Jay McClelland 谈思维如何从神经网络中涌现

斯坦福大学的认知科学家 Jay McClelland 是神经网络这一学术传统的核心人物。他与 Lex Fridman 的对话开场便谈起，几十年来，无论生物的还是人工的这些系统，始终让他着迷的是什么。他说，最根本的一点，是它们让我们能够把生物学与思维的谜题连在一起。他在 1960 年代末、1970 年代初进入这个领域时，认知心理学刚刚确立了这个名号。1967 年一本名为《Cognitive Psychology》的教材认为，神经系统只是边缘性的兴趣，研究它不会告诉我们关于心智的任何事情。McClelland 并不同意。人是一种物理的存在，尘归尘，土归土，心智却不知怎样从这样的存在中涌现了出来。

他常常谈起如何从笛卡尔的梦中醒来。笛卡尔在凡尔赛的花园里散步，踩到一块石头，旁边的一尊雕像动了起来；他再踩一块，另一尊雕像也动了。园丁向他解释了其中的水力系统：踩压改变了水流方向，水灌进雕像，雕像就动了。笛卡尔由此建立了动物行为的机械理论：身体里那些不输送血液的纤维，就像一根根细小的液压管，受压后把压力传到别处，产生动作。他认为人也有这样一具动物般的身体，但还必须有某种神圣的东西降临，被安放到人身上，人才具备思考的能力。物理世界包括正在运作的身体，却不包括思想。

于是，生理学研究感觉与运动系统，也就是刺激神经元时能够直接测量到的东西；认知则关注抽象的算法，它们被放在另一套语言里。McClelland 在本科时学过生理机制，等到读博一年级坐进认知心理学的课堂时，他心里想：等一下，这一切明明都是生物的。Lex 追问，这是不是有点神奇，仿佛一点生物学就能带出人类经验的全部美感。McClelland 说，这既明显，又不明显。对他来说，神奇之处在于，大自然怎么能够产生出具备我们这些能力的有机体。

他接着谈到达尔文。达尔文很早就知道，当时摆在面前的各种想法，没有一个能解释进化是怎样运作的。他花了多年时间收集那些他尚未理解的线索，画了一只又一只彼此略有差异的鸟。想通之后，他却被眼睛那样复杂的器官困扰，甚至做噩梦，担心“这样的器官不可能从无引导的过程中产生”这一论证。他迟迟没有发表，部分原因在于他害怕自己的想法，他甚至不认为它们可能是真的。到了二十世纪，笛卡尔的图景开始显得有些站不住脚：猿、黑猩猩和倭黑猩猩，在某些方面都相当聪明。

人们仍在找遗留下来的差别。有人主张，猴子的大脑里没有海马体，只有人类才有。十九世纪末，赫胥黎（Thomas Huxley）不得不当众做一场手术，才证明黑猩猩的大脑里也有海马体。物种之间的连贯，也是在支持一种看法：人类完全是自然界的产物。视觉科学更早就接受了这种连贯，从眼睛到最初几个皮层区域，猴子的视觉通路与人类的极为相似。Lex 说，这种跳跃似乎发生在认知这一侧。乔姆斯基（Chomsky）认为，大约十万年前的一次基因偶然，让某种古人类获得了一项调整，语言由此产生，而语言随后把人类与其他所有动物区分开来。

McClelland 认为，关于语言的重要性，确实有很多道理，但语言是与社会性、彼此投入，以及组织世界理解的丰富机制一道出现的，语言只是接入了这些机制。语言是集体智能的工具，而集体能力的核心才是更根本的东西。进化也并不是人们想象中那条平缓的、延续 5 亿年的斜坡。化石记录显示，数亿年的停滞之后，会出现一次在地质尺度上十分突然的变化，可能只有一百万年，甚至只有一千万年。在心智的各个阶段上，他也觉得“间断平衡”（punctuated equilibrium）很贴切：四岁的孩子和七岁的孩子，思考方式天差地别，皮亚杰（Piaget）的阶段理论正是想捕捉这一点。洞见、过渡、经过多年经验后出现的新阶段，复杂系统研究为此有一套语言，它把进化生物学、发育生物学和认知发展连在了一起。

谜题的另一半在于装配，而不只是学习。让一个成品大脑投入世界，已经足够不可思议；而从胚胎到神经通路，学习机制本身是如何被建造出来的，从工程角度看甚至更难。脑类器官的研究让他们两人都觉得近乎离谱：培育出大量微型大脑，观察一套机制如何从 DNA 出发自我组装。生物程序产生的是一个软乎乎的系统，它足够稳健，能够在不可预测的世界里学习，并学会大量能帮助生存的东西。McClelland 说，从大脑到心智，整条路径看起来相当连续。

1974 年，McClelland 获得助理教授职位，来到加州大学圣迭戈分校（UCSD）。David Rumelhart 和 Don Norman 刚刚出版了《Explorations in Cognition》，书中各章以完全抽象、非生物学的方式，探讨关于心智的有趣问题。他喜欢那种轻盈的感觉，也喜欢 Norman 那种玩味式探索的精神，但他仍在努力从神经元走向认知。在一次会议上，他听到工程师出身、后来转做心理学教授的 James Anderson 用线性代数构建了知觉、分类和记忆的神经网络模型。这让他大受震撼：那是一个模拟神经元的模型，能够记忆、回忆、识别，而不只是一套抽象的逐步算法。他说，1977 年他走过校园时，感觉自己像走在通往大马士革路上的圣保罗。如果把心智当作神经网络来思考，那么他一直在问的那些关于心智的问题，就有可能得到回答。

也有其他人感受到了同样的兴奋：Anderson、从 1960 年代起就在写神经网络的 Steve Grossberg，以及杰弗里·辛顿（Geoffrey Hinton）。辛顿的博士论文投进了 Rumelhart 和 Norman 负责管理的博士后申请库；Rumelhart 读后非常兴奋，辛顿因此成为由他们这笔慷慨经费资助的最早一批博士后之一。Paul Smolensky 也是其中之一。1979 年或 1980 年，辛顿和 Anderson 在 UCSD 组织了一场会议，名为“联想记忆的并行模型”（Parallel Models of Associative Memory），把所有这样思考的人都聚到了一起。在索尔克研究所的弗朗西斯·克里克（Francis Crick）从辛顿那里听说了这个小组，辛顿在英国人当中素以聪明著称，克里克也来了。

Lex 问，在当时，“并行”几乎等同于他们对神经网络的思考方式吗？McClelland 说，每个神经元都是一个独立的计算单元：它收集数据、整合数据，然后产生结果。大脑里大约有一千亿个这样的小型计算单元，它们都能同时工作，而不是由一个中央处理器一步一步地嘀嗒运行。在理论计算机科学看来，这是一种革命性的计算思路，后者分析的是单台机器上的顺序算法。卷积神经网络把这幅图景具体化：从类似感光细胞的像素阵列开始，经过成千上万个类神经元单元的层层抽象，最终给出分类。睁开眼睛看到一只杯子、一部手机、一个瓶子，如今这些系统已经能做到。每个单元只贡献一点点。这就是并行分布式处理，而那正是令人兴奋之处：从简单的东西出发，再层层叠加抽象，认知中那些美妙的特性或许就会涌现出来。

Rumelhart 出身于南达科他州西部一个很小的镇子。他的母亲在图书馆工作，父亲在报社当编辑。兄弟四人一起长大，在体育和益智游戏上彼此较劲，数独和国际象棋都在其中。他年纪很轻就进入南达科他大学，主修数学，不知为何对心理学也产生了兴趣。斯坦福大学的数学心理学项目录取了他。这个领域靠的是方程，并非模拟：先设定原理，再推导预测，然后求出受试者第七次作答正确的概率。这是心理学里地位很高的一个分支，斯坦福则是它的重镇。1967 年，他成为 UCSD 新成立的心理学系最早的几位助理教授之一。等到七年后 McClelland 到来时，Rumelhart 仍在做数学建模，不过研究兴趣已经转向认知，转向一个至今仍是核心的问题：理解到底是什么意思，如果我们真的理解了，又怎样知道？

他想要的是这样的机器：听完几句话，就能产生洞见。他最爱用的一个例子是：Margie 坐在门前的台阶上，听到熟悉的冰淇淋车音乐，想起了她的生日钱，于是跑回屋里。Margie 在做什么？为什么这么做？最自然的解读是：冰淇淋车快来了，她喜欢冰淇淋，买冰淇淋要钱，所以她跑进屋去拿钱。要把这些环节连起来，中间需要大量推理。Rumelhart 曾尝试用传统的老式人工智能（good old fashioned AI）来建立语言模型，以及像“有钱”这类内容的模型，依靠形式逻辑和知识库。到了 1970 年代末，这一范式已经给不出答案。他开始认为，我们需要的是这样一类系统：多个同时存在的约束能够彼此影响。

他写了一篇论文，McClelland 起初对它不以为然，后来却怎么也甩不掉，这篇论文就是《An Interactive Model of Reading》（阅读的交互模型）。从纸面上获取的每一层信息，都依赖于其他所有层次：像素、字母、单词，以及作者想要传达的观念。起初 Rumelhart 设想了一组“专家”：一位负责从像素构造线条，一位负责字母，一位负责单词，一位负责词义，他们都盯着数据，并在其他层次上更新各自的假设。词层的专家可以告诉字母层的专家：这个位置应该是一个 T，因为这个词很可能是“the”。自下而上的特征专家如果也同意，你就看见了一个 T。自上而下与自下而上，所有层次同时进行，这是一个双向的并行过程，但依然具有层级结构。读过辛顿的博士论文、听过 Anderson 的模型之后，Rumelhart 意识到，这些专家可以换成类似神经元的单元，由连接权重来完成它们的工作。

他和 McClelland 一起建立了字母知觉的交互激活模型（interactive activation model）：从像素级输入、线段特征，到字母和单词，全部由类神经元单元构成，单元之间通过权重相连。代表单词 time 的单元，与第一位的 T 单元、第二位的 I 单元相连，依此类推，而且这些连接是双向的。如果先有一个“可能是 time”的先验知识，它就会去激活相应的字母和特征；没有这种先验，过程就只能自下而上地开始。信息先到达哪里，方向就由哪里决定。上下文与特征同时到位，就能收敛为一个涌现的知觉。McClelland 说，这项工作让他们两人彻底相信，神经网络的思维方式能够回答他们作为认知心理学家所关心的问题。其中的算法细节只是细节。能用这种方式走得很远，这一想法本身就意义深远。

Lex 问，McClelland 喜不喜欢“联结主义”（connectionism）这个说法。他觉得这个词有用，因为它突出了一点：系统借以运作的知识，储存在各个单元之间的连接中。系统里不存在另外一本词典。表示 time 的那个单元之所以代表它，唯一的理由就是它和组成这个词的字母之间有连接。该单元被激活时，意味着系统更支持“输入中含有 time”这个假设。模型内部任何地方都没有写下这个单词，只有在他们画的示意图上，才标明这是 time 的单元。想知道这个词怎么拼写，就得顺着从该单元出发的连接，一个字母一个字母地把它取出来。人类习惯用逻辑去想问题，联结主义则很怪。它居然是这样运作的，这本身就很怪。

回到卷积神经网络。它会说“这是猫”或者“这是狗”，却完全不知道自己为什么这样说。从第一层到最后一层，只有连接；特征随着层次加深而变得越来越抽象，这种抽象是渐进的、连续的，到最后，你得到的仍然只是一组单元阵列上的激活模式。McClelland 睁开眼睛，看到的可能是 Lex，也可能是自家的狗。那是某个物种中的一员，与同类有许多相似之处，他认出它，靠的是一些细微的独特特征，而他说不清这些特征是什么。他可以描述一个牌子的汽车，但你依然不会知道他指的是哪一辆。想用命题的方式写下让我们认出某个具体实例的知识，这种尝试从未成功。视觉识别的那些命题，你永远写不出来。在这个领域里，人们一直觉得，有某种更隐性的东西在起作用。你无法接触计算的细节，你只能拿到结果。你读不到连接里装着什么，连接只是根据输入产生输出。

那么，连接能否容纳人类知识的深度，容纳 Rumelhart 想要的那种理解？McClelland 把这称为“64 美元问题”（即最关键的一问），若按通货膨胀换算，也许该叫“64 亿美元问题”。他以前常对人说自己是“激进的消除式联结主义者”，因为他不希望别人以为他想把东西预先装进机器里。后来他去掉了“消除式”这个词，因为这个词暗示，认为存在涌现层次的理解是错的，而他并不这样认为。他现在称自己为“激进的涌现论联结主义者”。认知中的高层方面是真实的，但它们并不以独立实体的形式存在。Douglas Hofstadter 的沙丘比喻有助于理解：我们可以把沙丘当作一个东西，甚至数一数有多少座，但沙丘其实是一堆在风中移动、并会重新成形的沙子。思想也是如此。它们存在，但我们不该把它们当成不需要理解底层、就能掌握的整块对象，而底层正是让它们得以变化的东西。即便底层是并行的、分布式的、联结主义式的，思想的内容依然可以是抽象的、符号化的。只不过，它比一组逻辑表达式所能轻易捕捉的，要流动得多。

Rumelhart 在这场对话的大约十五年前就去世了。McClelland 说，他的离世，是与他们共同所做的科学最相关、也最令人心碎的悲剧之一。他患上了一种进行性神经疾病，就他的具体情况而言，病因并未完全查明：有些扫描没有做，家属也不同意尸检。McClelland 此前已经对一种疾病产生了兴趣，它很可能正是 Rumelhart 所患的病。同行称之为语义痴呆：一种特定的、渐进的心智丧失，与意义有关。患者会逐渐失去理解经验意义的能力，无论这经验来自触觉、视觉、听觉还是语言。他们能听到声音，却不知道那声音是什么意思。

它先从相近的狗品种开始，或者从低频、陌生的类别开始。之后的变化就很惊人了。患者会丢失猪、山羊和绵羊的概念，把所有中等体型的动物都叫作狗；他们会丢失兔子和啮齿动物的概念，把小型动物都叫作猫；他们会丢失河马和牛的概念，把它们都叫作马。有位患者后来的情况是，任何四条腿的动物，都只按体型被归为马、狗或猫。McClelland 的合作者 Karalyn Patterson 设计过一个测试，叫“金字塔与棕榈树”（pyramids and palm trees test）：给患者看一座金字塔，问他棕榈树和松树哪一个与它相配。这种丧失无论用文字还是图片都会出现。患者无法把图片互相对应起来，也无法把文字与图片配对。无论哪种模态，概念的根基都已经没了。所以它被称为语义痴呆：语义本身正在瓦解。分布式表征可以解释这一点：一个概念对应一组激活模式，相似的概念有相似的模式；随着它们逐渐退化，差别就会一点点流失。狗和山羊之间的区别，从模式中消失了。狗是非常熟悉的，所以它留了下来。

Rumelhart 正经历着这一切。McClelland 喜欢把他与斯蒂芬·霍金（Stephen Hawking）相提并论，以示敬意：两人都患上了退行性疾病，霍金的病变在运动系统，Rumelhart 的病变在语义系统，或许还包括关于“自我”的语义。McClelland 认识的人里，他是最专注、最有目标感、最好胜、也最善思考的一位，愿意为一个难题耗上好几年，却开始一点点消失。有一段时间，他们每个人都很难真正意识到，他已经不完整地在那里了。被问到 Rumelhart 能否内省到，那个他用一生去理解的心智正在消退，McClelland 说，他做不到，而从外部看，这正是悲剧的一部分。到了某种程度，他其实也隐约觉察到了，只是在这病变被确认为生物学上的问题、而不是走神的某一天之前，他很难看清。

他从斯坦福退休后，与哥哥同住了两年，之后搬进了一家照护认知障碍人士的机构。1990 年代末到 2000 年前后，McClelland 常去看望他。他们一起去打保龄球，Rumelhart 还能打。打完之后，McClelland 问他想不想去 Wendy's。他说不想。那去哪儿？Rumelhart 指了指前方：这儿拐。他还保留着相当程度的空间认知，能把他们带到餐厅。坐到桌边，他一个词都想不起来，但他知道自己想要的东西在菜单的哪个位置。他说不出那是什么，却清楚那是他想吃的。认知并不是整块的。它有程度之分，由多个部分组成，在其他能力消失之后，有些局部能力依然留存。McClelland 一直对过去被称为“认知神经心理学”（cognitive neuropsychology）的领域着迷，尤其是这种逐渐瓦解的过程。他坚信，失去一个你珍视的人，其分量不亚于当初爱上那个人。这一切都是对人的礼赞。而瓦解本身，也是一种礼赞。

1982 年，辛顿以学术休假的身份回到圣迭戈。交互激活的论文刚刚发表。McClelland、Rumelhart 和辛顿组建了一个研究小组，他们称之为 PDP 研究小组。克里克也来了。Smolensky 当时仍是博士后，还在那里。辛顿和他们谈起学习问题。他说，他们之前的思路有问题：一直在生物学里寻找灵感，想知道突触应该怎样改变连接的强度。这条路是错的。应该做的，是从如何调整连接权重来解决问题的角度去思考：先定义要解决的问题，再弄清楚权重的调整将如何解决它。

Rumelhart 听了这番话，心想：好吧，那我就这样想。设想一个目标函数：我希望这台机器能把所有图像都正确分类；我可以给它在每张图上的表现打分，得到一个误差或损失的度量；然后弄清楚怎样调整权重，才能把这个损失降下去。工程界早已熟悉梯度下降。斯坦福电子工程系的 Bernie Widrow 与一位叫 Hoff 的合作者，曾发明过 delta 规则：对于单层权重，定义目标与输出之差，再调整权重使这个差变小。Rumelhart 所做的，是把它推广开来，使得连接从更靠前的层进入隐藏层的权重也能被调整。他最初把这个算法称为“广义 delta 规则”，因为它不过是梯度下降思路的延伸。

辛顿却认为这条路不会有太大效果。他自己另有一套方案，以玻尔兹曼机为基础，那篇学习方面的论文发表于 1985 年。不过反向传播的效果更好。这个名字在你弄清楚它的机制之前，看不出什么含义。要算出从输入层到隐藏层该怎样改动，就得把输出端的误差信号沿着隐藏层到输出层的连接传回去，这样每个隐藏单元才能拿到属于自己的误差信号。Rumelhart 就是这样表述的：输出端的误差我们已经知道，那就看看能不能在隐藏层得到一个信号，告诉每个单元该如何调整它的输入权重。Lex 总结道，先把生物学放到一边，改去想优化。McClelland 表示同意。这一步先是辛顿提出了目标函数和导数的概念，随后 Rumelhart 才把多层的规则真正写了出来。

McClelland 说，辛顿最值得一提的，不只是那套学习论证。1981 年的两篇论文远远走在时代前面：其中一篇基本就是 Transformer 的思想，另一篇是早期关于语义认知的论文，它在 1980 年代启发了辛顿、Rumelhart 和 McClelland，至今仍支撑着他对意义的思考。还有一篇 1977 年的未发表短文，写于辛顿还是博士生的时候，描述了神经网络如何进行递归计算。调用子程序时，需要保存调用者的状态。辛顿的办法是通过快速改变连接权重来保存这个状态，子程序结束时，再利用这些快速变化恢复之前的上下文。McClelland 一直认为这非常有创意，而辛顿也一直在探索这个想法。

McClelland 后来研究数学认知，还受到了辛顿的另一种影响：辛顿很少用方程。据说在辛顿的实验室例会上，大家不会像别的机器学习实验室那样，起身走到白板前推导公式，而是画图。辛顿讲梯度下降时，会把两只手合拢，摆成一道沟壑的形状：你沿着沟壁往下走，要是一步迈得太大，就会一下子跌到对面，所以得把学习率调低。McClelland 说，这体现出深刻的洞见在根子上是直觉式的，同时又承诺要把理解最终落到明确、清楚的地步，而这种理解本身依旧是直觉式的。Lex 把这种效应比作和费曼（Richard Feynman）或芯片设计师 Jim Keller 待在一起：在这些人身边产生想法的过程，会改变你自己的工作。

辛顿是逻辑学家乔治·布尔（George Boole）的后人，家族里世代都是英国学者。在视觉直觉之外，辛顿还想为推理本身的理解做出贡献，不只限于人类的推理：从什么可以推出什么，如何将它形式化。1980 年代前中期的玻尔兹曼机工作，正是他把布尔的传统与一个连续的、概率性的、分级的约束满足世界连接起来的方式，这些想法既与逻辑相关，也与理论物理相连。McClelland 一直受到它的启发。如果神经元的运作是概率性的，而非确定性的，那或许正是洞见带有偶然性的原因之一：这个念头未必正好在那一刻出现，它可能部分是随机过程的结果。这同样是涌现之魔力的一部分。

McClelland 开始用“计算智能”（computational intelligence）这个说法，指称他认为辛顿以及 DeepMind 的许多人所处的那个领域。他在这个空间里是以人为导向的研究者，关心的是人类的解法；但深度学习的大部分兴奋点在于另一种想法：我们或许能超越自己神经系统所能达到的水平，把人类智能的机制加以规模化。他说，这一点正在谷歌大脑、OpenAI 和 DeepMind 大规模地上演：那些用于在围棋或蛋白质折叠上取得成功的计算。Lex 指出，人类的突触仍然比机器多。McClelland 表示同意。在这一点上，人类仍然胜过 AI，不过它们正在迅速追赶。

Lex 转向一篇论文，题为《A Parallel Distributed Processing Approach to Mathematical Cognition》（数学认知的并行分布式处理取向），该文引言中引了 Tristan Needham 的一句话：只把数学当成符号的摆弄，好比研究乐理却从来不去听一个音。那么数学到底是什么？McClelland 把它看作一组工具，用来探索各种理想化的世界。这些世界常常跟真实世界关系密切，但不见得一定如此。在其中，对象拥有理想化的属性，它们之间的关系能被精确地描述，所以某些事实一旦成立，别的事实便可以被确定地推导出来。若两个三角形有一个角相等，且夹这个角的两条边也对应相等，它们就全等，也就是说它们的一切性质都相同。这是关于三角形的道理，跟算式无关。人们用三角形来造桥，用它测量爬不上去的高处。人们从地球上发射一小块物质，让它在预先算定的日期与时刻，与冥王星之外的一颗小天体相遇。这些想法都碰到了物理世界。

自然数也是如此。McClelland 喜欢把零算进去，所以他说的是非负整数。数字让你能准确说出自己有多少只羊：我放出去 23 只，你回来时只带回了 22 只，这是怎么回事？这是人类社会的一个基本问题：你最好带回来的数目，跟出去时一样。数字让商业、契约和记录成为可能。它们是抽象的、理想化的、可以推广的，同时又可能非常扎根、非常具体。他说，人类心智令人难以置信的成就之一，就在于人类发明了这些能够放大思维力量的理想化系统。数学是人们逐步建立起来的一整套体系，用途是推敲理想对象之间的属性与联系。我们太过看重的那些符号，不过是表达这些命题的一种办法。它跟语言相仿，是为了交流而造出来的，未必直接刻画了思想本身的深层结构。

这类推理要怎样建模？他说，人类数学家的洞见，往往是把一种直觉式的、接近联结主义的知识，与一步步的思索结合起来：先有一种让结论一眼看上去就明摆着成立的直觉，因此无需追问它为何成立；再去琢磨那些还没有直觉支撑的东西，并迈出下一步。这个新东西随后会成为下一代人立足的直觉的一部分。他与妻子在北加州一座州立公园里散步，看到一张长凳上刻着庞加莱（Henri Poincaré）的一句话：证明靠逻辑，发现靠直觉。他这项工作的要点，是调动直觉式的联结主义资源，让发现能够从与形式系统的交锋中产生。这些人的灵感闪现，比如辛顿、牛顿、爱因斯坦、Rumelhart、庞加莱、阿基米德，都是多重约束同时作用，使心智落入一个全新的状态。之后才去追问，它该怎样证明，又该写出哪些步骤，才能使它严密。

深度学习让他看到，这种事在机器中也有可能发生。在海量文本上训练出来的网络，给一个提示，就能生成天马行空、颇有创意的故事。它们似乎从数十亿个具体细节中，合成出了某种类似直觉的感觉：什么样的故事会是有趣的小故事；这种感觉，是让系统去推演“给定这个情境，某人会说什么”时自然浮现出来的。这就是捕捉直觉那一面的潜力所在。Lex 又提到 AlphaZero：它下出的一些新颖棋招，读起来就像灵光一现的妙手。其中，搜索用的是老式人工智能那一套，而神经网络则提供了直觉：看一眼棋盘，就能判断这个局面有多好。特级大师也具备这种局面感，不必深度搜索，然后再做一点他们所说的计算。Demis Hassabis 描述过一场围棋比赛中的一步棋，对手是李世石，情形与此类似，这让 McClelland 很想和 DeepMind 的人合作。他想强调的，关于数学认知的那一点，历史更悠久。哲学家和逻辑学家在三千多年前就开始构造形式化思考的观念。欧几里得的《几何原本》（Elements）成了试金石：一部连贯的文本，确立了一套形式系统和一种推理方法。能够这样思考的能力，本身就是沉浸的结果，就像语言能力一样。Jerry Fodor 认为，系统性思维是人类心智的根本特征。McClelland 则认为，它是派生的、习得的，是人在一种自己发明的思维方式中被文化浸染之后的结果。

把数学认知和语言认知区分开来，是否有失公允？McClelland 认为，划出这条界线很重要，但之后还要回头去看其中的细微之处。乔姆斯基出身学术家庭，父亲在费城一所小学院教授犹太教经典研究。他深深浸润在一种思考与理性的文化中，因此在理解自然语言时，带着对形式系统的深刻投入。这给了他巨大的力量，也让他对语言结构有一些惊人的洞见。但 McClelland 说，对这些东西的实际直觉知识，其实只能走到这里，远不及乔姆斯基本人所以为的那样深。Lila Gleitman 与他同在一个语言学系受训，她在博士论文中发现，即便是对一个短语的意思——不只是语法——语言学家的直觉，也与那些未受过正式思维训练的普通人的直觉大不相同。

他目前的假设是：经过正式训练的语言学者、哲学家、认知科学者、计算机与机器学习研究人员，以及数学家，与经验打交道的方式，在直觉上更多围绕着系统性，以及对体系原则的遵循来组织；而没有这种沉浸的自然人类心智，这一倾向要弱得多。研究心智所用的那些学科，反而可能把你带离心智的自然运作。这使人很难去做一个善于内省的人。这与“初学者之心”有关，也与一种较平常的毛病相关，叫作“专家盲点”（expert blind spot）：对专家而言，有些事太不言自明，他们甚至想不出该怎样去解释，因为它们明摆着就是真的。

克罗内克（Leopold Kronecker）说：上帝创造了自然数，其余的一切都是人的工作。他表达的正是这种直觉：离散的数量可以被计数，个数不定、可以一直数下去，这些基本的东西无须被发现。他错了。很长一段时间里，许多认知科学家都同意他的看法。自然数被视为核心知识中先天配备的部分，这是 Elizabeth Spelke 和 Susan Carey 在讨论人类心智先天原语时所用的说法。如今他们已经不这样看了。自然数是一种文化建构，这一点已经基本被普遍接受。因此，那些仍然存在、却没有这套系统的人群，就值得拿来研究。某种思考语言或几何的方式，会变得如此自然，以至于你不知道需要教什么，事实上我们也从未把它明确地教出来。在数学课上，一些学生抓住了这种思维方式，能够解决教授认为有趣的题目；大多数没有深入投入的学生，永远也到不了那一步。于是我们便断定，这个人一定很聪明，一定有某种不同的生物学特质。McClelland 并不想完全否认个体的生物学差异。他更感兴趣的是，乔姆斯基家餐桌上的谈话，或许正是塑造他那种思维气质的原因。

Lex 问，人该如何从一个自己花了几十年搭建起来的结构中跳出来。McClelland 一直需要留意的一条心理学线索是：我们对自身行为的解释，未必属于导致行为的因果过程，甚至未必是对导致结果的约束条件的有效观察。它们是我们在被问到时，用手头的信息事后编出来的说明。这一想法来自 Richard Nisbett 和 Timothy Wilson 的一篇论文，它探讨的是我们对于影响自身选择的各种因素，觉察能力的局限。我们为什么持有某些信念、做出某些选择、产生某些感受，这种洞察并非完全由我们掌控，也并非完全能被我们观察到。它受制于一种经由文化传递的解释模式。连“我们能够内省、能够接触到自己的想法”这种感觉，也是文化与实践的产物。

被问到给年轻人的建议时，McClelland 说，关键在于找到那件让你发自内心想投入的事，然后为这一发现庆祝。大学时他以为自己必须当精神科医生，因为高中时他对心灵的了解，主要来自弗洛伊德、埃里希·弗洛姆和大众心理学，而精神科医生都是从医学院出来的。哥伦比亚大学的第一学期力学课，离他感兴趣的东西很远，而且上在冬天的清晨，他于是从没去过物理课。他在大一和大二的大部分时间里浑浑噩噩，直到 1968 年，校园因越战、摩根赛德高地（Morningside Heights）上的一座体育馆、黑人激进运动和 SDS（民主社会学生同盟）而炸开了锅。他恰好修了数理统计和心理学导论。为什么有些人占领了建筑、有些人却没有？这类问题在他脑子里串联起来，给他指出了一条路。他的心理学老师都觉得他很出色，提名他参加美国大学优等生荣誉学会（Phi Beta Kappa）；典礼上有人问他拿的是 magna 还是 summa 等级，而他连靠成绩获得的荣誉都没有。老师们只是觉得他对观念足够感兴趣。

他不希望任何人对此摆出说教的姿态。他真的很享受数据的统计分析，也真的很享受自己动手做实验。化学和物理从来没让他觉得，凡人除了课本之外还能亲自去做实验。心理学导论课上有一只老鼠，做完两次规定的实验之后，你就可以去做一件自己想出来的事。能够亲自动手，再加上一组能够吸引他的事情，这与一些人成为音乐天才的原因相近：沉浸得足够早，早到它已经渗进了纤维里。他的小弟弟在音乐方面就是这样。大约 13 个月大时，他就会把唱片放上留声机，并认出自己想听的是哪一张，靠的是看唱片上的划痕，并非看标签。有什么东西接上了。如果你有这种特质，并能培养它，那就是极其幸运的事。动机驱动的投入，会带来沉浸，而沉浸才创造了成为专家的机会。McClelland 把共鸣加经验的协同效应称为“莫扎特效应”，但这并不是说要把小提琴交给六周大的婴儿，孩子身上本就有某种东西，被音乐回应了。他的兄弟姐妹各有各的去路：小弟弟擅长音乐，另一个兄弟是直觉型的工程师，一个妹妹早在水资源保护成为如今这样的议题之前，就对它充满热情。人们既可以为给人调配合身的自行车而兴奋，也可以为神经网络而兴奋。

Lex 问，精神病学没能成为他探索心智的方式，他是否会因此感到遗憾。McClelland 在接触到生物医学那一面之前，就放弃了医学预科。大约在 2000 年前后，他曾任美国国家心理健康咨询委员会的委员。一位新上任的 NIMH（美国国家精神卫生研究所）主任上台后宣称，精神分裂症是一种生物学疾病，很像癌症；我们在治疗癌症方面取得了巨大进展，我们会找到药物，我们不会再去听任何人祖母的意见，而老派的行为主义心理学，也不是我们会支持的方向。这让 McClelland 与该机构疏远了。他说，二十年过去了，我们帮助精神疾病患者的能力并没有任何改变。那条路是一条死路。Lex 说，深入思考心智的旗帜，转到了像 McClelland 这样的人手里，他们身在认知心理学，一只脚踏进了计算领域。McClelland 在本科时，从社会学和文学里，比从鸽子实验室里获得了更多关于人类处境的认识。研究生阶段和认知心理学解决了这种落差：你可以思考人的处境，同时仍然做机制导向的工作。他认为，如今最丰富的机会，在于系统神经科学、认知神经科学和计算智能，而不在神经元的最底层。

他害怕死亡吗？比起死亡，他更怕退化，部分原因是他亲眼见过那些悲剧性的衰退。能够继续参与，感觉自己离浪头拍向海岸的地方很近，这是令人兴奋的。痴呆、阿尔茨海默病、语义痴呆：你会逐渐失去思路，而在不得不退休之后，人还可以再活十年。他最怕的正是这种浪头的碎散，想法不再在脑海里游动、被人把玩，合作也随之消失。悬崖的边缘本身，也就是终点那个谜，在他看来没有大多数人感觉的那么截然分明，因为他对心智的思考方式是分级的、连续的。有限的时间本身可以成为动力。在这场对话的七八年前，他还在做决策实验，那类工作带来的收束感令人满足：模型拟合得上，预测能拿去猴子身上检验。然后他意识到，自己也许只剩下十到十五年的有效工作时间，而在那个层次上的工作，并没有让他逼近真正有趣的问题。于是他对自己说：挑一个难题吧。他由此开始研究数学认知。设想先只有十年，然后也许还有三四年，再然后也许还有五年。那就给自己六到八年。期限不会无限延长。要持续思考那些真正有意思的问题。

他希望百科全书里的那段文字怎么写？他希望写的是：他看到了一条比认知心理学家面前已经铺好的道路更令人兴奋的路，而这并非出于什么超凡的原因，只是因为他恰好拥有合适的前置背景，并且顺着那条线索走了下去。他在序言里说，科学带来的乐趣，就是某人脑中还没定型的念头，经过交流变得更清晰，进而成了一项实实在在的科研进展的地基。他和 Rumelhart 搭建交互激活模型时，就出现过这样的时刻；Rumelhart 听辛顿讲梯度下降、讲用目标函数来引导学习时，也出现过。那段时期这样的时刻很多。他如今和学生合作时，也依然在寻找这样的时刻。他希望那段文字里能写到这样一个人：他通过找到令人兴奋的合作机会，并稍稍离开大路，做出了自己的贡献。

有一段经历至今仍让他想要讲出来，并为之振奋。他的博士论文完全是实证性的。他写了一篇论文，报告两个主要实验，并在末尾列出了对数据背后机制的理论构想的开端。他把论文投给了《Journal of Experimental Psychology》（《实验心理学杂志》）。编辑回信说：这些实验非常好，我们很乐意发表，但请把理论化的工作留给理论家，把那部分删掉。他照做了。他差点因此被归为“非理论家”。他本可以就此屈服，认为自己的工作就是继续做实验。那不是他想要的。担任助理教授的第一年，他仍然在做实验，因为需要发表论文，但他同时把那一节扩充开来，投给了理论取向的《Psychological Review》（《心理学评论》）。那里也没有接收，不过回信说：这个想法很有价值，这次请你继续往下想。正是这句话，让他动了起来：为理论做贡献，并不需要超人的天赋，一个凡人也能做到。

往大了说，这里的教训是：别屈服于别人给你贴的标签。尤其是功成名就之后，标签往往贴在那件让你成功的事情上，比如联结主义者、认知科学家，算不得神经科学家。那些都是过去的故事。今天的你是一个新的人，完全有能力在全新的领域里掀起变革。别让这些标签拖住你的脚步。至于这一切的意义——那一千多亿曾经活过的人，我们为什么忙碌，又为什么朝着某个方向去——McClelland 的看法是：我们为自己创造意义，也从别人创造的意义中获得启发。公元前一千年里的各大宗教思想家，以及此后的一些人，奠定了重要的根基。他相信，我们是一个自然发生、没有引导的过程所产生的涌现结果，而意义就在于我们赋予它的东西。宗教传统中对意义所做的种种雕琢，也是这一目标的体现：与其去找出意义究竟是什么，不如亲手把它做出来。

它是私人的，也是个体的。意义通过你所独有的那一组协同要素而到来：你的底色、你的经历、你的处境，而这一切都在某个局部的“口袋”里被造了出来。他就在 UCSD，身边是那位才华横溢的 Rumelhart，后者正对符号式人工智能产生怀疑；这种怀疑，恰好与 McClelland 想把认知落到生物学之上的渴望彼此共鸣。他们抓住了这种共鸣。从那个小小的口袋里，生长出一种奇特的涌现过程，而我们每一个人，基本上都是这样的过程：细胞聚集在一起，讲出关于自身的精彩故事，并享受这些故事之美。这个过程存在一段时间，它的边界由它在时间与空间中的那个局部口袋所界定；它讲出动人的故事，我们把这些故事记下来，庆祝它们有多好，于是它延续下去，因为我们在彼此的故事之上，又叠加了新的故事。最终，我们或许会殖民其他行星、其他恒星系、其他星系，讲出更好的故事。这一切，都从地球开始。