人工智能哲学

对图14-9中神经矩阵的最后三点总结。第一，它不必局限于线性变换的计算。单个的突触联系能表示广泛范围内的任何功能特性。它们无需只是简单的乘法器。所以它们能以协同方式计算多种多样的非线性变换。第二，神经矩阵具有与状态空间分层结构同样的非常之快的速度。第三，如果给出的是大型矩阵和(或)细胞的庞大组织，即使它们分散地损失一些细胞成分，这样的结构也会表现出对功能的保持。

这些简要的评述当然不是对派利欧尼斯和利纳斯极其丰富的研究成果的全面评价，同时我也没有提出任何批评意见。（后者见Arbib andAmari 1985。对他们的答复见 Pellionisz and Llinas 1985。)至于更深入的讲解，读者必须查阅文献。这一节的主要内容是说明，本文前面提到的一般性功能的图式，即用状态空间位置表述和由坐标变换计算的图式，即使在表述作业和计算作业超出二维情况时，也不会遇到实施的困难。相反，脑包容的神经机构可以完美地适合于维度很高的情况。这样，我们至少具有两种已知的执行坐标变换的脑机制：专门用于二维情况的状态空间分层结构，以及不论对何种维度都适合的神经矩阵。

人工智能哲学

382

1. 状态空间的表述力量

到目前为止，讨论一直集中在状态空间坐标变换的令人印象深刻的计算力量上，以及这种活动的可能的神经实现上。但重要的是，要充分意识到神经状态空间的同样强有力的表述能力。有n个不同变量的复杂系统的整体状态，能够由抽象的n维状态空间中单个的点来表述，这是很经济的。而这样的状态空间点在最简单的情况下，能够由只有n根不同纤维的系统中的n个脉冲频率的特定分布以神经方式实现。此外，状态空间表述还体现出它之中不同的可能位置之间的度量关系，从而体现了对这样表述的不同项目之间的相似性关系的表述。我们用五个例子来说明这些论断，它们都是真实的，而其中三个例子提出了一些哲学家们所熟悉的问题。

对心理状态的任何神经生物学简化来说，大家公认我们知觉的性质特点提出了一个特别棘手的问题(见Nagel 1974；Jackson 1982；Rob-inson1982)。在呈现于意识中的主观上可辨别而“客观上不可描绘的”感觉特性中，的确很难看到为简化目标留有多少位置。

即使如此，为找出这一领域的有序性而不是神秘性所作的坚韧不拔的努力，还是揭示出了大量的可以表达的信息。例如，我们都赞成，我们视觉感觉的“颜色”感觉特性自行排列在一个连续体中。在这些特性所处的连续体中，存在相似性关系(橙色与红色相似)，相对相似性关系(橙色与红色比与紫色更相似)和中间性关系(橙色处于红色和黄色之间)。同时，还存在着不定数目的穿过连续相似颜色的不同的“通路”，可使我们从任何已知颜色达到一个不同的颜色。

14 认知神经生物学中的某些简化策略

383

对此，我们可以补充说，那些患有这样或那样不同类型的色盲的人，其实体现了颜色感觉特性的一个大大简化的连续体，至少是以部分可说明的方式简化的连续体(它不能表示红绿对比，或蓝黄对比，等等)。一个问题是在一个给定的感觉模态中出现的感觉特性的相对种类数，这个问题提出了这种看法：在我们熟悉的五种感觉模态间，存在着值得注意的变化。例如，虽然可辨别的颜色感觉的种类非常之多，但是可辨别的味道感觉的种类甚至更多，而可辨别的气味感觉的种类还要多。这种感觉模态间的变化，使我们进一步想到物种间的假定变化，以犬类的超常辨别能力为例，它们单凭嗅觉就能辨别出这个星球上35亿人口中的任何一个人。就含有更多种可辨别的感觉类型而言，人们足以推测，由于某种原因，犬的嗅觉感觉的连续体比人类的“大”得多。

于是，我们得到一些关于主观感觉特性多样性的普通事实，这些事实可尝试由对心灵的简化说明来作出解释。要做到这一点，就必须用神经生物学术语，以某种具有启示作用的系统方式，对这些事实进行重构。(有关通过理论的同一性的本质和理论相互之间简化的本质的一般性说明，见Churchland 1985，1979。)现在来探讨这种做法的可能性。对几种相关的感觉模态来说，生理心理学家和认知心理学家已草拟了这样的说明的大纲，而状态空间表述在所有这些大纲中起着突出的作用。

首先考虑E·兰德提出的抽象三维“颜色立方体”（图14-11），在人类可辨别的数百种颜色中，每一种颜色都在这立方体里占有惟一的位置或一个小体积(Land1977)。每一根轴表示眼/脑以我们的视锥细胞有选择地响应的三种波长之一构造所见对象的客观反射的情况。两种颜色只有当它们在这一立方体内部的状态空间位置相互接近时才是十分相似的。只有当两种颜色的状态空间位置相距很远时，它们才是不相似的。我们甚至能够说出相似的程度，以及计算相似性时所沿的维度(也见 Zeki 1983)。

人工智能哲学

384

如果人脑的确拥有这种状态空间的内部实现方式，那么它就以很低的代价换取了很大的表述力量。例如，如果沿着兰德的颜色状态空间的每一根轴，我们本来的辨别能力只有10个不同的位置，那么一个三维系统就能够足足表示 $1 0 ^ { 3 }$ 个不同颜色。即使如此，这也低估了我们的能力，所以假定沿轴线有10个单位的辨别能力可能太低了。不管怎样，用它来解释我们广泛的辨别力量是没有问题的：在兰德状态空间里的人的辨别力，作为沿每个轴的辨别力的三次幂而迅速增大。我们的周围神经系统机构确实证实了这个一般性假设。所有颜色知觉都是由恰好三种视网膜视锥细胞的输入产生的。

所有这些提出了这一假设：任何特定颜色的视觉感觉实际上等同于某一具有三元一组形式的脑系统中的特定的三重脉冲频率。如果情况果真如此，那么两种颜色感觉的相似性就仅仅表现为它们各自状态空间位置的近似度。性质上的“中间性”成了状态空间的中间性。当然存在着不定数目的连接任何两个状态空间点的连续的状态空间通路。显然，我们可以再构想一个如图14-11那样的立方体作为内部“感觉特性立方体”。我们只要认为每个轴表示着反射信息所通过的三个内部通路之一的瞬时活动水平或脉冲频率即可。

14 认知神经生物学中的某些简化策略

385

最后，如果先天不幸使一个人失去了正常的三个通路之一，那么他或她的感觉特性空间就会缩降为三种可能的二维空间之一，至于是哪一种，则取决于三个轴中的哪一个变成无效的了。一个可预见的特定的颜色辨别力缺陷，应与每一缺失相伴而生。实际情况也是如此。有三种基本的色盲类型，每一种对应于视网膜视锥细胞三种类型之一的损失。这里我们完成了对于以纯粹简化方式解释一个感觉特性领域的概述。

我们的味觉系统看来运用了类似的安排，不过这里的状态空间维数表现为4，因为这是口中不同类型的味觉感受器的数目。所以人们推测，人的每一可能的味觉都是四维味觉状态空间里某处的一点。或更准确地说，它们是四个专用通路中的四重脉冲频率，这些通路把来自味觉频率分布感受器的信息送往脑的其余部位。如果我们沿着每个轴的辨别力与颜色空间里的辨别力相当(每个轴上有10个单位以上)，这就意味着不同味觉的种类数将比不同颜色感觉的种类数大约大一个数量级。看来也确实如此。味觉的这种状态空间研究法是以交叉纤维模式理论出现在神经科学文献中的（Bartoshuk 1978；Smith 1983；Pfaff1985)。

对味觉空间的这一认识使得我们可以确定地说出“它像什么”，是老鼠还是猫。与人类一样，老鼠和猫也是哺乳动物，并且它们也拥有四通道的味觉系统。然而，有一种差别值得一提。四个通路之一—常常记为“苦味”通路，因为对苦味的四值编码需要这一通路中的高级活动—显示出这三个物种间的不同灵敏度。同人类相比，老鼠的这一通路可引发的活动范围显得较窄(较低的辨别力)；猫的这一通路的活动范围则显得较宽(较高的辨别力)。

人工智能哲学

386

现在来看看人类对糖(蔗糖)的味觉和对糖精的味觉的细微对比。一般是糖受欢迎，因为糖精有轻微的苦味。上述关于老鼠和猫的情况说明：老鼠的苦味差别将小于人的这一差别，而猫的差别则大于人的。即糖精的味道对猫会比对人更苦些。这也就是上述情况所说明的。实际情况是老鼠的选择行为不能辨别出糖和糖精：它们没有区别地两样都吃。而猫却不同，它吃糖，而拒绝吃糖精(Bartoshuk1978)。

与此相同的一般性质的说明，也适合于我们的嗅觉系统，该系统有六个或更多的不同类型的感受器。六维空间具有更大的容量，因而可能有其至更大的辨别本领。在轴向有10个单位辨别力的情况下，六维空间可能有 $1 0 ^ { 6 }$ 种气味的辨别力。我们只要设想一个七维嗅觉空间，轴向的辨别力三倍于人类—这差不多就是狗所肯定具有的辨别力，那么我们考虑的就是一个具有 $3 0 ^ { 7 }$ 个或220亿个辨别位置的状态空间！了解到这一点，犬靠嗅觉去辨别这个星球上35亿人中的任何一个人的能力就不再显得有什么神秘了。

在讨论听觉感觉特性的复杂情况时，我既没有这种空间，也没有这种认识，但这里提出的状态空间方法仍被认为是富有启发性的(见Ris-set and Wessel1982)。由于研究人员的不同和所涉及的模态的不同，这状态空间方法有不同的名称：“多元分析”、“多维扫描”、“交叉纤维模式编码”或“矢量编码”等等。但是，它们都是同一个东西的化身：状态空间表述。

显然，这种认识感觉特性的方法受到来自理论和实验两方面的推动，它也是对我以前在一篇关于感觉特性的本体论地位的文章(Church-land1985)中提出的简化立场的支持。特别是，它提出了一种有效的表达工具，可以表达那些被断言为无法表达的东西。人们当前视觉中“难以用语言表达的”粉红色，也许可以充分而准确地表达为一个相关的三元一组的大脑皮质系统中的“95Hz/80Hz/80Hz的频率调和”。

14 认知神经生物学中的某些简化策略

387

由冒牌的澳大利亚健身补药Vegamite产生的“不可言传的”味觉，可以相当精密地言传为人们的四通道味觉系统中的“85/80/90/15的频率调和”（一个最好避开的味觉空间死角）。而由一朵刚开放的玫瑰花所产生的“不可描述的”嗅觉，也可以相当精确地描述为人们嗅觉里面某个六维系统中的“95/35/10/80/60/55的频率调和”。

这种更为深刻的概念框架甚至可以取代常识框架作为主体之间的描述载体和自发内省的载体。正像音乐家在将他所听到的音乐频率调和的内部结构的一般性理论内在化之后，就能学会识别这些音乐频率调和的构成一样，我们也能在将我们的主观感觉特性的内部结构的一般性理论内在化之后，以内省方式学会识别这些感觉特性的n维构成。这种类比的更大的优点是取代这样一个可预测的响应：这种对“内部世界”的再构想会剥夺它的美丽和它的独特个性。这样做也许只不过和通过频率调和理论对音乐现象的再构想剥夺音乐的美丽和音乐的独特个性一样而已。与此相反的是，这种再构想打开了许多否则依然关闭着的美学之门。

我相信，这种常见的“难以用语言表达的感觉特性”所表现出的连续性带有一些显然确实可分成许多分量的特征。我们来看看用于面孔识别的人类“模件”。我们显然具有这样的东西，因为这种识别面孔的特定能力会因特定的右顶骨的损伤而破坏。这里似乎有理由提出一个也许是20维的内部状态空间表述，其中每一维对某个突出的面部特征如鼻子长度、面部宽度等进行编码。（警察的“容貌拼具”就是运用这种系统的尝试，已取得一些成功。)即使沿每个轴的辨别力只限于五个不同位置，像这样的高维空间仍将具有巨大的容量(52°个位置)，可以辨别和识别几十亿张不同面孔。它也能体现出相似关系，所以可以成功地对近亲加以分组，也能根据在不同年龄时拍摄的照片对同一个人加以确认。我们看一看爱因斯坦年轻时和年老时的两张照片。它们的相似之处在哪里呢？它们在人的面部状态空间中处在接近位置上。

最后，我们来看看运动的例子，我们来考虑人的“身象”：一个人对他在空间中的整个身体构形的不断更新的感觉。这种构形是由数百块肌肉的同时存在的位置和张力构成的，人们从他们的大多数运动的平稳协调情况进行判断，对它的监控是相当成功的。人们是怎样做到这一点的呢？根据派利欧尼斯和利纳斯的理论，对于高维状态空间来说，是由小脑承担了计算出实际的和意向的运动环境的高维编码之间的恰当变换的任务，这些编码是寄存在作为传入的平行纤维和作为传出的浦肯野神经轴突中的。

人工智能哲学

388

这里可以用一个很简单的例子再现一些这样的可能性。我们来看一个高度复杂的、周密编制的周期运动，如猫的运动器官活动情况(图14-12a)。现在考察猫后肢的三维关节角度运动状态空间，在这个空间中，该肢体的每一可能的构形都由一点来表示，而每个可能的运动由一个连续轨迹来表述。这只飞跑的猫的优雅步伐的周期可很经济地由那个关节角度状态空间(图14-12b)中的一个闭环来表示。如果以某种方式详细说明或“标记”出这个相关的环，那么协调运动这种令人生畏的任务就简化为一个简单的追踪问题：使你的运动状态空间位置沿着这个环的轨迹行进。

14 认知神经生物学中的某些简化策略

389

脑中是否存在着某种符合这一设想的东西，仍悬而未决。然而，目前曼尼托巴大学的拉里·乔丹CNS实验室正在进行这一技术的开发研究，他们的最终目的是把便携式微机用作截瘫患者产生有效运动器官活动的人工工具。

我们一旦跨越二维状态空间点的认知意义，进入了n维状态空间中的直线和闭环的认知意义，我们就有可能发现曲面、超曲面和超曲面相交部分等等的认知意义。出现在我们面前的将是一个对认知活动的不同于狭义句法概念的“几何”概念。

1. 结束语

我们已经看到，这种表述方案如何能以生物学上的真实方式对运动控制、感觉辨别和感觉运动协调的许多重要特征作出说明。但是，它有办法来说明那些所谓更高级的认知活动，例如通过语言使用以及一般地通过我们对世界的命题知识来表述的那些活动吗？

据我们设想，这是可能的。例如，人们可能设法找到一种表述“讲英语者的语言多维空间”的方法，这样，所有合语法的句子就会处于多维空间里的专门的超曲面之上，它们之间的逻辑关系反映为某种空间关系。当然，我不知道如何做到这一点，但是它提供了一种可能性，可替代或是潜在地简化我们熟悉的乔姆斯基的描绘。

至于通常被认为构成个人知识的那种“信念集合”，有可能是这种情况：语句的几何学表述使我们能够解决“默认信念”的棘手问题(Dennett 1975；Lycan 1985)。正像全息图不“包含”大量清晰的三维图像，它们以奇特的方式排列着，从而能在全息图被人从不同的位置观看时呈现出真实物体连续变化的景象一样，人类也很可能不“包含”大量清晰的信念，它们以奇特的方式排列着，从而聚集起来呈现出关于这个世界的一个连贯的说明。

人工智能哲学

390

更为可能的真实情况也许是，在这两种情况下，特定图像或信念只不过是一组更深的数据结构的任意投影或“切片”，这种样本切片的总的连贯性是整体信息存储在更深层次上的方式的直接后果。例如，一台利用归纳规则来决定接受或拒绝单个得到的离散切片的归纳机器，会因过分谨慎细致而显得忙忙碌碌，但它不会得出总的连贯性的结果。这就意味着，我们要理解学习过程，可能还得理解直接支配着更深层次上的整体数据结构演变的作用力。

这些高度思辨性的评论显示了本文中概述的理论所提出的一个研究方向：一个通过坐标变换而相互作用的状态空间系统所具有的抽象的表述能力和计算能力究竟是什么？我们能够用它来系统地阐明代表“更高”形式认知活动的模型吗？这个理论也假定了相反方向的研究——脑的神经生理学研究的正确性。因为脑肯定不是一台以数字计算机方式工作的“通用”机，所以经常会出现这种情况：我们一旦事先准备好要认清它们，就可以直接从脑的微结构中读取脑的局部计算策略。因此，关键是要研究这种微结构。（对认知神经生物学的通俗介绍，见Churchland 1986。)

总的来说，通过坐标变换而相互作用的状态空间系统所具有的惊人的表述能力和计算能力，为理解神经系统的认知活动提供了一个强有力的、适用性极广的工具，尤为重要的是，适合于实现这种系统的物理机制遍布于整个脑之中。

14 认知神经生物学中的某些简化策略

391