Science特刊：直擊當下神經學的三個大坑，百年來研究都做錯了？
每年，數以萬計的神經科學家都會齊聚一堂，分享一年來辛勤耕耘的成果。每年，我們也會滿載著靈感回到實驗室，開啟新一年的項目。
然而，在解決神經科學領域的重大難題上，我們依然舉步維艱。沒有人懷疑科學家們的智慧和努力，但越是這樣，我們就越是擔心是否走上了偏路。Alpha Zero剛以無師自通的方式，告訴人類幾千年來的圍棋都「下錯了」。誰又能保證，我們對於神經科學的理解都是對的呢？要知道，許多概念是在50年，甚至是100年前提出的。而至今，我們仍不可避免地需要依賴於這些概念，去解讀最新的科研數據。
就在最近，《科學》（Science）雜誌出版了神經科學的特刊，用5篇翔實的綜述，直擊了當下神經科學研究的一些痛點，以及一些人們所關心的熱門話題。在今天的這篇文章中，我們也將重新審視人類對大腦的了解程度。
動物模型——皇帝的新衣
加州大學伯克利分校的Michael M. Yartsev教授戲稱自己還是一名年輕的科研人員，在挑戰成規上無所畏懼。在一篇綜述的開頭，他將自己比作是《皇帝的新衣》里的小男孩，勇於說出眾人忽視的真相——儘管多種革命性的技術為神經科學帶來了變革，然而，神經科學研究里使用最廣泛的研究對象——模式生物，卻沒有迎來什麼突破[1]。
神經科學裡有那麼多有趣的問題，僅僅放在一隻手都能數得上來的模式生物里，這樣真的好嗎？要回答這個問題，我們得需要了解不同模式生物誕生的背景。Yartsev教授在綜述里為我們整理了5種模式生物誕生的來龍去脈。
烏賊：最初，人們使用烏賊來研究動作電位的產生機制。這是因為烏賊的軸突尺寸巨大，非常適合電壓鉗技術（註：研究神經動作電位的工具）的應用。
青蛙：突觸是神經元與神經元之間的信號傳遞部位。由於青蛙有著尺寸較大、模式簡單的神經突觸，研究人員經常選擇青蛙來研究突觸之間的信號傳導。
鱟：鱟也能被用於神經科學研究？沒錯！它們複眼里的神經細胞較容易獲得，因此被用作視網膜生理學的研究。
海兔：這種動物能進行簡單的學習，而且科學家可以很容易地鑒定出海兔身體中與學習相關的神經元。因此我們用海兔來研究大腦的學習和記憶。
大鼠：大鼠能自由探索環境，它們的神經活動也容易探測，因此被廣泛用於和空間相關的神經組件研究。
由此可見，我們對這些模式動物的選擇，本質上是因為用它們做研究最方便，而不是用它們做研究最合適。為此，作者指出我們應該重新思考並選擇最適合自己所關心科學問題的模式生物，而非一廂情願地相信皇帝的新衣，人云則雲地選擇所謂「標準模式生物」。
也許，是時候給皇帝添置一些新衣服了。
感知時間——大腦的騙局
有段子曾另類解讀過相對論：當你刷美劇打遊戲，時間總過得特別快，一轉眼幾個小時就過去了；當你開始認真學習，感到頭昏腦漲，隨即合上書本時，發現才過去了短短10分鐘。我們的大腦，如何感知時間？
紐約大學的兩名科學家在一篇綜述里為我們帶來了詳盡的案例，探討人類大腦對時空的感知[2]。一個經典實驗揭示了人腦的欺騙性——研究人員要求受試者盯著屏幕打字。當我們按下鍵盤，字母在屏幕上呈現時，我們下意識地將這兩者聯繫到一起，認為自己是動作的主體。當研究人員逐步增加按鍵與字母顯現之間的「延遲」，大腦依舊能做出很好的適應。然而，當研究人員突然把延遲降低，人們的預期和現實就有了差距。一個不可能發生的現象就出現了——我們的大腦告訴我們，在敲擊鍵盤前，字母就已經躍於屏上。
在科學家們的眼裡，這並不讓人意外。按照他們的觀點，我們的大腦沒有感知時間的能力。我們之所以感到時間的流逝，是因為周圍的環境正在發生變化。氣溫逐漸升高，又逐漸降低；陽光由弱變強，又變得黯淡。我們知道，時間從早晨走向了傍晚。隨後，大腦將這些概念拼裝起來，造成了我們感知到時間流逝的假想。
或許，比起尋找日常生活中先入為主的觀念（比如時間流逝）在大腦中的神經學表現，更需要進一步研究的，是大腦推斷和解釋時間的機制。
人工智慧——機器會思考嗎？想像一下這樣一個場景：當你在駕駛汽車，油箱里的油即將見底，於是，儀錶盤上提示加油的燈突然亮起。一支跨國科研團隊隨即提出了一個問題：是什麼讓你意識到警告信號的出現，又是什麼讓汽車對警告無動於衷？
作者們筆鋒一轉，聊到了近期火熱的人工智慧。誠然，計算機硬體的進步，以及演算法開發的發展，讓神經網路能夠完成一些像機器翻譯那樣極為複雜的工作——這在幾十年前還被視為人類的特權——然而，在作者們的眼裡，機器離產生自我意識還差很遠[3]。
他們指出，人類的意識形式比較高級，至少有兩個層級。第一層（C1）是指瞬時的意識，能將認知系統與具體的物體聯繫起來。舉例來說，我們對於油箱警告信號的感知，就屬於這一層級。此時，生物體感知到的信息能傳遞到全身，讓我們做出撤銷警告、停車加油、或是當作談資的行為。
第二層級（C2）的意識則是認知系統對自我運作產生意識。比如說，人類能對自己的狀況有很好的認識。一個人能感知到自己高興、沮喪的情緒，也能把這種感知內化為自己的知識與能力。
相比之下，目前火熱的人工智慧，還處於更為低級的第0層級（C0）。在這個層級，它們只會無意識地進行信息處理。
研究人員們相信，我們的意識是多種不同類型的信息處理方式相結合的產物，由我們的大腦硬體所決定。人類數據表明，這兩者缺一不可。例如，視覺皮層出現損傷的患者中，視野的某一塊會受到影響。而這些患者能感受到「盲區」的視覺刺激，只是無法進行彙報（C1層級）；此外，他們也無法準確評估他們視覺的準確性（C2層級）。在這個例子里，C1與C2的完美結合，才帶來了視覺的主觀體驗。如果我們能徹底弄清C1與C2這兩個意識層級的生物學機制，或許就能帶來人工智慧上的突破。
結語
除了以上這三篇綜述外，另兩篇綜述也值得一讀。其中一篇介紹了大數據在神經科學中的應用，並認為這有望讓我們了解大腦的全景[4]；另一篇則討論了前額葉的組成，涉及到腦區的具體定義[5]。這些都是今天的神經科學科學面臨的有趣問題。當下正是一個神經科學高速發展的時代，我們期待這些問題早日得到解決！（編輯：明天）
參考文獻：- Anderson HC. The emperor 』 s new wardrobe: Rebalancing diversity of animal models in neuroscience research. 2017;358(6362):466-469.
- Woolsey CN, Hodos W, Pritzel M, et al. Space and time in the brain. 2017;358(6362):482-485.
- Dehaene S, Lau H, Kouider S. What is consciousness, and could machines have it?
- Mind T. Big data and the industrialization of neuroscience: A safe roadmap for understanding the brain? 2017;358(6362).
- En CI, Carl M, Note C, et al. Surprisingly, the current definition (insofar as there is one) of the prefrontal cortex is not common. 2017;358(6362):478-482.
推薦閱讀：