的直觉。最后再爆个料：我们现在正在死磕那种土里的小线虫（C. elegans），就是搞遗传学的人天天玩的那种。从某种意义上说，这玩意儿现在变得极其好玩。

保罗：

只有302个神经元……

亚历克斯：

300个神经元左右，没错。这对IIT来说似乎更可行。但最诡异的是：它们根本不产生脉冲！这些神经元压根儿就不放动作电位。它本质上就是一台极其精密“模拟计算机。我们现在刚好撞上了这里面的一些硬核技术坑。我只是恨自己分身乏术，但我现在简直迫不及待想把这套东西跑通了。

保罗：

哇，这太酷了。总之，我儿子这周六有场篮球赛。如果他们半场落后了，虽然我不是教练，但我绝对要冲进更衣室给他们训个话。我会大喊：“好了孩子们，都给我冲上场，把咱们的Φ值给我拉爆！”对吧？

亚历克斯：

没错。

保罗：

然后我就深藏功与名地走开，祈祷他们能靠直觉悟出我的良苦用心。

亚历克斯：

让他们“高度整合”起来。

保罗：

总之，把拉回你们对足球队的研究。你们对比了Φ值的分布和比赛输赢，最后发现：如果一支球队的Φ值更高（或者说，这支球队拥有更高程度的“潜在意识”），他们赢球的概率就越大。

亚历克斯：

是的，正是如此。

保罗：

好吧。亚历克斯，谢谢你和我一起深入探讨。我一开始就知道 这期节目 绝对会极其烧脑且有趣，事实证明，简直过瘾极了。谢谢你。