你就是自己存在的证明

Lex Fridman 开场就问 Karl Friston，从神经元到功能再到精神疾病，我们究竟理解了多少人脑。Friston 在脑成像和理论神经生物学方面的研究，被引用超过 24.5 万次，但他对这个问题不肯打分。他说，我们比上个世纪强多了，但要回答能走多远，几乎不可能，除非先决定什么才算理解。

如果把每一根树突都绘制一遍，人就会一辈子泡在显微镜里。研究中风和病变的神经心理学家，则会紧盯着整个人。Friston 自己的赌注介于两者之间。假如大脑是一台做推断的机器，那你不必追踪单个分子，也能理解它的热力学，正如你不必追踪每一个粒子，也能理解一团气体。不过，如果太粗，就会漏掉那些让信息传递得以实现的典型布线。

这就是他对高场磁共振成像感到兴奋的原因。它第一次能分辨几毫米范围内的活动，足以区分皮层各层，而这些层的微电路在整个大脑中是重复的。他说，在一毫米到一米之间，才是有趣问题所在的尺度。被问到大脑最美的特性是什么，他没有提意识或语言，而是说起它的层级式、递归式解剖结构。

Friston 指出，肝脏能完成精妙的生物化学反应，没有它人活不了多久。但它没有大脑那种精心构造的稀疏性、递归性和专门化。Fridman 承认，他一直把大脑想象成一大团相互连接的东西，密得难以解析。Friston 说，他在读医学院之前也是这么想的。“这不是什么神奇的汤。”

他认为，层级结构不是靠增加连接搭起来的。你要从一锅全连接的汤开始，小心地删掉那些会破坏分层结构的连接。层级是由一种稀疏而特定的连接方式定义的：两个区域相隔越远，就越不可能有直接的神经纤维相连。支撑这种深度的是解剖结构，靠比喻撑不起来。

示踪研究把这种稀疏性画成一个类似洋葱的结构。所有感觉输入，以及送往肌肉和腺体的全部输出指令，都在表层交换。下面一层观察这种交换，再下一层观察前一层，以此类推，直到核心。如果大脑是一台传递消息的机器，那么塑造这种传递的电路，也就决定了功能。删掉稀疏的递归结构，剩下的那锅汤确实什么也做不了。

发表在期刊上的大多数人脑神经成像研究，测量的是活动随时间的波动，通常是对刺激或任务的反应，有时则是静息状态。两条互补的原则组织起这类分析。功能特化认为，某些组织专门负责某一类加工，比如看见视觉运动。功能分隔认为，这种特化在空间上是受限的，所以一只飞动的鸟应该点亮一小块特定区域，而静止的图像则不会。

Friston 对由此得出的脑图，不介意说几句刻薄话。有人把这项事业称为新式绘图学。他也听到过有人形容它是画得更漂亮一点的颅相学，是一场寻找“做这件事或那件事的斑块”的狩猎。但这种希望并非空的。二三十年间，这个领域已经远远超出了对上个世纪病变研究的渐进式验证。失去 V5（即中颞区，MT）的患者无法看见运动的东西。动物身上的电极在同一区域发现了对运动敏感的感受野。随后，成像技术显示，在活体人脑中这个区域确实会亮起来。

只靠损伤研究从来不够。拉什利（Lashley）的“总体作用律”（law of mass action）源自动物实验：无论切除大脑的哪一小块，动物都表现出同样的缺陷。这一规律曾让“神奇的汤”观点显得站得住脚。正电子发射断层扫描（PET），随后是 1990 年代初的功能性磁共振成像（fMRI），让研究者得以在原位观察局部的特异反应。Friston 说，更大的问题是功能整合：这些局部特异的反应是如何被协调起来的。Fridman 用了那个时髦的词“deep”。Friston 立刻接过话，说“deep”是“hierarchical”的千禧一代版本。在任何东西前面加上它，你听起来都很潮，但你其实仍在暗示一种分层架构。

无创扫描仪首先测量的是结构，就像对水、脂肪或铁做一次精细的 X 光。动态功能则分成两派。占主流的一派记录的是代谢和血流动力学信号，它们是神经元活动的替代指标，而且时间常数比放电本身慢得多。神经元不能像肌肉那样先欠着账继续干。几毫米繁忙的皮层，必须在几秒钟内被及时供血。这种神经血管耦合，正是 fMRI 所依托的原理，它的空间精度是毫米级，时间精度是秒级。

另一派记录的是产生时的电磁场，即脑电图（EEG）和脑磁图（MEG）。时间分辨率可以达到毫秒级，足以看清刺激之后层级化消息传递的级联过程。代价是空间。信号穿过白质这团“意大利面”、脑膜、颅骨和头皮时，已经在空间上弥散开了。Friston 把这种困境称为 catch-22：你可以精确到毫米地知道哪个区域激活了，却不知道何时激活；或者能精确到毫秒地知道何时有反应，却不知道在哪里。两种测量，一种通过血液间接测，一种通过电场直接测，必须结合起来使用。

选定测量方式之后，分析又一次分成专门化与整合两条路。流行的那一路，Friston 戏称为 blobology，这个新造词会出现在报纸上，却不会出现在专业期刊里：就是研究脑图上的小斑块。这个玩笑背后有严肃的一面。那些斑块背后的数学，包括欧拉示性数（Euler characteristics），是真实的；而统计参数映射，用他干巴巴的话说，就是“数学加持的斑块学”。统计量在某个受限的区域越过阈值，就出现了一个斑块。这是分隔的证据。但它还没有描绘出那个洋葱如何与自己交谈。

Fridman 提到在 Neuralink 的一天，并问起能在颅内倾听、也能写入的接口。Friston 的态度很矛盾，他也承认自己是这样。刺激并不新鲜。一个世纪以来，同一类神经病学机构里的研究者刺激过狗，再读取肌肉或唾液分泌的反应。脑深部电刺激（DBS）治疗帕金森病已是标准疗法，也是观察运动障碍动力学的窗口。经颅磁刺激（TMS）治疗抑郁症则很粗糙，他说，有点像电视机的电子管坏了，去拍它一下。有时它也确实有效。

更令人欣慰的前沿是感觉替代。给一个人装上一个磁感应器，把朝向编码成腹部的触压，几周之后他就会习以为常。他读的不是一个小装置，他感觉到的是自己面朝哪个方向。正是这种可塑性，让 Friston 没有否定那些临床期望，比如闭锁综合征、截瘫、失明或耳聋的治疗。让人降温的一面是带宽。他说，目前的接口每秒只能传递几比特，就像用极慢的摩尔斯电码交流，连这些期望所需要的量级都差不到一个数量级。

更深的反对意见，关乎你想要接入的系统是什么样的。大脑是高维、非线性、结构极其复杂的，并且处于非平衡稳态。他请听众想象一批有攻击性的卫星，它们能戳一戳局部的天气，然后要求天气按指令作出反应。这是一种难以想象的大尺度混沌控制。要成为这个系统的一部分，你得和它一起进化。这不像修好一台坏掉的电脑，也不像插上一个外设，而更像是钻进天气里。Fridman 来自机器学习，他反驳说，最棘手的是工程，包括一个不能碰断的血管网络；而一旦卫星造出来，那些赢下游戏的方法，也能在这锅汤里派上用场。Friston 认同这一结论：非常难，但希望它并非不可能。

Friston 说，自由能原理继承自对大脑高维时间序列的分析，也继承自机器学习。从形式上看，它是一个陈述：任何在变化的世界中存活下来的系统，其生存的基本要求都可以写成推断问题。存在的概率，就是你存在的证据。把存在写成一个统计问题，两个世纪的推断数学就变成了对系统集合动力学的描述，而这些动力学必定在起作用。

技术上说，任何因与环境分离而存在的东西，都可以被理解为在最小化变分自由能（variational free energy）。机器学习圈子里的人把这个量称为负证据下界（negative ELBO）。等价地说，动力学看上去就像在最大化边际似然（marginal likelihood），也就是系统自身存在的证据。Fridman 听出了这是在回答“活着意味着什么”。Friston 放慢了他的节奏。这个主张不只关乎生命，它关乎存在。如果某物存在，那么根据非平衡稳态物理学的数学，它必然表现出某种性质，使它看上去像在优化某个特定的量，而这个量恰好就是贝叶斯模型证据。

他以一个“没当成的物理学家”作答，上一次讲授物理还是在他二十多岁的时候，同时他始终记着那条降调的限定。这一原理并不说明一个东西为什么存在。它说的是，如果它存在，就必须表现出这些性质，而这些性质带有推断的意味。他脑海里最简单的图像是一个单细胞生物，甚至是水里的一滴油。为什么界面能保持？为什么油不会溶进溶剂里？在计算化学里，这就是一个大分子在把自己配置成最小化热力学自由能的状态，而它和负 ELBO 是同一个数学构造。自组装、自创生（autopoiesis），以及一种能与汤区分开的形态的涌现，看上去都是同一种优化。他喜欢的一句说法是：你就是自己存在的证明。

要说某物存在，首先得说清它在哪里结束。Friston 把这写成统计上的独立性：要看的是谁与谁不相关，也不依赖于别的东西，而非谁与谁相连。又是稀疏性。一旦你能辨认出水中油滴的表面，任何包含某物的宇宙，都会分成几类状态：内部、外部，以及两者之间的表面本身。这个表面就是马尔可夫毯。

表面状态随后又可以划分为感觉状态和行动状态。按照这种划分的定义，外部状态只能通过这层毯子影响内部状态。从操作上看，行动状态也不能被外部状态影响。因此，内部状态与行动状态合在一起，就具有自主的动力学。哪怕是一小滴油，现在也有了一块外界够不着的表面区域，以及一个看上去在最小化同一自由能的内部。换句话说，它在最大化模型证据。

按 Friston 的讲述，这套推导的力量在于，它从概率和非平衡物理中生长出来，一个生物学假设都没借。你不需要生命理论，你只需要一个边界。Fridman 说，这幅图景几乎把他说服成了泛神论者：油滴看上去已经能感知、能行动，并能维持自身。下一个问题是，如果还有什么东西能把这滴油和蝌蚪区分开来，那会是什么。

Fridman 试过死亡、感觉、行动这几个答案。Friston 说他说中了：运动。指的是从内部发起的运动。被搅动、被推着走，油滴在碗里也会遇到，那种被动的移动不算数。能够影响行动状态的内部状态，可以让表面走向某个地方。如果你愿意，可以说油滴有两种。在一种里，内部状态随机到彼此平均掉，整体上这个东西动不了。

太阳是他的极端例子。它内部有剧烈的活动，但没有大脑那样深的层级结构，所以在表面上没有哪种整体模式会表现为游动。表面可以很忙，但这层表面的平均位置无法重新定位，因为内部是一团炽热的气体。活的内部则足够有结构，能够驱动肌肉、声带、腺体和自主神经系统。于是整个生物体才真的动了起来。

他说，改变宇宙的方式，除了运动别无他途，不管这种运动是靠喉头、步行，还是从分泌器官挤出的汁液。而让这种运动非随机地发生，正是让你活着的东西。蝌蚪的行动状态改变外部状态；这些改变又以感觉的形式返回；内部状态随之更新，并驱动下一次运动。这个循环是趋化性（chemotaxis）、觅食和行为的原型。油滴可以被看作“我坐在一碗水里”的完美被动模型。但如果给它装上推动表面、尝出化学梯度的本领，它就开始像一个生命体了。

Friston 说，自千禧年之交以来，智能研究已经转向一种具身的、强调行动的图景，但运动的核心重要性还没真正触动机器学习。它在机器人学里扩散开来，也扩散进了那些必须移动相机才能取样的视觉问题里。数据挖掘式的深度学习，是用回避来对付这个问题的。领域里实际的态度是：我们不必担心运动，因为我们有大数据。我们已经能看到所有的观测。

在他的框架里，这让当代机器学习更像那滴油，只不过这滴油被允许看到几乎每一个数据点。蝌蚪必须游出去，才能找到合适的数据。“它喜欢食物”是一个可检验的假设：移动、摄入，然后看感觉上的后果是否证明你是那种喜欢这种食物的东西。主动采样，正是把统计推断变成行为、把模型变成智能体的东西。一个从不需要决定看什么的系统，跳过了按这种观点看来构成智能很大一部分的那个循环。

被问到这个框架能否谈论意识，Friston 说，要得到权威的答案，最好请一位有资格的哲学家。但信息几何及相关思想，正被用来写下一套关于最小意识乃至自我的演算。第一级是能动性。病毒以寻找宿主细胞的方式具备某种能动性，但你不会赋予它一种能考虑未来的规划能力。一种一边觅食、一边和同伴交流的动物，则拥有另一种生物性的自主。在规划的复杂性之中，人们常常希望能在某处划出一条线。

在访谈前几个月，一位哲学家向他讲解了“模糊性”的技术概念。一堆沙子在哪一刻才算沙堆？一粒不是沙堆，两粒也不是，而且没有哪一个诚实的粒数能让这个概念突然落定。他一直以为，有意识与无意识之间迟早会画出一条线。但这也许是错误类型的问题。话虽如此，他仍然认为规划才是关键所在。如果你感觉表面上的生成模型包含了自身行动的未来后果，你就置身于“规划即推断”的游戏之中。这已经要求运动，也要求一种模型，类似变分自编码器可能编码的那种：以不同行动路线为条件，去思考未来。

在这里的论述中，在各种策略之间做选择，就是自由意志的样子：一件自我证明的人造物，看上去像在各条前进路线之间挑选。Friston 不认为这能一路把你带到自我意识。你得先给出一个正式的定义。他认识的大多数人会否认金鱼有自我意识，会为自己最爱的猫争论不休，却把这个资格给了自己的母亲。Fridman 认为，把自己纳入计划，是复杂规划的关键。Friston 同意这条线并不清楚，而且这个观察比乍看上去更有用。

这条原理有什么用？Friston 把它比作自然选择：美丽，无可否认是真的，却对你为什么有腿有眼睛保持沉默。它本身不会让你造出什么东西。适者生存也是同样的循环论证。事物之所以存在，是因为它们最小化自由能；它们之所以最小化自由能，是因为它们存在。你可以一直绕下去。

实践上的残留，类似于机器学习里的遗传算法（genetic algorithms），是：存在的东西，看上去其密度动力学在优化一个变分自由能，而这个量是生成模型的泛函，即一个关于外部因果和感觉毯子上后果的概率故事。写下模型，算出梯度（gradient descent），你就应该能让一件人造物实现自我证明：一滴油、一个机器人，原则上甚至是你想要的通用人工智能（AGI），对这个目标做梯度下降。他说，数学上这很容易。真正费力的，是写出生成模型。那种形式就是表型。自然选择从未告诉你为什么有眼睛；自由能原理也不会告诉你，直到你写出那个会产生眼睛的模型。

Fridman 关于把自己放进计划里的那句话，让 Friston 看清了一个自我意识的人造物需要什么样的生成模型。这个模型必须适合它所运行的世界，而那个世界主要是由和它相似的东西组成的。如果你能假设我们是同一种生物，只不过我是我，你是你，那么自我感就成了必需的。在社交世界里，你必须推断出，说话的是我，而不是你。独自待在火星上，或者像野孩子那样身边没有任何同类，你就不需要这种推断。正是他人带来的歧义，使得“我”成为值得保持的一个假设。

这就是为什么我们把自己的特质倾注到宠物身上，也想让机器人长得像人形。如果你能假设自己就是我，只是现在轮到你说话，那么理解世界就容易得多。Friston 说，规划的最高实现，就是他们正在进行的这场对话。轮流发言和心理理论（theory of mind）意味着，我需要一个关于你的模型，即一个关于你的模型的模型，包括你什么时候想听、什么时候想打断、什么时候会挂断。没有这种嵌套的生成模型，他们就会互相抢话，或者像合唱团那样同时开口。对话之舞，就是支撑自我意识的那些模型的证据。

被问到生命的意义，他很想以物理学家的口吻作答：他的行为所预期的自由能，包括寻找关于他自己是哪种东西的信息。个人版本则更简单，也回到了童年。你在睡前故事和童话里，从父母、朋友和文化那里，被赋予了关于你是谁的信念。“我是一位公主，我将遇到一头野兽，它会变成王子。”之后，所有的自我证明，都只不过是以具身的方式去实现这些信念。由于主动推断（active inference）是双向的，你也在改变写下这个剧本的文化。Friston 自己的气质，是爱因斯坦与福尔摩斯的结合：烟抽得很凶，尽量少与人接触，并享受一个略带怪癖的大众科学家的幻想。他的父亲是一名工程师，很喜欢爱丁顿的《空间、时间和引力》。他说，他长大后做的，就是一个温和的福尔摩斯兼爱因斯坦在他的处境下会做的事。

Fridman 以 Friston 的一句话收尾，这句话颠倒了通常关于行动的故事：“你的手臂之所以动，是因为你预测它会动，而你的运动系统要做的，是把预测误差降到最小。”命令再执行，是常识中的顺序。在这种观点看来，大脑先预测一个姿势，运动系统再消除这中间的差距，于是手臂到达，是在行动中让世界符合预测。把同一件事从毫秒拉长到几十年，就是一生都在把童年的叙事变成证据。