時間究竟是什么？是宇宙中不可動搖的維度，還是我們大腦創(chuàng)造出的主觀體驗？

在物理學中，時間常被描述為一個靜態(tài)的維度，過去、現(xiàn)在和未來在“塊狀宇宙”中同時存在，時間的流逝不過是人類意識的幻覺。然而，在神經科學的視角中，時間卻是動態(tài)的、不可分割的，是塑造記憶、感知和行為的核心力量。

“物理學和神經科學之間存在著一種持續(xù)的張力，喜歡相互攻訐。神經科學家常會說，如果物理學告訴你時間并不流動，那一定是物理學出了問題?！?strong>加州大學洛杉磯分校神經科學家迪恩·布奧諾馬諾（Dean Buonomano）如此形象地描述了兩種時間觀之間的分歧。

然而，這種分歧有何而來？兩者是否真的無法調和？一直以來，布奧諾馬諾通過與物理學家卡洛·羅韋利（Carlo Rovelli）合作，試圖在這兩種視角之間尋找共識。在最近的一場對談中，布奧諾馬諾與卡內基梅隆大學的保羅·米德布魯克斯（Paul Middlebrooks）深入探討了這些問題。

從神經科學對時間的研究，到人工智能如何理解時間和因果，再到時間觀念對意識理論的影響，他們嘗試從不同的學科視角為這些復雜的問題提供答案。這場討論為我們重新思考時間的本質，以及時間對于理解智能與宇宙萬物的啟發(fā)。

保羅·米德布魯克斯

Paul Middlebrooks

卡內基梅隆大學助理研究員，播客“Brain Inspired”主理人

他在匹茲堡大學馬克·索默實驗室獲得認知神經科學博士學位。隨后在范德堡大學Jeffrey Schall, Geoff Woodman, and Gordon Logan實驗室從事博士后研究，研究運動皮層和基底神經節(jié)神經群活動如何影響自由行為小鼠的自然行為。

迪恩·布奧諾馬諾

Dean Buonomano

神經科學家、作者

加州大學洛杉磯分校（UCLA）教授，研究領域為計算神經科學和大腦的時間意識。主要作品有《腦蟲：大腦的缺陷如何塑造我們的生活》、《你的大腦是時間機器》等。

目錄：

01 人工智能忽視了腦科學嗎？

02 物理學“時間” vs.神經科學“時間”

03 為何說整合信息論“不科學”？

04 器官型切片與傳統(tǒng)腦切片有何不同？

05 大腦可以感知時間嗎？

06 人工智能需要感知時間嗎？

07 譯者后記

人工智能忽視了腦科學嗎？

保羅·米德布魯克斯：今天的第一個問題，讓我們從人工智能開始聊起。今年初，你發(fā)表過一篇推文《大腦并不是創(chuàng)造智能的唯一方式》（The brain holds no exclusive rights on how to create intelligence），這篇文章讀起來略顯悲觀。你提到，人工智能忽視了大腦的動態(tài)特性以及腦科學進展，且這種趨勢未來有增無減。這是否意味著人工智能的發(fā)展已經偏離了神經科學的軌道？

迪恩·布奧諾馬諾：是的，我想我可以做一些補充。

首先，人工智能和神經科學自誕生之初起就一直是姊妹領域。我從未以任何方式暗示過人工智能忽視了神經科學。事實上，人工智能的基礎正是神經科學的一些基本原理。比如，神經科學認為，信息和記憶存儲依賴于突觸連接的強度及其維持，而學習依賴于突觸連接強度的變化。這一點也是所有基于人工神經網絡的人工智能的核心。

從卷積神經網絡到正則化（體現(xiàn)了某種穩(wěn)態(tài)可塑性特征），再到神經網絡隨機失活（dropout，類似于突觸失效），以及卷積神經網絡基于V1架構而設計等方面，這些顯然都受到了神經科學的啟發(fā)，人工智能和神經科學之間的關系非常密切。當馮·諾依曼寫下我們現(xiàn)在稱之為“數(shù)字計算機”或“馮·諾依曼計算機”的第一批架構的第一個代碼時，他也是受到了大腦的啟發(fā)。然而，計算機科學和神經科學的分化也非常迅速。

我認為，現(xiàn)在我們正處于一個分水嶺——人工智能和神經科學的聯(lián)系正在逐漸削弱。

在2010年左右，當人工智能開始認真處理語音識別、動作識別以及與世界交互等問題時，循環(huán)神經網絡（RNN）被認為是未來的發(fā)展方向，它模仿了大腦感知時間的方式，并具有自己的內部動態(tài)。

然而，2017年Transformer架構的出現(xiàn)改變了一切。那篇論文《注意力就是你所需要的一切》（Attention is All you Need）提出了一種全新的方法，使領域迅速從RNN方法轉向了Transformer。對我來說，Transformer最令人驚嘆的地方在于，它無需感知時間，卻仍能在許多任務上表現(xiàn)出色。

Transformer無關時間，但它能分辨順序和時序。比如，它可以區(qū)分“我是”和“我是嗎”之間的差別。它是如何做到的？答案是通過“位置編碼”。Transformer不是先處理“我”，然后再處理“是”，而是同時并行處理“我是”或“我是嗎”，，并通過位置編碼標記詞元的位置。例如，“我”被標記為第一個詞元，“是”被標記為第二個詞元。這樣，雖然它不感知時間，但它仍然能理解順序。

例如，如果你在ChatGPT里輸入“等10秒鐘再告訴我法國的首都”。它不會忠實地執(zhí)行，而是立即回復“OK”，給出答案，沒有等待。當然，如果你使用了合適的提示詞，它可能會調用Python編譯器，實現(xiàn)等待10秒鐘再回答。

保羅·米德布魯克斯：位置編碼本身并不利用時間，而是利用時序的位置。你對此的態(tài)度是悲觀還是樂觀，或者你只是指出這種情況可能會持續(xù)下去——你從中得出什么結論呢？

迪恩·布奧諾馬諾：我認為，這是對“人工智能只有在神經科學的指導下才會邁出下一步”這種觀點的回應。我對此持中立態(tài)度，屬于不可知論。在某些方面，NeuroAI的觀點有一定道理：為了達到更高的智能水平，人工智能或許確實需要神經科學的支撐。然而，正如剛才所說的，過去十年人工智能的進步令人驚嘆，而它并沒有嚴格遵循神經科學的基本原理，就如時間的連續(xù)性或大腦動態(tài)處理時序等。

順便說一下，我可能不太喜歡用“sequence”這個詞，因為它往往暗含著時間。我更傾向于用“ordinality”這個詞，它只表示第一、第二和第三的順序……這里的術語非常模糊，確實會造成一些混淆。

?Joey Guidone

保羅·米德布魯克斯：你一直用“進步”（progress）這個詞來形容人工智能領域的成就。我們如何定義“進步“？又是如何定義通用型人工智能”（AGI），AGI與奇點的區(qū)別是什么？

迪恩·布奧諾馬諾：有些人所謂的進步，可能是其他人的倒退，這取決于你最終是追求通用人工智能（AGI）還是奇點。

諷刺的是，AGI指的就是通用型人工智能。別管它是什么了，直接定義為“智能”（intelligence）就好。事實上，智能的成因目前尚無定論。而不定義智能就談論它，其實并不明智，雖然很多領域都是如此——無論是意識領域還是自由意志領域，甚至是基因的含義，我們有時不得不處理一些定義不明確的抽象概念。AGI的定義不明確，但智能本身也同樣不明確。人類聰明嗎？這個標準是高還是低？人類智力的標準非常低。

物理學與神經科學中的“時間”

保羅·米德布魯克斯：對此我們觀點一致，下面讓我們來聊聊物理學和神經科學對時間的不同理解。也許我們可以從你和物理學家的合作這點開始。

迪恩·布奧諾馬諾：剛才我們討論了Transformers，這可能是一個很好的引子。在Transformers中，過去和現(xiàn)在同時存在，因為你同時把整段內容“并行地”輸入到Transformers中。這與我同身為物理學家的Carlo Rovelli討論時間本質時的兩種觀點，略有相似之處。

在Carlo和我合作的這篇《連接神經科學與物理學的時間》（Bridging the neuroscience and physics of time）的文章中，我們試圖彌合哲學、物理學和神經科學中關于時間本質的兩種觀點：

一種是“現(xiàn)在主義”，這是我們作為神經科學家的直覺觀點：現(xiàn)在是真實的；過去曾經是真實的，但它在此刻不再真實，我們對過去的記憶僅僅是大腦中殘存的印象；而未來尚未成為真實。

另一種是“永恒主義”，或塊狀宇宙（block universe）觀，甚至更極端的“靜態(tài)永恒主義”。這種觀點認為宇宙是一個四維的塊狀宇宙，在某種意義上，時間已經消逝（transpired）。所有時間，過去、現(xiàn)在和未來，都同樣真實。一種方便的比喻是，“現(xiàn)在”之于時間，就像“這里”之于空間；正如我們接受自己處于某個“這里”，但也承認其他位置會變成“這里”。

在現(xiàn)在主義中，我們不接受其他的“現(xiàn)在”的可能性。而在永恒主義中，所有現(xiàn)在都同樣有效。

Transformers在很大程度上體現(xiàn)了“永恒主義”或“塊狀宇宙”的觀點——過去和現(xiàn)在同時存在。而RNN則不同，它更接近“現(xiàn)在主義”，是逐步處理信息的。

?塊狀宇宙。圖源：Scientific Diagram

保羅·米德布魯克斯：我總是把塊狀宇宙想象成一塊蠟，可以把它切成任意薄片，每一片都代表一個時間點，然后可以訪問不同的切片。我很想聽聽你是如何與Carlo Rovelli合作的。我不知道你們之前是否認識，你們的合作是怎么發(fā)生的？是哲學把你們聯(lián)系在一起的嗎？

迪恩·布奧諾馬諾：是的，絕對是。我和Carlo一起參加了幾次關于時間的會議，還有幾次關于時間的哲學研討會。物理學和神經科學之間一直有著張力，我們喜歡互相攻訐。神經科學家喜歡說：“聽著，我們生活在一個現(xiàn)在主義的宇宙中，時間在流動，時間在變化，如果物理學告訴你不是這樣，那物理學一定是哪里出了錯”。這里我稍微夸張了些。

而有些物理學家認為，時間的流動是一種思維的幻覺，他們會反駁：“聽著，你們神經科學家，反而應該弄清楚為什么我們會有這種時間流動的幻覺，因為它根本不存在”。部分物理學家（不是全部），把永恒主義視為理所當然的教義，因此很難想象時間如何流動，為什么神經科學家會有這種主觀的時間流動感。

這里我一分為二地看待這個問題?！皶r間是靜態(tài)的”，這對大多數(shù)神經科學家來說非常違反直覺。那為什么物理學家會持有這種觀點？有幾個原因。一是物理學中的許多方程都是時間可逆的，你既可以用它正向預測未來，也可以拿它們來反向追溯過去。這種時間對稱性與相對論無關，盡管相對論方程當然是時間可逆的。

在相對論中，時間和空間是一種權衡，而存在一個叫做“閔可夫斯基空間”的概念，它表明時間和空間可以統(tǒng)一為一個四維的整體。這個空間最好的可視化方法是：如果沒有絕對的“現(xiàn)在”，那么你以一個速度運動，我以另一個速度運動，我們的時鐘就會以不同的速度運行?；氐健跋瀴K”的比喻，想象我們所有人都在一個蠟塊里，如果我們以不同的角度（正交或對角）切割它，就會發(fā)現(xiàn)我們可能分別處于不同的“同時性平面”上——這表明了時間的空間化。

保羅·米德布魯克斯：所以在這個問題上，無論是神經科學還是物理學，哪方都沒有強有力的證據(jù)支持。這些都是基礎的開放問題。這個問題的關鍵在于，我們對時間流逝的主觀體驗。

?西班牙超現(xiàn)實主義畫家薩爾瓦多·達利對時間的詮釋。圖源：imuseum

在我們人類所處的中觀時間尺度上，神經科學家持有現(xiàn)在主義的觀點是可以接受的，因為這是我們所能研究的全部范圍，我們的時間感是基于中觀世界的有限經驗。而物理學家對于時間的哲學理解，則超出了我們的認識論范疇，因為我們無法直接測量或觀察到那個尺度上的現(xiàn)象。

迪恩·布奧諾馬諾：當然，我們生活在中觀尺度上，相對論速度或量子現(xiàn)象并不存在于我們的日常生活中。這解釋了為什么我們的直覺在理解這些現(xiàn)象時會出錯。我們對“現(xiàn)在主義”的理解是中觀世界的產物，我不認為這是一種錯覺，因為塊狀宇宙正是在那個時間尺度上運行的。塊狀宇宙與時間尺度無關。

我不想從中發(fā)散出太多結論，我認為這正是問題的一部分。與黑洞附近的引力或相對論速度下的時間不同，時間的流動應該在所有尺度上發(fā)生。我的觀點是，由于大腦進化是為了理解我們所生活的宇宙、我們的中觀宇宙與世界，而它們都受物理定律的支配，因此我們看到時間流動也是現(xiàn)實的一部分。

保羅·米德布魯克斯：它受近似牛頓物理學的支配，這就是我們生活的世界。那么我們的時間感也是如此，對嗎？

迪恩·布奧諾馬諾：是的，這就是我們的物理感，也是我們的時間感。但即使在塊狀宇宙觀中，時間感也適用于中觀尺度。我想說，我們對時間的感知，并非僅限于我們生活的這個以中觀尺度運作的世界。

我們提出，我們感知到了時間，但在這一點上我和Carlo存在分歧。我認為，我們感知到時間是因為它確實在流動。需要明確的是，這與物理定律絕對不矛盾。物理定律允許現(xiàn)在主義，也允許永恒主義，前提是局部現(xiàn)在主義，而不是牛頓式的絕對時間。

我們這些異常聰明的猿類，確實沒有能力真正弄清楚這些定律，無論是在量子尺度還是宇宙尺度上。假設我們不是生活在黑洞或對撞機旁邊，這些定律的表現(xiàn)穩(wěn)定。我不知道你們?yōu)槭裁床幌嘈哦伞?/p>

保羅·米德布魯克斯：對。我認為我現(xiàn)在對定律的理解已經和以前不一樣了。也許這樣說才對。我記得Yael Niv（雅爾·尼夫）說過，數(shù)學的美妙之處在于，“你可以設計實驗去驗證它，你可以做數(shù)學運算，進行各種數(shù)學運算，可以把這些數(shù)學運算用到不同的東西上，它都能有效。這就是數(shù)學的美妙之處”。我喜歡這個說法，我想這正體現(xiàn)了“規(guī)律”之所在。

迪恩·布奧諾馬諾：大腦充滿了認知偏見，我們會做出錯誤的決定。

大腦進化，并非為了滿足我們的智力意愿，其目的顯然不是為了理解物理定律或意識的本質，更不是為了理解心智。

對我來說，數(shù)學是迄今為止發(fā)明的最好的智力工具?；蛟S有一天，會有人提出一組描述抽象事物的方程式，無論是一般運動還是量子物理中的薛定諤方程，這些方程式盡管復雜，但如果運用得當，我們就能預測周圍的世界。是的，我認為這些方程式是我們理解這些定律的工具。

需要說明，我根本不是柏拉圖主義者。我不認為它們反映了宇宙中存在的實體。

數(shù)學并不完美。數(shù)學在某些配置下可以是完美的。數(shù)學可以捕捉真理，但也存在很多糟糕的數(shù)學。有些東西你可以用數(shù)學來記錄。那只是應用數(shù)學。同樣，數(shù)學在反映現(xiàn)實方面可能并不特別準確。數(shù)學有時能捕捉到宇宙運作的方程，有時則不能。

為何說整合信息論“不科學”？

保羅·米德布魯克斯：現(xiàn)在可以談談整合信息論（Integrated Information Theory，IIT）嗎？一大群學者認為IIT是偽科學。您最近寫了一篇文章，詳細闡述了為什么您認為它是不科學。能否請你解釋一下，IIT是什么，以及它為什么不科學，卻能做出預測。

迪恩·布奧諾馬諾：我認為，理解為什么一百人簽署了一封擔憂IIT不科學的公開信，比討論“是否是偽科學”的措辭更有意義。首先，我先聲明幾點。與其說形成了一個IIT關注聯(lián)盟，這或許更應該被看作是一群人聚集起來而已。而他們竟然聚集了一百個人來簽署某個文件，我認為這才是人們應該反思的事情，而不是去思考它為什么會出現(xiàn)。另外，我不能代表這個群體發(fā)言，我只能分享我的觀點，僅此而已——我絕不以任何方式、立場或形式代表任何群體。

回過頭來聊聊你問的問題。COGITATE項目正在收集數(shù)據(jù)，未來會將高質量的數(shù)據(jù)開源，這總歸都是好事，我想這一點大家都會認同。而我對IIT的所有擔憂都與COGITATE項目無關，只與IIT和物理定律有關。

我認為人們需要理解這一點（很多人對此存在誤解）：IIT并非神經科學理論，而是一種基礎物理理論。它就宇宙的結構和屬性提出了一種新的本體論，認為某些物質結構具有意識。這就是為什么有些人認為它是一種泛靈論。在IIT理論下，許多形式的物質，無論是否屬于神經類型，都可以具有意識。這就是我在這里要關注物理定律的第一原因。

我之所以認為IIT不科學，最簡潔的解釋是：新的物理定律必須整合到現(xiàn)有定律中，否則，你將得到的就是一個自由浮動、脫節(jié)、未整合的規(guī)則或定律，既無法對其進行可靠性檢驗，也不知道它是否與現(xiàn)有定律相符。物理學就像一個未完成的美麗拼圖，包含了許多碎片。你不能隨意地拼湊新的碎片，而不與現(xiàn)有的碎片整合，因為那樣你就不知道自己是否違反了已有其它碎片的規(guī)律。

因此，我認為在不整合現(xiàn)有定律的情況下就制定全新的定律，不符合正常的科學方法。需要結合舊定律才能知道是否存在違規(guī)行為。在我看來（只是我個人的看法），“是的，我確實認為IIT可能違反了某些物理定律。”

真正的關鍵在于，它就像一個孤島——IIT雖有“整合信息”之義，但諷刺的是它與其他科學領域卻沒有整合。IIT通常被描述為具有內在因果性的系統(tǒng)，而“內在因果性”這三個詞在直觀上的含義上并不一定能讓人一眼就看出。

我盡力用一個真實的例子來解釋。由于IIT并非神經科學理論，它不需要神經元，我們可以用邏輯門系統(tǒng)來解釋。

假設有兩個邏輯門A和B，它們是簡單的復制門或閾值門，狀態(tài)要么開（1）要么關（0），接收0就輸出0，接收1就輸出1，僅此而已。

IIT要求，系統(tǒng)的當前狀態(tài)需包含關于過去和未來狀態(tài)的信息?，F(xiàn)實中，這涉及許多復雜概念，如分區(qū)、子網絡、通道、機制等等，但在這個由A和B組成的簡單系統(tǒng)中，只需思考一個問題：如果B當前是1，這是否限制了系統(tǒng)的過去？答案是肯定的，因為如果B現(xiàn)在是1，那么A在上一個時程就必須是1，這是B變?yōu)?的唯一原因。

這就意味著，這個系統(tǒng)有可能具有意識，它可能擁有一個正的φ值（IIT用來衡量意識的指標）。但我們還必須考慮未來：B是否對未來有任何限制嗎？答案是否定的，因為B的狀態(tài)不會回饋到自身或A。

換句話說，這個系統(tǒng)對未來沒有任何約束力。它的行為與隨機狀態(tài)相比并沒有額外的信息，也無法預測未來，就像你剛才提到的那樣。

這里，神經科學家可能會問：“你所說的過去和未來具體指什么？是過去和未來的某個時間點？”這是IIT的難題，因為它有時要求我們查看某個范圍內過去和未來的所有的時間點。它是離散的。對于計算機來說，這種離散的時間步長是清晰的，因為計算機的時間是明確劃分的。但對于大腦來說，情況并非如此，這可能會引發(fā)一些問題。

現(xiàn)在，如果我們將B重新連接到A，就形成了一個循環(huán)神經網絡。如此連接確實會讓B的狀態(tài)開始影響未來，并限制未來可能發(fā)生的事情。這樣一來，系統(tǒng)就表現(xiàn)出了一定的意識。通過增加這個連接，系統(tǒng)的意識phi值變成了1。

接下來，我們可以嘗試做一個思想實驗來進一步理解這一點。IIT的一個特點是，它與空間和時間無關。如果我們將系統(tǒng)中的兩個單元分開，并拉大其間的距離，這種分離實際上并不會改變系統(tǒng)的意識狀態(tài)。只要連接保持良好，系統(tǒng)就一直是有意識的。甚至，即使兩個單元都處于關閉狀態(tài)（值均為0），系統(tǒng)仍然是有意識的。

假設我們進一步改變系統(tǒng)的狀態(tài)，把兩個單元取出，剪斷它們之間的電線，用光束連接起來，再把它們放到太陽系的兩端的隨便什么地方，比如一個在地球上，另一個在海王星上。根據(jù)IIT理論，只要連接良好，它的phi值始終為1。這真的很重要，因為它引發(fā)了一個問題：意識究竟在哪里，是在地球上，在海王星上，還是在兩者之間？

我們可以再做一個思想實驗——現(xiàn)在我們要阻斷光路。記住，光路沒有傳輸任何東西，因為它們處于0狀態(tài)，就是在它沒有激活的情況下阻斷它。按照我們物理學家的傳統(tǒng)思維方式，什么都不應該發(fā)生，這在物理學中沒有先例。此時，唯一會發(fā)生的事情就是phi值趨于零。

那，歸零需要多長時間？大多數(shù)人認為它會瞬間歸零——即使這兩個門相距很遠，它也會瞬間歸零。然而，你應該對物理學中出現(xiàn)的瞬時變化提高警惕，因為“超光速傳輸”是物理學中的大忌。因此，Phi值會瞬間下降，但實際上并沒有任何信息被傳輸。

現(xiàn)在，讓我進一步擴展這個思想實驗，我們可以你的名字來命名這個實驗——“米德布魯克斯裂腦實驗”。在你允許的情況下，我們將取出你的大腦，一半留在地球上，另一半放到海王星，其間用光束連接。根據(jù)大多數(shù)人的說法，你仍然會有意識。而有意識的實體的一個特點是，可以交流意識的變化?，F(xiàn)在，如果我們干擾其中一些連接，并且我們清楚我們在做什么，這會發(fā)生什么？

我實際上是在問一個問題：如果阻斷大腦半球的這些連接，現(xiàn)在你可以通過phi值（你的意識層面）傳達這些變化。你的意識狀態(tài)如何改變，是否還可以交流？我們現(xiàn)在是否有辦法即時傳遞信息？

這里，我認為IIT的支持者會提出幾點：

• 延遲的影響：增加延遲會改變信號分發(fā)，你的意識就在海王星或地球上，但可能無法通訊了。我認為這是可以解決的，因為這是一個思想實驗，我們可以根據(jù)大氣層間連接的延遲和大氣層內連接的延遲進行調整。

• 干擾的結果：IIT的支持者會說：“嗯，因為我干擾了地球上的線路，所以造成了這個結果”。現(xiàn)在情況有點復雜，可能會有論點認為phi值趨于零，或者系統(tǒng)因為“知道”未來某個時刻我會干擾這些連接而提前改變，有點像千里眼。

總之，事情變得有些復雜了。對此我感到抱歉，但這正是IIT及其相關思想實驗的挑戰(zhàn)所在：很難明確指出它是否違反物理定律。我的觀點很簡單：由于IIT是“自由浮動”的，與其他物理學分支脫節(jié)，所以無法回答我提出的這些問題。我不知道它是否違反了物理定律，因為它的定義不夠明確，與其他物理學分支的整合也不夠緊密，以至于無法知道這些定律是否被違反。

我認為問題不在于我們是否同意新的本體論，而在于如果新的本體論得到支持，我們就會同意。在我們同意新的本體論之前，我想先搞清楚它是否違反了現(xiàn)有的本體論。對我來說，這是科學過程的第一步。正如我之前所說，物理定律并非一成不變，它們有改變的空間。但我需要知道，在沒有任何經驗數(shù)據(jù)的情況下，提出的新本體論是否與現(xiàn)有的本體論一致。

保羅·米德布魯克斯：值得一提的是，從卡爾·波普爾（Karl Popper）的視角來看，科學的本質在于它實際上是可以不斷被證偽，這取決于我們現(xiàn)有的整個科學知識庫。

卡爾·波普爾（Karl Popper）是20世紀杰出的哲學家（1902~1994）。他提出了“可證偽性”原則，強調科學理論必須能夠被經驗事實證偽，即理論需要有被證明錯誤的可能性。波普爾反對歸納法，主張科學知識的發(fā)展依賴于假設的提出和批判性檢驗。波普爾還探討了開放社會的概念，在《開放社會及其敵人》一書中批判了歷史決定論和烏托邦式社會主義，強調民主和個人自由的重要性。他的哲學思想對科學哲學、社會科學以及教育學等多個領域產生了深遠影響，促進了科學方法論的發(fā)展和對知識增長機制的理解。

有趣的是，聽了你的“長篇大論”，我發(fā)現(xiàn)，我們討論的不是COGITATE項目，而是海王星和冥王星、視覺通路，以及瞬時性。歸根結底，預測結果是IIT位于后頂葉皮層。

迪恩·布奧諾馬諾：我再次強調，我說過COGITATE項目很棒。我認為數(shù)據(jù)收集很好，但我并沒有說它的解讀或使用方式是理想的。我認為他的問題在于，它是對兩種理論的檢驗，而這兩種理論都缺乏約束。如果你讀過Stan Dehaene（斯坦尼斯拉斯·迪昂）的結論，他明確地指出，IIT實際上并沒有被檢驗；被檢驗的是IIT的一種松散的解釋，它預測了IIT位于后頂葉皮層的原因。

說實話，我并不完全理解。IIT是以數(shù)學為核心（這一點尚未經過測試），IIT建立在數(shù)學支柱之上，它過于復雜而無法計算。一個擁有321個神經元的秀麗線蟲的φ值，如果你從今天開始計算，等你完成的時候，太陽就已經完全消失了。這種數(shù)學結構用處有限。

我想澄清的是另一點。如果IIT的支持者認為φ值與意識相關，或者說是意識的衡量標準，我認為IIT的關注度就不會這么高。IIT值得稱贊的是其數(shù)學框架，但實際上他們并沒有考察其數(shù)學框架。因為根據(jù)定義，φ值無法計算，充其量只得到了估算值。

保羅·米德布魯克斯：在COGITATE項目的案例中，他們最終進行了IIT與全局神經工作空間（Global Neuronal Workspace Theory，GNWT）理論的比較測試?？茖W界為什么可以接受GNWT理論，而IIT卻不行？

從你所說的認識論角度來看，GNWT理論似乎很難定義。Bernard Baars（伯納德·巴爾斯）的哲學定義更抽象，其后的Stanislas Dehaene（斯坦尼斯拉斯·迪昂）使其更加神經科學。

全局神經元工作區(qū)理論（Global Neuronal Workspace Theory，簡稱GNWT），GNWT試圖解釋意識如何從大腦活動中涌現(xiàn)，以及意識內容如何在大腦中被表征和處理。GNWT認為，意識是大腦中信息在廣泛區(qū)域之間傳播的結果，特別是通過前額葉皮層的“全局信息廣播”機制。GNWT強調意識內容的全局可訪問性，即一旦信息進入意識，它就可以被大腦中的所有信息處理系統(tǒng)所獲取。這一理論在認知科學和意識研究領域具有重要影響，并且已經通過多種神經成像技術進行了實驗驗證。

伯納德·巴爾斯（Bernard Baars）是GNWT的創(chuàng)始人之一，他在1988年提出了這一理論的早期版本，強調意識是一種動態(tài)的、整合的過程，其中信息在大腦的多個區(qū)域之間傳播和共享。巴爾斯認為意識的產生需要一個全局工作區(qū)，這個工作區(qū)能夠整合來自不同感官和認知過程的信息，并將這些信息轉化為我們可以意識到的內容。

斯坦尼斯拉斯·迪昂（Stanislas Dehaene）是GNWT的另一位重要貢獻者，他在巴爾斯的基礎上進一步發(fā)展了這一理論。迪昂的研究主要集中在意識的神經機制上，他使用多種神經成像技術（如fMRI、MEG和iEEG）來研究意識的神經基礎。迪昂提出了“全局神經元工作區(qū)”的概念，認為意識的產生需要大腦中的特定區(qū)域（如前額葉皮層）將信息廣播到其他區(qū)域，從而使信息具有全局可訪問性。

迪恩·布奧諾馬諾：我認為你想表達的是，GNWT理論非常模糊、不定型，而且嚴重缺乏約束。這正是造成困惑的原因，我很高興你提起這件事。

事實上，很多事情都是如此，造成了人們的困惑。我找不到更簡單的答案或更簡單的二分法。所謂“理論”，我們其實應該用引號，或者我們可以稱之為“前理論”或“猜想”，因為它們并非真正成熟的理論。

我認為困擾我們很多人的正是你所指的，當你試圖比較兩套理論，一套理論雖然不完美，但不需要改變人類科學史上最成功的本體論——物理定律，而另一套理論則需要改變；且如果GNWT和IIT的支持幾乎各占一半。那這兩個理論是否處于同一水平？當然不。

我是指，兩者勢均力敵，但其中一套理論需要改變物理定律，那么誰會占優(yōu)？肯定是不需要改變物理定律的那套理論。實際上，在我和他們交流的時候，討論了一個問題：考慮到結果，你如何衡量哪一個更可信？

我覺得Karl Friston（卡爾·弗里斯頓）可能建議用貝葉斯方法來解決這個問題。這很有意思，如果你有很多需要分級的考慮因素和衡量標準，你可以采用貝葉斯方法。而正如我們所知，在貝葉斯方法中，物理定律是一個重要的先驗假設。

保羅·米德布魯克斯：這是一個強有力的先驗假設，甚至是最強有力的先驗假設。人們常說，正是它讓我們（人類）登上了月球，但我們都知道我們（倆）還沒去過月球，對吧？

器官型切片與傳統(tǒng)腦切片有何不同？

保羅·米德布魯克斯：我不知道這是否適合評論你最近的器官研究——它不是類器官，而是器官型。類器官和器官型之間有什么區(qū)別？器官型切片只是一塊腦切片嗎？

迪恩·布奧諾馬諾：自80年代以來，器官型切片已經存在很多年了。如果你知道大腦切片的電生理實驗，就應該熟悉那種“現(xiàn)切”的腦切片實驗。也就是從嚙齒動物身上取到的腦組織，然后將其切片放在ACSF（人工腦脊髓液）中保持活性，這就是腦組織切片，你也可以對其進行培養(yǎng)，它可以存活數(shù)周甚至數(shù)月。

艾倫研究所（Allen Institute）最近發(fā)表了一些關于人類器官型切片的論文。他們所用的腦組織保留了很多結構連接以及細胞類型，我們將其看作是大腦的一個小型VLSI（超大規(guī)模集成電路）芯片，并且可以“訓練”它。

類器官作為一個近期發(fā)展起來的技術，它從具有多能性的干細胞或細胞培養(yǎng)物開始，誘導它們進入神經發(fā)育的早期階段。這項技術仍在發(fā)展中，還無法用來研究學習過程或人大腦皮層的功能。目前培育的腦類器官只是在大腦非常早期的發(fā)育階段，突觸還沒有完全發(fā)育成熟，還不具備完整功能。我認為最終會實現(xiàn)這個目標，但現(xiàn)在還為時過早。

保羅·米德布魯克斯：讓我回憶一下，從小鼠身上取腦切片，這是神經科學世界的入門課——處死小鼠，剝離出大腦，截取部分腦組織，然后放在一個精巧的切片機中，由此得到非常薄的腦組織切片，再把切片放入一種能維持細胞活力的溶液中。然后，由于過程中切斷了許多神經連接，也就是神經元之間的長距離連接，需要等待一會兒使這些腦組織切片“恢復”。這之后，就可以使用膜片鉗之類的技術，用電極記錄單個神經元的信號，例如記錄局部場電位或者導入電流等。那么，類器官與器官型組織的區(qū)別，就在于實驗之后會繼續(xù)培養(yǎng)細胞，是嗎？

迪恩·布奧諾馬諾：正如你剛才所說，過程中切斷了許多長距離的神經連接。這種組織里每個神經元都失去了大量的輸入，所以它處于異常動態(tài)中。接下來，穩(wěn)態(tài)可塑性開始發(fā)揮作用，它會調整閾值、突觸強度，使其恢復到某種個體發(fā)育狀態(tài)或動態(tài)。這可以觀察到神經元開始有電生理活動，像網絡一樣傳遞電生理活動，甚至會表現(xiàn)出“上行狀態(tài)”（up states），呈現(xiàn)出動態(tài)變化的特性。

保羅·米德布魯克斯：那么，腦切片和器官切片有什么區(qū)別呢？

迪恩·布奧諾馬諾：傳統(tǒng)的腦切片，不再處于可以傳遞電生理活動的動態(tài)狀態(tài)，已經失去了大部分活性……另外，有的實驗需要進行幾天時間，傳統(tǒng)腦切片其實活性難以維持那么久。

這是一堂關于腦切片、類器官和器官型切片的速成課。為什么要使用器官型切片？讓我們先來談談一個科學問題——如果神經元是計算設備，神經回路是執(zhí)行計算的系統(tǒng)，為什么我們必須在完整的大腦中研究這些計算？神經科學受益于還原論方法，比如可以從海兔、斑馬魚還是秀麗線蟲中獲得啟發(fā)。但是，還原哺乳動物大腦皮層的最佳模型還得是哺乳動物的大腦皮層。

所有皮層都只是接收動作電位的場所，聽覺皮層聽不見，視覺皮層看不見。那么，是什么讓聽覺皮層更擅長處理聽覺信息？Mriganka Sur的實驗發(fā)現(xiàn)了一個驚人的現(xiàn)象，視覺刺激被重新定向到聽覺皮層，這些聽覺皮層的細胞竟然表現(xiàn)出了選擇性。他們的觀點核心在于，皮層是一個通用的計算設備，可以響應動作電位的時空模式。

借用這個原理，我們正在測試，如果感覺皮層、運動皮層、聽覺皮層或視覺皮層，從根本上講都在處理動作電位的時空模式，那么在這些獨立的神經回路中，是否能捕捉到某種計算，或者某種依賴于經驗的學習。

我們把器官型切片看作一個簡化的系統(tǒng)，可以使得研究更可控。我們知道它的輸入、輸出，以及組織的處理過程。如果我們能找到方法賦予它穩(wěn)定且可重復的生理活動模式，那么我們就能控制它。

例如借助光遺傳學手段，我們能夠用不同的光學模式刺激細胞或細胞亞群，從而關注它們是否能夠學習和預測。在我們的實驗中，先會給一個“紅光”刺激，這串刺激持續(xù)了大概400毫秒；然后再給一個“藍光”刺激，藍光要么在紅光開始時亮起，要么在紅光結束時亮起。實驗分為兩個不同的組，早期組和晚期組，兩組實驗的唯一區(qū)別是刺激的時間先后順序。我們每20秒或30秒就重復一次，持續(xù)訓練24小時。后續(xù)實驗還試著只給一串紅光刺激，觀察不同類型的細胞行為是否不同，或者系統(tǒng)的動態(tài)是否發(fā)生改變？如果觀察到了模式變化，就意味著它根據(jù)經驗進行了調整。

我們希望回答的問題是，腦組織會學習嗎，會根據(jù)經驗改變其結構和動態(tài)嗎？我們很高興地觀察到，早期組中藍光和紅光會更早地引發(fā)活動，而在晚期組中則更晚。一種解釋是，它預測了某事會發(fā)生，或者說，它預測藍光會出現(xiàn)，但藍光并沒有出現(xiàn)，這是一個預測錯誤。我認為這對應了Karl Friston的觀點。不過，我們的關注重點是，神經回路能夠以經驗依賴的方式學習，并捕捉時間結構——腦組織確實會學習，我們對這個結果很滿意。

這項成果來自于我實驗室里一位非常優(yōu)秀的研究生Ben Liu，他現(xiàn)在在加州大學舊金山分校工作。Ben告訴我，他意外地發(fā)現(xiàn)了切片中似乎存在自發(fā)活動的重現(xiàn)，他注意到早期組和晚期組的自發(fā)活動結構有所不同。在早期組中，自發(fā)活動通常進展迅速，然后衰減；而在晚期組中，自發(fā)活動會隨著時間推移而增長，并在預期的爆發(fā)時間之后達到峰值。

我們長期以來的研究方向或結論大致是，時間感知不應該被視為大腦的一項特殊功能，它如此基礎，應該是神經回路的普遍屬性。如果我們所說的神經回路本質上能夠感知時間的說法是正確的，那么就應該可以通過這種實驗方法得以證明。

而這也表明，即使沒有身體，神經回路也能感知時間。

我把這個問題與IIT理論聯(lián)系起來，因為根據(jù)IIT預測，神經回路中存在循環(huán)因此也是有意識的。這是這項研究的倫理意義，它明確了許多類器官、胎兒組織和其他物質可能具有意識。

?來源：Davide Bonazzi

保羅·米德布魯克斯：神經回路中，“時間”和“時序”有何區(qū)別？為什么它代表的是“時間”而不是“時序”？

迪恩·布奧諾馬諾：在神經回路中，時序和時間的聯(lián)系更為緊密。正如我們之前討論過的，“時序”需要某種東西在時間中流動。談到大腦時，我通常不使用“時序”這個詞，因為時序指的是某種離散的東西。這適用于Transformers，不適用于大腦。但有時候兩者很難區(qū)分。

提到神經時序，比如鳥鳴研究或交互中的神經時序，是存在順序的。例如，按照神經元A、B、C、D、E的順序，整個模式進行一秒鐘或者半秒鐘，兩種模式的順序性相同，而時間發(fā)生了變化，這只是動態(tài)系統(tǒng)的速度問題。動態(tài)的定義是隨時間變化的，它通過改變動態(tài)的速度來提供。我們有辦法改變速度，我可以講得很慢，也可以講得很快。這沒什么特別的，只是大多數(shù)動態(tài)系統(tǒng)或許多動態(tài)系統(tǒng)的屬性。

保羅·米德布魯克斯：我也可以放慢語速，但那種放慢是一致的。有時我語速慢，有時我語速快。這就像鳥鳴，其中時間內部間隔的模式非常重要。也許這就是時間與時序的區(qū)別，時序中蘊含著時間。

迪恩·布奧諾馬諾：是的。通常我認為時間是一個容器。我認為時間流（temporal flow）中蘊含著時序性，你可以控制它的速度。但我認為，這并非理解動態(tài)的根本。一切都在時間中流動，而時間的流動可以被捕捉為時序，而這與時間無關，或者只會真正地體現(xiàn)在你所關注的時間中。

你可以這樣想：如果我讓“分辨綠燈和紅燈哪個先出現(xiàn)？”，這就是一個順序任務。而如果我問“燈閃爍的間隔是多久？”，現(xiàn)在這就變成了一個計時任務。它們都需要順序和連續(xù)性，但后一個被稱為時間任務，因為答案以毫秒為單位，而前一個順序任務不需要毫秒為單位，只需要序列。

大腦可以感知時間嗎？

保羅·米德布魯克斯：David Robbe（大衛(wèi)·羅比）通過研究基底神經節(jié)，暫時得出了一個結論，那就是大腦無法測量時間。事實上，生物體測量時間的方式是通過行為過程?！盁o論如何，時間不是用大腦來衡量的，而是生物體利用自身行為作為替代物來估計時間?！彼形?guī)Ыo你一個問題：“如果大腦里有群體時鐘，誰可以讀取它？”群體時鐘的解碼者是什么？

大衛(wèi)·羅比“大腦無法測量時間”的觀點，參見追問相關文章

迪恩·布奧諾馬諾：首先，“解碼者是什么”這個問題，適用于幾乎所有過程，無論是空間解碼還是顏色解碼。我認為這個問題源于，人們認為時間定有某種特殊之處。但我不認為時間是一個特別獨特的問題，我覺得所有的編碼過程都類似。

那么，是誰在解碼呢？這可以追溯到大腦中的“小人”理論。我認為這個問題已經找到不錯的答案——并不需要“讀取器”，全程只需要“計算”，計算也就是代碼會生成神經元的活動模式，進而引發(fā)機體的運動模式。

羅比的觀點或者你剛提到的“大腦無法感知時間”，是一種非常極端的觀點。我不知道他是否真的這么說，但我們知道這種觀點是錯誤的。

保羅·米德布魯克斯：我認為他的觀點是，假設我在敲摩爾斯電碼。時間當然存在，這一點我們都同意。神經回路和時間維度，受到身體的限制，如神經元通路、肌肉組織的限制，或者學習時序的限制。然后，我可以按照節(jié)奏執(zhí)行任務，而無需明確知道某個動作需要200毫秒。換句話說，這種時間感知受到中觀層面的限制。它依賴于我們在世界中的行為能力，以及大腦-行為的輸出能力，而不是單純依賴神經元精確地“測量”時間。

迪恩·布奧諾馬諾：我想我知道這個困惑問題的答案。

你舉了“一個密西西比河、兩個密西西比河”的例子。我們通過身體來計時，有時還會用運動指令，比如嘴唇的運動來控制節(jié)奏。那是誰在控制嘴唇？毫無疑問是大腦控制著嘴唇。即使存在反饋機制，但我們可以控制、切斷反饋。雖然很多神經系統(tǒng)疾病都與反饋的破壞有關，導致機體的能力下降。但毫無疑問，是大腦在產生動態(tài)，是控制者。

我認為問題或誤解可能在于，時間對這個領域的大多數(shù)人來說意味著什么。當我們說“節(jié)奏”時，實際上指的是動態(tài)。

有時，我覺得他是說大腦無法感知時間，就像時鐘無法感知時間。但是，時鐘只是一個機械系統(tǒng)，一個隨時間變化的動態(tài)系統(tǒng)。時間是我們用來標準化變化的一種抽象概念。物理學家Ernst Mach（恩斯特·馬赫）有一句名言，“用時間來衡量變化是完全不可能的，因為時間是我們通過測量變化而得到的抽象概念?！彼f“時間不在大腦里”，這有點玩字眼，但沒關系，反正時間也不在時鐘里。

時間只是一種體現(xiàn)變化的抽象概念。

當我們說200毫秒或700毫秒，真正的意思其實是指，這段可以被時鐘測量出來的時間，這里需要時鐘去匹配它，有時我們會用身體來匹配它。

我可以舉一些具體化或不具體時間的例子：

加州大學洛杉磯分校的電梯很煩人，你必須先刷卡，然后在之后大約905毫秒的時間內按下你想去的樓層的按鈕（我還沒掌握這個技巧）。為了做到這一點，我們有時會改變手臂的速度來配合，大腦會利用身體來幫助我們計時。否認大腦沒有控制身體并做出動態(tài)動作，無疑是錯誤的。

我的大腦控制著我的身體來幫助我“計數(shù)”。我不知道這是否應該叫做“計數(shù)”。如果你愿意的話，確實可以這么說，但千萬別把因果關系混為一談。很明顯，是大腦在與身體聯(lián)系，即使大腦是控制身體的一部分。

保羅·米德布魯克斯：那你的器官切片含有神經元，它們也是可以感知時間的，對吧？

迪恩·布奧諾馬諾：是的。不過，我認為羅比可能會反對。時間是我們用來量化變化的詞。而羅比使用“時間”這個詞的方式與大多數(shù)人不同，他認為沒有人能夠感知時間，因為時間是一個抽象的概念，我們通過測量變化來獲得它。我們暫時不討論物理。我想找機會跟和他一對一聊聊，看他如何面對這個問題。

?圖源：Shuzhan Yu

保羅·米德布魯克斯：總之，我的想法是，一個神經元，它經歷了所有這些變化和過程。這些變化需要時間。神經元是個活體，既是個體，又不是個體，但卻是自主的物體。你也可以說，人體是一個整體。如果我一邊打鼓一邊計時，我體內的所有這些過程都會影響我最終的行為。

我有個問題，一個神經元，它被光線照射時會逐漸適應，會習慣以一定的速率回收突觸小泡，也會涉及到ATP的產生等節(jié)奏性過程。雖然這些節(jié)奏發(fā)生在細胞內，但那里沒有“時間”。這些只是活細胞內部發(fā)生的物理過程的具體體現(xiàn)。你說，我們不談物理，但我們必須討論物理。

時間就是變化。假設我挑戰(zhàn)極限，比如持續(xù)刺激24小時，可能就是在挑戰(zhàn)細胞的極限。在刺激方案中，是否存在一個最佳刺激點，能夠讓單個細胞，乃至整個細胞群跟上并被誘導？這是一個小問題，但是我想問的問題。

迪恩·布奧諾馬諾：首先需要澄清的是，這些現(xiàn)象并非單細胞特性，而是電路特性，需要神經電路整合才能實現(xiàn)。這確實有點令人困惑。有時我們會用神經動力學來表示單細胞特性，而神經動力學現(xiàn)在指的是電路特性。那么，什么是動力學？

動力學指的是任何遵循物理定律、在時間中運行的動態(tài)系統(tǒng)，無論是計算機還是從山上滾下來的球。

同樣，我認為“時間”這個詞很容易讓人產生困惑。在這場辯論中，我擔心有些人會錯誤地認為時間是某種存在的東西。

當我們說“某個過程持續(xù)500毫秒”時，是的，我們說的是刺激方案被設置為兩個刺激之間的時間差是500毫秒。這里的“500毫秒”，是石英晶體振蕩17000次所需的時間。我認為這就是這些爭論如此令人困惑的原因，因為時間是一個如此重要的概念，以至于我們往往會忘記它并不存在于外部世界。

時間通常被認為是英語中最常用的名詞。說它不存在有點諷刺。它確實錨定了我們生活的方方面面以及正在發(fā)生的變化。當我說大腦能感知時間時，我的意思是，大腦毫無疑問擁有動態(tài)過程，使其能夠同步、預測、匹配和解碼外部世界正在發(fā)生的變化。無論是內部情況還是外部情況，我們都恰好使用“時間”這個詞來量化這些變化。

我明白，有時這會引起某種困惑。這也可以追溯到柏格森。我認為他只是用了“時間”這個詞，跟大多數(shù)人（尤其是如今的人）使用“時間”的方式不太一樣。所以這并非一個特別有研究價值的課題。

人工智能需要感知時間嗎？

保羅·米德布魯克斯：最后一個問題，我們一開始討論了人工智能，以及時間在人工智能中為何無關緊要。那么，人工智能需要時間嗎？

迪恩·布奧諾馬諾：我想再次澄清：我從未說過時間在人工智能中無關緊要。我說的是，Transformer的成功令我驚嘆，盡管它的架構不允許它們感知時間。顯然，在機器人技術、自動駕駛汽車領域，時間很重要。此外，時間的結構也體現(xiàn)在語音處理上。例如，當你通過語音與ChatGPT交互時，像“大眼睛”或“灰色領帶”，或者“他們給她貓糧”和“他們給了她貓糧”之類的語句，這些都體現(xiàn)了時間結構，而ChatGPT可以捕捉到這些時間差異。

其實，這不是Transformer的能力。語音識別是前端的處理，但它確實依賴于對時間間隔和時間結構的捕捉。

所以，我從未否認時間的重要性。你的問題是，時間對于人工智能是否重要？答案是肯定的，只不過它的實現(xiàn)方式不同。我們可以通過許多策略來處理時間，比如基于帶有延遲的前饋網絡來模擬時間動力學。

回到意識的話題上。對我來說，意識是一個生物過程，其定義取決于它如何隨時間演化。對我來說，意識就像音樂。它只存在于時間的流動或生命本身中。你觀察生命，問一個冰凍的生物是否活著是沒有意義的，因為生命的定義在于變化、新陳代謝、繁殖......

保羅·米德布魯克斯：我同意你的說法。我們唯一知道的是，意識是一個生物過程。至少，我們在生物過程中所知的唯一意識例子是那些隨時間流動的事物。我認為，當意識場試圖探索各種不同的渠道和理論時，從一開始就嘗試將其建立在時間規(guī)則之上是有幫助的。在我看來，IIT不是一個過程，而是一種狀態(tài)。

迪恩·布奧諾馬諾：據(jù)我理解，IIT并不需要時間（改變）的概念。如果一切都是靜態(tài)的，那么IIT仍然是有意識的。但這很難真正理解，因為它的定義并不明確，也沒有相應的度量單位。我推測，對于在標準數(shù)字計算機上實現(xiàn)的人工智能，考慮到這些計算機本身沒有連續(xù)時間，它們的計算是離散的，我因此推測，僅僅是推測，這些計算機不支持意識，因為它們不支持連續(xù)時間。

編譯后記

時間是理解大腦和智能的關鍵。這次訪談，兩位專家深入探討了大腦如何處理時間的問題。時間不僅是外部的一個維度，更是大腦內部計算的核心維度之一。

布奧諾馬諾強調了神經動力學、做預測的機制及其在人工智能中的潛在應用。他也對意識和自由意志等哲學議題做了探討。布奧諾馬諾強調了時間在大腦功能中的核心作用。他區(qū)分了“計時”（timekeeping）和“時間感知”（timing）兩個概念，指出大腦并沒有一個專門的“計時器”，而是通過動態(tài)神經網絡對時間進行編碼。

大腦中的信息處理，可以看作是神經元活動在高維空間中不斷演化的軌跡。這種“時空軌跡”不僅編碼外部信息，也反映了內在的時序結構。大腦不僅在處理當前輸入，還在不斷預測未來。預測性編碼（predictive coding）是他強調的一個關鍵機制，用以解釋感知、記憶和動作的時間協(xié)調。

布奧諾馬諾討論了時間如何嵌入到我們的認知功能中，比如語言、音樂、運動等。語言理解就是一個高度依賴時間結構的過程。他指出當前人工智能系統(tǒng)在處理時間和動態(tài)信息方面仍然較弱，大腦的時間處理機制有助于AI系統(tǒng)的改進。

在哲學層面，他簡要討論了時間與自由意志的關系。他認為要真正理解和模擬人類智能，需要深入探索大腦如何處理時間、因果關系和動態(tài)信息。這對于神經科學研究具有重要意義，也促使人們思考人工智能的底層邏輯。

*為了閱讀體驗，本文對聽稿進行了適當?shù)木庉嫛?/p>

原對話指路：https://www.thetransmitter.org/brain-inspired/dean-buonomano-explores-the-concept-of-time-in-neuroscience-and-physics/

來源 追問nextquestion

轉載 高?？苹?/p>