首页社会生活意识到底是如何产生的？

意识到底是如何产生的？

来源：朋友圈生活时间：2023年10月18日 19:02

原标题：意识到底是如何产生的？

章彦博本文作者

关于意识的研究，传统上常常研究意识与大脑活动的相关性。例如，比较一个人清醒和昏迷时大脑活动的差别。但是，这种研究无法区分因果——这些活动是产生意识的原因，还是产生意识的结果？

因此，近年来有一批「意识理论」涌现出来。与传统方法不同，意识理论直接从理论出发，给出意识出现的条件，或者意识的定义。他们主要想解决两个问题（或者之一）：

1.如何判断意识的有无；

2.以及区分意识状态之间的差别。

Nature Reviews Neuroscience 发表的这篇综述[1]，比较全面地概览了各种意识理论。本文也会按照篇文章的分类，大体介绍四种意识理论：更高层次理论（Higher-order theory），全局工作空间理论（Global workspace theories），整合信息论（Integrated information theory），以及再入与预测加工理论（Re-entry and predictive processing theories）。这几个理论中，我比较熟悉的只有整合信息论，所以会相对多介绍一点它的细节，以及个人评价。

难问题

意识是一个困难的问题，事实上，哲学中直接就有一个专门的词：「意识的难题」（Hard problem of consciousness）。在1714年，微积分的发明者之一——莱布尼兹出版了他的哲学著作《单子论》（La Monadologie），其中提到了一个思想实验：

必须承认，仅仅靠机械的运动、数值，是无法解释知觉的存在的。想象一个机械装置，我们不知它有无知觉。因此，我们将自己缩小，走进其中，可以看清机器运行的所有细节、过程，也可以理解过程背后的力学原理。甚至，我们还能预测机械将如何运转。

然而，这一切似乎都与这机器的知觉无关。观测到的现象，与知觉之间，似乎总有一个天堑一般，总是无法相互勾连。

这便是「莱布尼兹之堑」（Leibniz's gap）。开篇时我曾说道，「我更多地会展示各种主流理论，而非给出一个答案」。为什么不给出答案呢，就是因为这个问题太过困难，以至于目前还没有一个定论。按照莱布尼兹的思想实验，想要知道一个系统是否有意识，就得成为那个系统。

似乎无解。

观测到的现象，与知觉之间，似乎总有一个天堑一般，总是无法相互勾连

分类

对付这类看似无解的问题，我们常用的一个手段就是分类：把问题拆分，看看哪部分是可以解决的、哪部分是难以解决的，以及哪部分是不可能解决的。

意识虽然整体上是一个困难的问题，但其中仍然可以进一步划分。关于意识相关的功能、行为，是比较简单的部分；而关于体验、经验这类主观判断的部分，则是困难的部分。举例来说，全局工作空间理论（GWT）主要是将「存在一个公共记忆空间」和意识联系起来了。而整合信息论则讨论了不同体验的差别在哪里。

更高层次理论

更高层次理论（Higher-order theory[2]）认为，如果一个精神状态被其表示所指代，这个精神状态就是有意识的。举例来说，如果我现在看着手机屏幕，我的视觉区会有屏幕的低层次特征（形状、颜色）。而我的前额叶则会有更高层次的表征，例如「手机」这个词汇，它不光指向物理上的手机，也指向了我视觉区的那些特征。那么，前额叶中「手机的概念」，就是低层次特征的「抽象表示态」（meta-representational state）。用论文中的图示，就是下面这个样子：

在这种「指向」的过程中，有一种特殊的情形，就是自指：自己指向自己。看起来非常玄学，但我们每天都会这么做。例如，我现在就知道我在写文章。那么，具体的「写文章」是一个状态，它涉及了具体的词句，但是，「写文章」这个词又指向了写文章这件事。这就是一种自指。

更高层次理论似乎没有进一步探讨意识产生的具体物理过程，特别是微观层面的物理过程。事实上，目前主流的意识理论都没有讨论这个问题。

我知道会有人用安德森的名言「More is different」[3]为此辩护。但若细究安德森的论文，其中所说的其实是：

微观规则的对称性，不一定会体现在宏观层面上。

而微观上如果不存在意识，很难用 More is different 的说辞去辩护——这完全就是无中生有。复杂系统的「涌现」常常看起来也像是无中生有，但这基本都是因为我们无法理解大规模物体的复杂运动导致的——我们不理解的，便称之为「无」，然后说「无中生有」。

但遗憾的是，目前我们可能必须要忍受这种割裂。其实莱布尼兹也已经用他的「莱布尼兹之堑」表达了类似的观点。在这里，这个问题就此打住，后文之中也将此暂时悬置不论。

全局工作间理论

全局工作空间理论也是类似的路径——有此功能，有此过程，便有意识。全局工作空间理论认为，意识来自于那些全局可用的认知过程。我们可以拿「注意力」来举例：

全局工作空间理论认为，注意力在选择并放大特定的信号[4]，并让其进入全局工作空间。这样就可以调动全脑的功能，来处理一件任务。因此，我们注意的东西，常常就是我们意识到的东西。

全局工作空间认为负责这部分任务的脑区在顶额叶，也有实验表明，顶额叶如果受损，会导致全局的意识丧失。

全局工作空间理论的关键在于「全局」。如何定义全局？是根据对象、数量，还是根据信息如何广播出去的？这些问题仍然存在争论。就如我在开头所说，现在还难以给出「意识是什么」的答案。

再入与预测加工理论

关于意识的实验，有一个非常著名的「双眼竞争实验」：给左右眼看到不同的画面（例如左眼看到房子，右眼看到钢笔），我们可以通过自己的意念，「让」自己稳定地感受到不同的东西。

这种控制是如何产生的？我们的体验又是如何变得稳定的（不会轻易地跳到另一个感受上）。预测加工理论给出了解释：大脑中不光存在自下而上的过程，还存在自上而下的过程。拿视觉为例，自下而上就是从视神经开始，逐渐把信号抽象，变成概念；自上而下则是相反：大脑在预测之后的输入，并试图降低预测的误差，是一种再入。

回到「双眼竞争实验」，当我决定我看到的是房子的时候，右眼看到的钢笔就变成了误差，是需要被消除的。由此，我的决定（预测）影响了我的感知，并压制了钢笔的信号。

预测加工理论并非为意识而生，但却能解释很多意识现象。与此同时，它甚至能和机器学习联系起来，例如可以解释学习过程[5]，或是与梯度下降联系起来[6]。进一步地，如果这种自顶向下的预测存在延时、或者存在循环，就会出现「预测下一时刻的自己」的问题——自指产生了，「更高层次」也产生了，这样就和「更高层次理论」联系了起来。

整合信息论

整合信息论[7]与前面的几个理论都不一样，他的野心非常大：他试图从公理出发，像几何学一样，推演出意识理论的大厦。初读到这里时，我简直像是发现了一个宝藏。然而，我对其了解的越多，失望也就越多。

整合信息论提出了四大公理[8]：

1. 真实：意识体验是真实的；

2. 信息：意识是包含信息的。即便闭上眼睛，什么也看不到，这份黑暗仍然是包含信息的——因为它排除了其他的可能性；

3. 整合：意识是整合的，是一体的，是不可拆分的。例如，「看到桌子上的苹果的体验」不等于「看到桌子的体验」+「看到苹果的体验」；也不等于画面左边的体验+画面右边的体验。

4. 独一：任意时刻，我们的意识只有一个。不会存在两个意识共存、叠加的情况。

这几个公理中，最重要的就是信息和整合两个部分。

先暂时不谈信息，要度量整合，一个非常聪明的办法就是将系统切割。如果能找到一种切割方式，使得系统不受任何影响，那这个系统就是不整合的。举个例子，找到两个陌生人，在它们之间的空气中切割一刀，两个人受到的影响几乎忽略不计。因此两人是不整合的。而如果在情侣之间切割，可以想见，其受到的影响会稍微大一点，但这种影响仍然比不上对人脑的任意切割。

因此，整合信息论所能包含的系统非常广泛。不只是生物系统，一个ETC闸门也是有微弱意识的——将传感器与闸门切割，它的因果信息会受到损失。在各种不同的切割中，最小的损失也是大于零的。因此，整合信息论认为：ETC闸门也是有意识的。

整合信息论用一个符号Φ代表系统的整合信息，论文中虽然没有明说，但是却在处处暗示：Φ就是在度量意识水平。整合信息论的结构极为繁复，如果总结出一个公式，就是下面的样子：

找到一个切割方式c，使得被切割之后的系统sc所损失的信息最小。

而在这里，他们专门开发了一种新的信息度量方法：因果信息。在IIT 2.0之前，因果信息的度量非常优雅——使用因果科学中的do操作，计算「已知一个状态」和「不知此状态」导致的分布差异的K-L散度。这种度量可以看作一种特殊的互信息，即状态转移矩阵的互信息（而非联合分布的互信息）。

有意思的是，在 IIT 3.0 之中，它们将K-L散度换成了modified earth mover distance，即修改过了的推土距离。且不说这里的修改是否合适，这里已经暴露出了整合信息论的一个弱点：它并非如几何学那般精密。从公理得到的理论，也并非浑然天成，而是处处彰显着理论提出者自己的意愿。

拥有个人风格并非坏事，但缺乏限制常常带来问题。一个常见的后果，就是在数学上不自洽。在 IIT 3.0 理论中，有一步会要选择一个信息损失最小化的切割（独一性公理）。但 IIT 理论没有回答如果存在多个损失一致情形下的解决方案。事实上，如果去看他们的代码[9]，就会发现这一步是完全随机的[10][11]。而不同的选择，得到的 Φ 天差地别。

另一个问题则是 IIT 研究的尺度：计算 Φ 的尺度到底是神经级别，还是脑区级别，或者，更为极端地，原子级别？这是一个非常重要的问题，因为这涉及到实验——IIT的实验只考虑了脑区级别的模型，但他们没有论证这里的粗粒化方法是否合理，因此，IIT得到的一个重要结论：意识起源于小脑，也是值得怀疑的。

这些当然不能判IIT死刑，因为他的公理基础仍然是比较牢固的。但是，他们至少也应该后退几步，向着公理体系这一原点后退几步，尝试使用更严谨的数学。

另一个比较偏个人的吐槽，是计算 Φ 巨大的时间复杂度。我自己的估算，其复杂度大概是 O(N!) 级别，一个系统大小超过10，基本就没法计算了。一方面，这是技术上的困难——人脑的神经元远远大于10；另一方面，我认为也是科学上的问题：如果计算它所需要的时间如此巨大，那我们还能确认自己有意识吗？意识需要通过这种繁复的运算才能被感知到吗？

“哲学僵尸”与目的论

回到闸门的例子上，一个简洁的闸门，可以画成这样的电路图[10]：

在这个结构中，系统的不同状态都有比较高的Φ，换句话说，整合信息论认为它具有意识。

然而，如果我们把电路做一些修改，保持原先的功能不变，变成这样：

得到的 Φ 就全都是0了——它没有意识。

这是非常有意思的现象：即便功能一样，不同的物理结构，就会带来不同的意识水平。按照 IIT 理论，前馈神经网络的 Φ=0，而 RNN 则大于零。关键在于是否存在回路（这一点与再入理论很像，但这是IIT理论的推论，而非出发点）。

「ETC闸门有意识」并不是一个笑话，同样地，「保持功能不变，更改一下物理结构，意识就消失了」，在我看来也不是一个需要嘲笑的东西。但它引出了一个重要的问题：我们为何进化出了意识？

要探讨这个问题，我们需要了解「哲学僵尸」的概念：

哲学僵尸（英语：Philosophical zombie，或称p-zombie），又译哲学丧尸，是精神哲学上的假设存在物。假设这个世界上存在一种人，外观与物理组成都与一般人类无异，但是他没有意识经验、感质或感情。举例而言，哲学僵尸在撞上尖锐物品时，在外在上与一般正常人类相同，可以看到他的皮肤出现伤口，测量他的神经讯号，也可以测量到疼痛讯号的出现，会出现疼痛的表情，发出叫声，会向其他人表示自己正在疼痛。但是他的内在心灵中，没有疼痛的意识。

简单来说，哲学僵尸的外表与人无异，但却没有意识（哲学僵尸可以通过镜子实验，一来镜子实验测试的是自我意识，而非意识；二来，哲学僵尸在外在看来与人完全一样），没有体验。事实上，Krohn-Rhodes 定理证明，任何有限状态机，都可以被前馈结构所替代，功能完全一致[12]。

如果我们接受IIT理论的一些推论，或是其他任意理论，我们都可以问出一个问题：为了自己活下去，繁育后代，其他的大脑结构也可以，为何我们就进化出了意识呢？

或者更简短地说：我们为何拥有意识？拥有意识体验有什么好处？

主流的意识理论似乎都没有正面的回答。

结语

我在这里介绍了几种主流的意识理论，在一些人看来，好像我们对意识已经完全了解，甚至可以动手计算了；在另一些人看来，似乎什么都没说——「意识乃是至高至玄之物，非我等凡人可窥之堂奥」。但我恰恰就是要反对这两种观点：我们没有完美的意识理论，但也不是完全不能下手。

我们在将来会有一个完善的意识理论吗？我表示谨慎乐观。从乐观的方面看，我们应该会发现一种理论，能够解释、预言各种意识体验；从谨慎的角度看，由于「莱布尼兹之堑」的存在，通过观测似乎永远无法跨越客观与主观、实验与体验。

最后，做个不负责任的判断：自指可能是解决意识的一把钥匙，因为它几乎可以和上述的所有理论联系起来。

1.对于更高层次理论来说，泛函动力学的实验[13]说明：自指映射可以自然地涌现出符号，即更高层次理论中所说的「元表示」；‍‍

2.对于全局工作空间来说，同样是泛函动力学：自指映射可以自发的把功能和数据拆分开，这与全局空间对应了起来；‍

3.对于整合信息理论，自我指涉，本身就是一种回路，有很大希望得到一个比较高的Phi；‍

4.而对于再入与预测加工理论，关系则更为密切：如果一个系统要预测其自身，就需要对自身建立一个抽象的模型，如此，自指便自然产生了。‍

更进一步，很多人混淆的「自我意识」，也能包含在自指的框架之内。但这些都是一些方向性的猜想，还没有坚实的实验。

经作者授权转载自知乎：

https://www.zhihu.com/question/532951714/answer/2506283467

参考资料来源:

[1]Seth, A.K., Bayne, T. Theories of consciousness. Nat Rev Neurosci (2022). https://doi.org/10.1038/s41583-022-00587-4 https://www.nature.com/articles/s41583-022-00587-4

[2]又被翻译成意识的高阶理论，个人以为不妥

[3]Anderson, P. W. “More Is Different: Broken Symmetry and the Nature of the Hierarchical Structure of Science.” Science 177, no. 4047 (August 4, 1972): 393–96. https://doi.org/10.1126/science.177.4047.393.

[4]这一点很像机器学习中的注意力机制，但机器学习中很少主动构造一个全局工作空间

[5]Luczak, Artur, Bruce L. McNaughton, and Yoshimasa Kubo. “Neurons Learn by Predicting Future Activity.” Nature Machine Intelligence 4, no. 1 (January 2022): 62–72. https://doi.org/10.1038/s42256-021-00430-y

[6]Millidge, Beren, Alexander Tschantz, and Christopher L. Buckley. "Predictive coding approximates backprop along arbitrary computationgraphs." Neural Computation 34.6 (2022): 1329-1368. https://direct.mit.edu/neco/article-abstract/34/6/1329/110646/Predictive-Coding-Approximates-Backprop-Along

[7]Oizumi, Masafumi, Larissa Albantakis, and Giulio Tononi. “From the Phenomenology to the Mechanisms of Consciousness: Integrated Information Theory 3.0.” Edited by Olaf Sporns. PLoS Computational Biology 10, no. 5 (May 8, 2014): e1003588. https://doi.org/10.1371/journal.pcbi.1003588

[8]IIT理论非常有意思——它有1.0、2.0、3.0版本。不同版本的公理还有所差别。这里引用的是IIT 3.0的公理

[9]PyPhi - Github https://github.com/wmayner/pyphi

[10]abHanson, J. R., & Walker, S. I. (2021). Formalizing falsification for theories of consciousness across computational hierarchies. Neuroscience of Consciousness, 2021(2), niab014.

[11]Hanson, J. R., & Walker, S. I. (2021). On the non-uniqueness problem in integrated information theory. BioRxiv.

[12]Krohn K, Rhodes J. Algebraic theory of machines. I. prime decomposition theorem for finite semigroups and machines. Trans Am Math Soc 1965;116:450–64.

[13]Naoto Kataoka and Kunihiko Kaneko. “Functional Dynamics. I: Articulation Process.” Physica D: Nonlinear Phenomena 138, no. 3–4 (April 2000): 225–50. https://doi.org/10.1016/S0167-2789(99)00230-4.

郭超：《我们的意识从何而来？》

张江、李嫣然：《拥有“意识”的AI：如何让大语言模型具备自我意识？》

点个“在看”分享洞见

责任编辑：