AI时代再问意识：意识的生物学转向（3）上

第三部分：Ned Block——如果载体本身也很重要（上）

Anil Seth把生物学重新带回意识问题，是因为他怀疑“活着”这件事本身可能与主观体验存在深刻联系。生命体必须维持自己，调节身体，在环境变化中保持内部稳定；意识也许正是在这样一种具有内在利害关系的生命组织中逐渐产生。但Ned Block把这个问题又向下推进了一层。他所追问的不仅是意识是否需要生命、自我维持或者身体调节，而是更加直接地触及神经系统本身：大脑之所以能够产生意识，究竟只是因为它完成了某种计算，还是因为它以某种特殊的物理方式完成这些计算？

这个问题直接碰到了计算功能主义最重要的基础之一。如果一种心理过程本质上由计算关系决定，那么实现这种计算的物理细节原则上就不应该重要。一段程序可以运行在不同处理器上，可以使用不同材料、不同电路结构、不同能耗和不同运行速度，只要关键的计算关系保持不变，我们通常仍然认为它执行的是同一个程序。把这一思想应用到意识，就形成了所谓的基质无关性（substrate independence）：如果人脑中的某种计算组织产生视觉、疼痛、记忆或者自我意识，那么原则上，另一个由完全不同材料构成的系统，只要实现了相同的关键功能组织，也应该拥有相应的意识。

Block并没有直接断言这个结论错误。他提出的是一个更加基础的问题：我们究竟有什么证据证明它一定正确？

在近年的文章 Can Only Meat Machines Be Conscious? 中，他有意使用了一个带有挑衅意味的标题：“只有血肉机器才能拥有意识吗？”真正值得注意的并不是“meat machines”这个说法，而是他希望重新区分两个在计算主义传统中经常被合并的问题：一个系统承担了什么计算功能，以及这个功能究竟通过什么样的物理机制实现。

我们当然可以在很高的抽象层次上把一个神经元描述成某种输入—输出转换单元，但真实的神经元并不是一个抽象函数。它是一个活着的电化学系统。膜电位、离子通道、神经递质、受体、神经调质、树突结构、细胞代谢以及不同时间和空间尺度上的相互作用，共同决定了神经元实际发生的活动。我们把神经元抽象成计算单元时，会有意忽略其中绝大部分细节，而这种忽略并不是错误，恰恰是科学建模能够进行的条件。

真正的问题是：我们的计算模型可以忽略这些细节，意识本身也会忽略吗？

要理解 Block 的问题为什么重要，需要重新认识“抽象”在现代科学中的作用。工程师分析一座桥梁时，不需要计算每一个原子的量子状态；经济学家研究通货膨胀，也不会追踪每一个人在每一家商店完成的每一次购买。科学之所以能够建立理论，正因为它总是在寻找一个适当的描述层次，在这个层次上，大量底层细节可以被安全地忽略。

计算机科学尤其依赖这种原则。同一个逻辑操作可以由晶体管、继电器、真空管甚至其他完全不同的物理装置实现。一旦我们确定了真正重要的逻辑结构，就可以把具体实现机制放到较低层次暂时不管。

二十世纪认知科学从计算机科学借用了这种极其成功的方法。神经元可以被理解成信息处理单元，神经群体可以被描述成某种表征系统，整个认知过程则可以被分析成感觉输入经过内部转换最后产生行为输出。大脑令人望而生畏的生化复杂性由此暂时退到背景，取而代之的是信息、计算、表征、记忆和决策等更加清晰的概念。现代认知科学和后来人工智能的巨大进步，很大程度上都得益于这种抽象。

然而，意识带来了一个其他计算问题中不容易出现的困难。对于普通功能，我们通常知道抽象是否成功，因为我们知道需要保留什么。一台计算器只要能够稳定得到正确答案，实现加法的芯片究竟使用什么具体材料通常与“加法是否完成”没有关系；一个排序算法只要最终正确排列数据，我们也能够独立判断它是否实现了目标。

意识却不同。

两个系统完全可能完成同样的辨别任务，作出相同的语言报告，表现出同样的行为，而我们仍然不知道它们是否拥有相同的主观体验，甚至不知道其中一个是否根本没有任何体验。于是，“计算等价”或者“行为等价”本身并不能证明“体验等价”，除非我们事先已经接受了一个前提：意识完全由计算组织决定。

可这个前提本身，恰恰就是正在争论的问题。

如果我们说物理细节不重要，因为意识本质上是计算；然后又说意识一定是计算，因为只要计算相同意识就应该相同，那么整个论证就存在潜在的循环。Block真正希望打破的，就是这个循环。

他在近期论述中特别强调所谓亚计算层面的生物机制（subcomputational biological mechanisms）。这里的“亚计算”并不是说这些过程不重要，而是说，当我们用一个较高层次的计算模型描述神经活动时，它们通常不会出现在模型中。问题并不在于“神经元非常复杂”——这一点没有人否认——而在于那些被计算抽象省略掉的物理过程，会不会有一些实际上直接参与了意识的产生。

可以设想一个极度简化的例子。一个生物神经回路和一个人工电子回路实现了完全相同的输入—输出转换，从某个计算层次看，两者可以被描述成等价系统。但是，前者通过活细胞中的电化学活动实现这种转换，后者则通过半导体开关实现。如果意识完全取决于抽象计算，那么这种差别自然无关紧要。

可是，如果意识还依赖连续电压变化、电磁性质、分子相互作用、生化调节、某种特殊时间动力学，或者其他被计算模型省略的物理过程，情况就完全不同了。两个系统可能在计算意义上等价，却在意识意义上并不等价。

计算这个概念本身并不能排除这种可能。

这正是 Block 最有力量的地方。一个计算模型告诉我们的，是哪些物理差异在这个模型中可以被忽略；它并不能因此证明，自然界本身也忽略这些差异。

这个区别很容易被现代计算科学的成功遮蔽。一旦某种神经活动能够被计算模型很好地描述，我们很容易不知不觉地把“我们成功描述了这个过程”进一步理解成“我们已经发现了这个过程本质上是什么”。但一个成功的高层理论，并不能证明所有低层性质对于与这个系统有关的其他现象都没有因果意义。

科学史中并不缺少类似情况。在分子运动理论出现以前，人们已经能够相当有效地研究温度和气体；孟德尔在不知道DNA结构的情况下，也能够发现遗传规律。较高层次的理论完全可以正确，却并不完整。后来进入分子层次，并不是推翻温度或者孟德尔遗传学，而是解释了这些高层规律究竟怎样从具体物理机制中产生。

Block要求意识科学认真考虑的，正是这样一种可能：计算也许正确地描述了心智的许多高层结构，却未必已经触及产生主观体验所需要的全部物理条件。

这一问题在他把人工智能与动物意识放在一起比较时变得尤其尖锐。

（未完待续）

---