要真正理解大腦，需要滿足一系列條件，而我們很可能無法達成：關於大腦的知識是有限的，並且我們既能獲取這些知識，又有能力理解它們。

撰文 | Mark Humphries

翻譯 | EY

神經科學可能終結的方式有很多。最平淡無奇的一種可能，便是社會對其失去興趣。在我們有限的資源可以被用於的眾多領域中，研究大腦只是最近才成為一個選項；未來的某一天，它可能會重新化為塵埃。其他事務或許會變得更加優先，例如養活全球人口或防止小行星撞擊地球。或者，神經科學的終結可能是某種偶然的副產品——戰爭的後果、政府被魯莽地解體，或者被一塊太空岩石側面撞擊的連帶影響。

但我們更希望它在我們自己的掌控下結束。我們希望神經科學的終結意味著我們已經徹底理解了大腦。但這就引出了一個顯而易見的問題：這是可能的嗎？要讓答案為“是”，必須滿足三個前提：首先，存在一個有限的信息總量；其次，這些資訊在物理上是可獲取的；最後，我們能夠理解我們所獲取的全部資訊。然而，每一點都可以被合理地質疑。

知識是否是有限的，並非一個已知的事實。有些觀點認為，知識的增長不僅可能是無限的，甚至是不可避免的。物理學家大衛·多伊奇（David Deutsch）提出了一個看似無害的觀點：知識增長的方式，是我們為某一現象找到一個好的解釋。好的解釋有一個關鍵特徵——其細節難以更改，否則就會破壞其預測能力，從而使其失去解釋力。相反，壞的解釋是那些細節可以被隨意調整，而不會影響其結果的。例如，古代人把四季變化歸因於眾神，這就是一個壞的解釋，因為我們可以隨意變更這些神及其行為，而四季仍然會按照固定順序交替出現。而我們現在認為四季變化是由於地球繞太陽公轉時的軸向傾斜，這是一個好的解釋，因為如果去掉這個傾斜，就無法解釋四季現象以及南北半球季節相反的情況。一個好的解釋意味著我們已經足夠精準地把握了宇宙的某種屬性，以至於可以在此基礎上構建新的知識。

多伊奇指出，由此可推匯出一個結果：好的解釋必然會產生新的問題。一個好的解釋會引發不可避免的“為什麼”問題：為什麼這些細節難以更改？或者，為什麼這些細節就是如此而非其他？對多伊奇而言，這意味著我們永遠不會窮盡所有問題。如果我們真的有一天“沒有問題可問”，那就意味著存在一個終極解釋。但真正好的終極解釋不可能存在，因為如果它的細節可以被調整，那它就是一個壞的解釋（例如“眾神決定如此”）；而如果它是一個好的解釋，那它就無法解釋為何這個版本是唯一正確的。因此，從原則上講，我們可能擁有的知識量是無限的。

假設我們不接受這個論點：我們憑直覺認為，知識的總量是有限的，因此，完全理解大腦仍然在我們的掌握之中——只要這些知識在物理上是可獲取的。但我們有充分的理由認為，事實並非如此。

我們所處的宇宙的物理法則，對我們能獲取的知識施加了嚴格的限制。想像一下，我們想觀察宇宙中任意地點正在發生的事情，但我們無能為力。因為儘管光速快得令人難以置信，它仍然是有限的。我們所能觀測到的宇宙範圍，僅限於自宇宙大爆炸後光子開始傳播以來光所能到達的距離。然而，在這個光視界之外，宇宙仍然存在，我們卻永遠無法直接觀測它。這種無法逾越的限制，始終是科學研究面臨的潛在威脅。正是由於我們無法獲取所需的空間尺度或維度的資訊，弦論、圈量子引力（loop quantum gravity）等試圖調和量子力學與廣義相對論的理論，至今仍更多停留在猜想層面，而非可驗證的科學。

類似的物理限制，可能也會阻礙我們對大腦的理解。假設我們發現，要完整地建立神經活動與即時行為之間的因果聯繫，需要同時記錄人腦中大量神經元的活動，同時對另一部分重疊的神經元進行刺激。如果光學成像和光學刺激被證明是唯一能實現這種精度的手段，我們很可能會碰上物理上的不可能性。

想想我們需要多少光子。如此龐大的光子數量在穿透腦組織時會發生大量散射，使得信號與雜訊比過低，無法分辨出眾多的單神經元活動。而增加光子的數量會導致更多熱量積累，從而誘發或抑制神經元的放電，使大腦狀態發生改變，偏離我們試圖觀測的原始狀態。事實上，在這樣的成像尺度下，改變大腦狀態幾乎是不可避免的——將光線和透鏡引導至更深層結構的過程中，可能會損傷大量神經元。我們或許能夠清楚地知道自己需要瞭解哪些資訊才能理解大腦，但卻可能根本無法獲取這些資訊。

讓我們樂觀一點：也許人類的智慧終將找到繞過這些限制的方法，使得我們能夠獲取關於大腦的全部知識。那麼，接下來唯一需要做的，就是理解這些知識。

長期以來，心靈哲學家一直在質疑我們是否能真正理解人類大腦。湯瑪斯·內格爾（Thomas Nagel）曾提出一個著名的思想實驗，讓我們想像自己成為一隻蝙蝠，擁有皮革般的翅膀和聲吶導航。他認為，我們當然無法真正知道蝙蝠對世界的主觀體驗。由此，他推論出，如果我們無法描述蝙蝠的主觀體驗，那麼我們就無法構建獨立於物種的意識的客觀描述，因為我們永遠無法真正知道自己試圖客觀測量的是什麼。如果是這樣，對大腦的某些理解將始終不可及。

科林·麥金（Colin McGinn）更進一步提出，人類大腦在原則上永遠無法理解人類意識，因為我們的思維受限於自身的感知能力，因此在認知上封閉於理解人類意識所需的概念。就像一隻犰狳試圖理解數學一樣：數學確實存在，並且是世界的一種真實屬性，但無論犰狳收集多少證據或多麼努力地學習，它都無法掌握數學。同樣，神經科學也面臨一個獨特的問題：它是唯一一個研究者的理解由其研究物件本身生成的學科。如何解讀這些論點由你決定，但有理由相信，即便我們掌握了關於大腦的完整知識，我們仍可能無法真正理解它。

我們一開始假設，如果以下三個前提成立，我們就能真正理解大腦：關於大腦的知識是有限的；這些知識對我們是可獲取的；我們有能力理解這些知識。然而，上述論點對這三個前提都提出了質疑。我們可以用概率的方式表達這種懷疑，即將每個前提的成立概率賦值，並計算神經科學是否能以理解大腦為終點的整體概率：P（有限知識）×P（可獲取知識）×P（可理解知識）。

這樣寫出來，我們就能看到複合概率的標準困境：即便每個前提單獨成立的概率都很高，三個條件同時成立的概率仍可能很低。例如，如果我們給每個前提都賦予最大值 0.79，那麼三個條件同時成立的概率仍小於 50%——更可能的情況是，神經科學不會以我們期望的方式終結。

這意味著可能存在三種不同的結局，具體取決於哪個前提不成立：

1. 神經科學永遠不會終結，因為知識是無限的。

2. 神經科學會終結，但由於物理上的獲取限制，我們無法完全理解大腦。

3. 神經科學會終結，我們原則上已經獲取了理解大腦所需的一切資訊，但我們缺乏理解它的能力。

無論是哪種情況，我們都無法完全理解人類大腦。但或許，這從來就不是目標。一個更合理的替代方案是，我們能足夠深入地理解大腦活動與行為之間的聯繫，從而在其出現問題時加以修復。我們可以依賴預測來實現這一目標，而無需徹底理解它——我們可以根據神經活動預測行為，反之亦然；我們可以預測干預措施對兩者的影響。

至少，過去十年人工智慧的發展已經向我們展示了一個事實：我們的預測能力遠遠超出了我們的理解能力——從人臉識別到語言生成，莫不如此。這種預測能力讓我們有充分理由相信，總有一天，神經科學會知道如何修復或預防任何大腦功能障礙，如果我們願意的話。而這樣的結局，或許已經足夠好了。

特 別 提 示