为了解人的思维，需要更多的新思想、技术和更大的努力。

如果去问一个科学家：人类现在认识最贫乏的是什么？那么，回答将是各种各样的。固体物理学家会回答说是高温超导的机制，粒子物理学家会回答说是质量的起源、或者是所谓的“包罗万象的理论”， 生物学家会说是迄今极其神秘的生命现象的来龙去脉，天文学家则说是暗物质，或是大爆炸，或是外星智能之谜，而古生物学家则会说是物种大规模灭绝的问题。

但是，迄今大多数不同专业的科学家可能会有一个共同的两个字的回答：人脑。为发展思维的理论需要完成本世纪凯旋式进行的科学三部曲：首先是原子，其次是基因，现在是思维。

前两步是令人鼓舞的。神经科学现在的处境大约相当于处在1919年的原子物理，那时卢瑟福发现了原子核，或是相当于处在1944年的分子空物学，那时阿弗瑞（Oswald Avery）发现了基因物质是由DNA所构成。在这两种情况中，问题忽然变得是可以突破的，从而使人们大为吃惊。在1919年几乎不能想象物理学会进入量子的世界，或是在年，分子生物学会成为破译以四个字母拼成的三字长的密码。

同样，神经科学家并不真正知道该问什么问题。迄今他们主要是从事唯象学研究。一个人在脑的这个部位有肿瘤会失语，在那个部位有肿瘤会失去记忆，多巴胺过多与精神分裂症有关，而过少则与帕金森氏病有关，鸟类学习新歌时能生长新的神经，而哺乳类则不记，当学习某种新东西时，突触的离子通道发生改变等等。是的，所有这些都引起极大的兴趣，但迄今都纯属描述性的。唯象学的困惑之一在于它通常使我们了解症状而不是原因。例如睡眠的α波与脑的工作之间的关系可能只像是噪声之于枪的功能的关系那样。

在原子和基因的情况中，最大的惊奇在于其最终结果的简单性：薛定谔原子模型和DNA的三联密码。在1919年和1944年时、对于能这么容易地解决这两个问题是毫无保证的。

加州大学圣迭亚哥分校的神经科学家塞洛夫斯基（T. Sajnowski）从这里得到鼓舞，他相信像基因密码或是化学中的周期表那样简单的原理可能会在人脑出现，虽然他还提不出这种具体的可能方案。对构成脑的单个神经细胞已有很好的了解，也逐渐搞清楚了它们以什么方式联结成简单网络，以执行诸如在视场中识别边界的功能。但是，对整个网络如何联结成一个具有视觉、记忆、情绪等的完整系统的方式则知之甚少。

多数神经科学家认为，意识，不论其意指什么，都将被证明是他们的中心问题，但是，首先需要哲学家引导他们来界定它。注意力是另一个候选者，近年最诱人的发现之一，至少在视觉方面是：在神经细胞的活动中40赫兹左右的一种半同步振荡可能决定在视场中集中于一个事物的能力。图像识别是第三个候选者，视觉科学家正在探索以求了解在观察——或是幻想——图像时，人脑是如何活动的。

用什么方式来研究人脑会得出最佳的结果呢？在过去几十年中流行的研究方式是解剖学（左脑－右脑，或是语言在布洛卡（Broca）区和威尼克（Wernicke）区的定位），神经化学（在1970年发现神经呔，它似乎影响睡眠、疼痛和情绪），和近来对大脑各部分如何工作的计算机模拟。塞洛夫斯基博士对光记录技术寄予很高的期望，该技术将可能摄录下神经细胞群的启动瞬间。《自然》杂志的编辑马朵克斯（Maddox）先生目击了这些流行研究方式的兴衰。他期望科学中一种不同的潮流：一种研究在鼠中引入基因突变的潮流，它似乎能激发特定的脑的功能。

这种研究的先驱者之一的洛克菲勒大学的巴尔的摩（D. Baltimore）认为：在脑中可以比在任何其它器官中植入更多的基因。“科学”杂志的编辑，加州大学伯克莱分校的柯希兰德（D. Koshland）现在已有了能“习惯”和“强化”的纯细胞链——换言之，学习过程已经移在试管里进行了。在海德堡的欧洲分子生物学组织的托兹（J. Tooze）认为人脑的布线问题（每个神经细胞如何知道在哪里去与其它的细胞连结）必须包含“分子识别”事件，换言之，这里涉及了分子生物学家。

物理学家也参与了这一研究。牛津的潘洛斯（R. Penrose）写了一本书声称从第一性原理论证一种新型的物理学是为理解感觉所必须的。剑桥卡文迪许实验室的爱德华（S. Edwards）指出：一个惊人的数学新分支（对懂行的人，它可用瑞利－泰勒不稳定性方程来演示）理想地适于用来解释神经细胞的生长模式。

神经科学的混乱状况之一是事实不少，理论也很多，但就是两者没有结合，所以整个事情都是对脑进行类比。在19世纪对脑的猜测以力学和热力学的类比为主导，在本世纪60年代、则以带有记忆和中央处理单元的序列计算机模型为主导。同时有过认为记忆是一种全息图的一段短暂热情。今天，并行计算机则是对脑的一种主导的类比。

神经网络

把这些类比看得过于认真是一种错误，脑更像一台计算机或是电话网络而不像水磨或是汽车，但是，这并不意味着它与一堆人体的硅有任何特殊共同之处。计算机的历史只在于强调人发明了某种非常不同于脑的东西，它适于精确、快速、百科全书似地记忆、分类和计算（甚或下棋），但不适于绘画、政治或是哲学。

从计算机借用来可能导致误解的类比之一就是硬件和软件的区别。科学家们通常把作为讯号通过神经的快速、可逆改变k软件）与在神经细胞间的触头的较慢的、较持久的使讯号随后能更容易通过的改变（硬件）加以区别。虽然许多人坚持这只是一种人为的区分。的确，在突触中的改变可以持续任意时间，从微秒到数小时，从软件变到硬件。

虽然如此，人工智能技术现在是神经科学的一个标准部分。其结果有可能在脑的主要功能（可能是视觉）“被了解”之前就在计算机上被模拟出来。这是因为人工智能现今的潮流是让神经网络“学习”如何通过调整各单元层间相互联系的强度直至所要求的解出现的方式来解问题。这是完全不同类型的计算，不同于通常使用的计算机，对它们每一步必须给出特定的指令。

并不是说神经网络值得受到冒险的资本家们（以及国防部，甚至某些炮弹现在都有神经网络）过分的期望。在某种意义上他们只不过是人们对编制并行计算机程序无能的一种表现。他们使用通常的计算机，但是期望着具有并行的特性，为开发它们而成立的许多公司正在作的事更多的是人工的而非“智能的”。虽然，显然较之人工智能先前的热门——专家系统，他们是对脑的智能部分更为接近的类比。

并行计算的流行可能有更广阔的意义。它是更宽模式的一部分。在一系列不同的科学中同时并行的、演化的思想正在替代序列的、因果的思想。这也许是一种偶合。或者这是科学发展最激动人心的一个范例。

[News from IGTP No 42/43 1991]