然而四年前，他的家庭又遭受了一重悲剧。当时，凯斯勒（Kessler）完全被击垮了。他发现，了解悲伤是一回事，经历悲伤又是另一回事。尽管他的人生旅程艰苦而漫长，他却有了一个重要的新发现：他意识到，库伯勒-罗斯的开创性体系还不够完善。在库伯勒-罗斯家人的允许下，他在她的五个悲伤阶段后，新增了第六个阶段。他认为，第六阶段对于疫情中我们共有的悲伤经历而言十分重要，对于每一个失去亲人的个体也十分重要。

凯斯勒人生中悲剧的出现，和大多数悲剧一样，毫无预兆。当他的儿子理查德（他于2000年收养的两个男孩中年纪较长的一个）打电话告诉他，21岁的弟弟大卫已死亡时，凯斯勒还在巡回演讲之中。这两个孩子的童年悲惨而痛苦。凯斯勒说，童年的经历一直困扰着大卫，以至于他去世时还在服药。凯斯勒在书中描述了他听到儿子去世后的感受——就像沉到了海洋的最深处。并且，他知道他会在深渊里呆上一段时间。他知道他会经历库伯勒-罗斯所描述的各个阶段——否认、愤怒、讨价还价、沮丧和接受。他知道这几个阶段的发展不一定是线性发展。他无法预测恢复需要多久，但他还知道，他会在不同阶段之间来回反复。

他没有预想到的是，直到他自己亲身经历后，他才意识到悲伤还存在着第六阶段。“我发现还有一些东西，超越接受阶段之外的东西”，他从洛杉矶的家中打电话告诉我，“那就是寻找意义：也许可以从我的悲伤中发现一些有意义的事情。”

他强调，他并不是说要在大卫的死亡中找到任何有意义的东西。“我们不是要在死亡中寻找意义——那里没有意义。我们要从死者的人生中寻找意义，去了解他们如何塑造了我们，或者通过研究他们的死亡来让他人拥有更安全的世界。”换句话说，寻找意义是一件人们失去至亲至爱的人后可以做的事情。这就是那些留下来的人们，将离去的个体存在融入到他们生活中的方式，也是用那些失去来改变他们的方式，更是让他们更好地应对失去的方式。

凯斯勒认为，许多个人层面的悲伤体验，和我们因新冠疫情而产生的共同体验是相似的。“许多人说他们心情沉重，非常难过，他们所描述的其实就是悲伤（grief）。”他说，“我们正在为失去的世界感到悲伤：我们的生活、我们的日常、我们的交往、我们的工作，一切都变了。变化实际上就是一种悲伤——悲伤是我们不想要的变化。”

就像每个人经历的失去一样，现在全世界都处于库伯勒-罗斯所描述的悲伤阶段。有些人在否认正在发生的事；有些人对此感到愤怒；有些人试图讨价还价；还有许多人感到沮丧和忧郁；而最终，我们必须接受我们永远无法回到过去的这一事实。而且，之后还会出现第六个阶段：寻找意义。的确，悲伤的阶段不是按时间顺序排列或以线性关系递进的，从悲伤的一开始我们就能看到这种意义追寻的迹象。凯斯勒说，当悲伤行将结束时，我们便需要从中寻找意义。“我们会问，这段经历意味着什么，我们能从中得到哪些创伤后的成长?”重要的是，寻找意义“通常也是抚平内心伤痛的方式”。

凯斯勒认为，库伯勒-罗斯（于2004年去世）也一定会认同他的观点。他们两人曾在1995年会面，并合作编写了一本名为《当绿叶缓缓落下》（On Grief and Grieving）的书。在书中，他们谈到了悲伤五阶段是如何被大众曲解的。但是，正如凯斯勒现在所体会的那样，直到他经历了丧子之痛后，他才终于找到问题的根源。

这一切之所以很重要，是因为北半球的人并不了解悲伤为何物。“我正在传授的，是当代人们的曾祖父母非常了解的东西，”他说，“现在有些人认为经历悲伤的整个过程只要花三个月的时间，甚至三个星期。”他说，在过去，无论你需要多长的时间进行哀悼，都是被社会允许的——事实上，悲伤的余波永远不会停息，只会改变。“但是我们生活在这样一个时代——我们被叮嘱你需要用这些时间来怀有这种感受，之后你就会没事了。”

在这个反悲伤（grief-adverse）的社会中，我们可能会失去的是悲伤所带来的个人成长。“我们都在谈论创伤后的压力（post-traumatic stress），但我想说，创伤后的成长才是更常见的东西。”他认为，我们要认识到伴随失去的成长的存在，也要去了解这种成长可以为我们做些什么。

在我看来，他的观点非常有道理。当我采访那些经历过丧亲之痛的人们时，我经常注意到，他们若是寻找到了凯斯勒所说的意义，或者能直面丧亲带来的痛苦与改变，他们会拥有更好的心理状态。当我和我的姐姐都还是孩子的时候，她就离我而去了。我知道，从那以后，我的生活就被彻底改变，并且被赋予了新的意义——我简直无法想象，如果没有那段经历，我会变成怎样的人。

这又将我们引向下一个问题：愧疚感（guilt）。如果我们作为丧亲之人，从这种失去中获益，我们一定会对此感到内疚。但我们不应该这么想，凯斯勒说，我们并非主动选择失去我们所珍惜的人。他们的死亡是我们无法改变的。我们可以改变的是，失去了他们之后，我们的生活方式。如果放弃我们获得的成长可以让他们起死回生的话，我们会毫不犹豫地放弃；但重点是，这是我们绝对做不到的一件事。而且，我们必须记住，离去的人会希望我们因为他们而在生活中找到意义。“以前，我儿子为我所做的事感到骄傲。他一定也会为我的研究因为他而找到了一个新的维度感到高兴。”凯斯勒说道。

凯斯勒说，悲伤的底线是：不管你如何悲伤，多么悲伤，都没有错。正如我们每个人都不一样，每个人的悲伤也是不一样的；对于不同悲伤，我们的需求是不同的——我们在应对疫情带来的悲伤时，似乎也是这样。经历悲伤的过程也是极度孤独的：以前从未经历过悲伤的人们会希望其他家人能在此时提供帮助。但实际上，当每个人都在经历悲伤时，往往无法互相安慰。作为一个悲伤的人，有时你能做到的，就是活下来。

这又将我们引向下一个问题：愧疚感（guilt）。如果我们作为丧亲之人，从这种失去中获益，我们一定会对此感到内疚。但我们不应该这么想，凯斯勒说，我们并非主动选择失去我们所珍惜的人。他们的死亡是我们无法改变的。我们可以改变的是，失去了他们之后，我们的生活方式。如果放弃我们获得的成长可以让他们起死回生的话，我们会毫不犹豫地放弃；但重点是，这是我们绝对做不到的一件事。而且，我们必须记住，离去的人会希望我们因为他们而在生活中找到意义。“以前，我儿子为我所做的事感到骄傲。他一定也会为我的研究因为他而找到了一个新的维度感到高兴。”凯斯勒说道。

凯斯勒说，悲伤的底线是：不管你如何悲伤，多么悲伤，都没有错。正如我们每个人都不一样，每个人的悲伤也是不一样的；对于不同悲伤，我们的需求是不同的——我们在应对疫情带来的悲伤时，似乎也是这样。经历悲伤的过程也是极度孤独的：以前从未经历过悲伤的人们会希望其他家人能在此时提供帮助。但实际上，当每个人都在经历悲伤时，往往无法互相安慰。作为一个悲伤的人，有时你能做到的，就是活下来。

凯斯勒说，他经常被问到的一个问题是：哪种失去最糟糕？“人们会问，是失去孩子，还是失去伴侣？我总是会说：自己经历的总是最糟糕的。”

但若是这样的话，凯斯勒的书所传达的积极信息就是，受到最大的收获也可以是你自己。他和我讲过一个故事：有一次他在一家大酒店的会议上讲话，周围的房间里也在举行其他会议。“会议结束后，酒店的一位保洁员走过来问我：‘您的团队在做什么呢？刚才您的会议室里传出了很多笑声。’”凯斯勒说，曾经坠入过绝望深渊的人，会在享受生活时拥有最多的选择。“当你穿过了最深的山谷，你一定会懂得欣赏这最高的山峰带给你的美景。”而现在，我们就在一起穿越最深的山谷，这对我们来说无疑是一个很好的消息。

*编者注：大卫·凯斯勒的网站是grief.com，他的书《寻找意义：悲伤的第六阶段》（Finding Meaning: The Sixth Stage of Grief）由企鹅兰登（Penguin Random House）发行。

作者：Joanna Moorhead | 封面：Abigail Goh

译者：大智智智智 | 校对：eggriel

编辑：山鸡

原文：https://www.theguardian.com/lifeandstyle/2021/jan/17/finding-meaning-in-the-life-of-a-loved-one-who-dies-is-part-of-grief

在概率推理时，讲故事的倾向尤为容易产生误导。不过，科学家们也会讲“故事”，如果我们能够发现自己讲故事的倾向，并且尝试像科学家那样讲“故事”，那么，我们可能会让概率推理变得相对轻松一些。一些讲故事的倾向会误导人，但如果用假设思维来解读命题，考虑事件内在的可能性及其意义，可能有助于我们克服这些倾向。

理解我们的假设：合取谬误

假设思维的第一步是提出包含事件及其可能性的假设，并以此作为命题，而不是将命题视为故事。这能帮助我们不再犯合取谬误。合取谬误指认为两则事件同时发生比至少一则事件发生更可信、更有可能。一项著名研究发现了合取谬误，参与者们需要回答的问题如下：

琳达（Linda）31岁，单身，为人坦率，非常聪明。她主修哲学。作为一名学生，她非常关注与歧视、社会公正有关的话题，也参与过反核游行。

下列哪句话更有可能成立？

1.琳达是一名银行职员。

2.琳达是一名银行职员，积极参与女权运动。

相较于选项1，选项2多了一项额外事件（积极参与女权运动）。也就是说，它成立的可能性不会高于选项1。然而，大多数参与者还是选择了选项2。选项2更符合人物介绍，因此对很多人来说会更加可信。参与者似乎将“琳达是一名银行职员”视为了已知条件，然后再推测琳达更有可能是一名积极的女权主义者。明确地将两个选项定义为假设能让人们清楚地知道，“琳达是一名银行职员”也是假设的一部分，而非已知的一部分；她积极参与女权运动是其中一项假设的补充，不与另一假设互斥。如果按照假设来做判断，我们应该很容易注意到，即使一个额外的细节让整个故事听起来更可信了，但第二则假设成立的可能性也不会因此增加。

当一项古怪的言论增加了一些不那么古怪的部分，创造了一个更棒但也更不可能真实的故事时，合取谬误可能会更加鲜活地展现在我们面前。约瑟夫·史密斯（Joseph Smith），摩门教的创立者，宣称在纽约曼彻斯特的一座山里发现了刻有古埃及铭文的金盘，他精心描述了这次经历，说有一位天使出现在他身边，引导他找到了金盘。在19世纪20年代的纽约，当时正在经历第二次大觉醒（the Second Great Awakening）的宗教狂热，宣称有超自然现象并不稀奇，所以，加上天使的引导可能让史密斯的故事更加可信了。尤其是对于没那么古怪的言论，尽管缺少独立的证明，但因为我们往往用真实或虚假来记忆信息，而不会把信息记忆为不确定的，这意味着没那么古怪的言论可能会被视为理所当然。然而，如果我们把史密斯的故事看作一项假设，我们应该很容易发现，和只是发现了金盘相比，收到了天使的引领并发现了金盘是更不可能的事情。如果史密斯的话语都不足以让我们相信他发现了金盘，那么，他被天使引领并发现金盘就更不足以让人信服了。

考虑证据的特性：乌鸦悖论

在清楚定义了假设后，我们需要考虑假设的含义。也就是说，假设给出了怎样的预测。如果仔细考虑，这个过程的结果可能会与我们对证据的错误直觉相悖。以乌鸦悖论为例。这个悖论始于这样一个命题：所有乌鸦都是黑的。它说明，如果我们看到一只乌鸦，那么它应该是黑色的。因此，如果我们看到一只黑乌鸦，那么，乌鸦的黑色特征就为命题提供了支持证据。不仅如此，如果所有乌鸦是黑色的，那么，我们遇到的任何非黑色物体都不应该是乌鸦。这就引发了一个看似矛盾的结论：你周围每一个非黑色、非乌鸦的事物都为所有乌鸦都是黑的提供了证据。如果你的沙发不是黑色，那也为所有乌鸦都是黑色提供了证据。你能感受到讲故事的倾向了吗？*

*译者注：理解乌鸦悖论需要用到简单的逻辑学。原命题是：所有乌鸦都是黑的，即若为乌鸦则为黑色。原命题与逆否命题等价，即原命题成立则逆否命题也成立。逆否命题是：若为非黑色则为非乌鸦。看到黑乌鸦能支持原命题，看到非黑非乌鸦能支持逆否命题，而逆否命题和原命题等价，所以看到非黑非乌鸦也支持原命题。（乌鸦悖论的研究有很多，本文给的参考文献是一本书的一个章节[Fitelson, Branden, and James Hawthorne. “How Bayesian confirmation theory handles the paradox of the ravens.” The place of probability in science. Springer, Dordrecht, 2010. 247-275.]，上述只能说是对悖论原始形式的理解了。）

非黑色的沙发支持命题“所有乌鸦都是黑的”，虽然这个想法非常反直觉，用假设思维思考这个问题能帮助我们解决乌鸦悖论。首先，让我们把“所有乌鸦都是黑的”和它的否定式看作两个相互对抗的假设：H₁，所有乌鸦都是黑的；H₂，并非所有乌鸦都是黑的。接下来，我们比较一下基于各假设给出的预测：（1）相较于H₂，在H₁成立时一只乌鸦更有可能是黑色的；（2）相较于H₂，在H₁成立时一个非黑色物体更有可能不是乌鸦。同样，黑乌鸦和非黑非乌鸦的物体能都支持“所有乌鸦都是黑的”这一命题，因为相较于否定式，该命题能更好地预测上述两种情况。

我怀疑，乌鸦悖论看似自相矛盾，是因为在判断命题时，我们常常以“命题能否作为一则好的故事来描述观察所得”作为判断标准，而没有把命题视为假设，并根据假设的预测力来做判断。这一点从我们偏好不可证伪的解释上可见一斑。卡尔·波普尔（Karl Popper）关于不可证伪的解释的一个主要例子是阿尔弗雷德·阿德勒（Alfred Adler）*的自卑感概念，阿德勒可以用自卑感对几乎任何行为给出令人信服的解释。例如，如果一名男子不顾生命危险去救一个溺水儿童，阿德勒可以解释为，男子的自卑感让他需要通过英勇行为展示优越感，因而会奋不顾身救人。自卑感的概念可以在事后被用来构建一些非常有说服力的解释，但它毫无预测力。自卑感和承认我们对男子的忧虑一无所知是等价的。这意味着，男子的行为和是否存在自卑感毫无关联，因此，他的行为无法支持自卑感的概念，自卑感也无法解释他的行为。

*译者注：阿尔弗雷德·阿德勒，奥地利精神病学家，“个体心理学”创始人，人本主义心理学先驱，《自卑与超越》是其代表作。“自卑感”起因于一个人感觉生活中任何方面都不完善、有缺陷。自卑感使人努力克服缺陷。阿德勒把这种努力叫做补偿。

学会使用证据吧：蒙提霍尔问题

没有哪一个统计谜题能像蒙提霍尔问题一样愚弄几乎所有人……甚至诺贝尔物理学奖得主也会系统性地回答错误，并且……他们很坚持自己的答案，还时刻准备着斥责提出正确答案的人。

——Massimo Piattelli-Palmarini, The Power of Logical Thinking

现在，我们已经见识了如何制定假设并从中得出预测，那么，让我们来考虑如何使用证据检验蒙提霍尔问题。该问题最早是由玛丽莲·沃斯·莎凡特（Marilyn vos Savant）1990年在她的旅游专栏中提出的。她收到了数以千计的来信，其中许多写信人都是博士，强烈反对沃斯·莎凡特的正确解答。后来，研究者对蒙提霍尔问题进行了探究，几乎绝大多数的参与者都正确回答了问题。在2010年的一项研究中，实验者重复模拟该问题，发现鸽子比本科生更快地学会了正确解答。蒙提霍尔问题的描述如下：

假设你正在参与一个游戏节目，你需要在三扇门中进行选择：其中一扇门后是一辆车，其他两扇门后都是山羊。你选择了一扇门，比如1号门，主持人知道门背后都是什么，他打开了另一扇门，比如3号门，结果是一只山羊。然后，他对你说：“你想选择2号门吗？”改变选择对你来说有好处吗？

如果你在考虑答案时依赖于主持人对于门后情况的了解，那么这个问题就变成了悖论。尽管蒙提霍尔问题欺骗了非常多的人，但如果根据假设、预测以及相应证据来思考，我们没有任何理由被骗。让我们从标准版本开始，你选择了1号门，主持人知道哪扇门后藏着车，打开了3号门。假设你选择了正确的门（1号门），基于这一假设，你预测主持人会打开哪扇门呢？要么是2号门，要么是3号门，概率是50:50。

然而，假设你选择了错误的门，车藏在2号门后，此时，你百分百会预测主持人打开3号门，因为他不能提前暴露了车。主持人打开了3号门，结果是山羊，该证据支持了车在2号门后的假设，2号门后的确也更有可能藏着车。然而，如果主持人不知道车藏在哪，那么，上述任何一则假设都不具有预测力，因为主持人总是随机打开了2扇门中的一扇。所以，证据不会更支持任何一项假设。的确，如果主持人不知道车在哪，那么2号门和3号门藏有车的可能性是相同的。通过将2个选项视为假设，并根据预测力来考虑证据，我们能够轻松解决蒙提霍尔问题。

不寻常的理论需要不寻常的证据

了解了假设思维的重要性之后，现在我们能用它来解释卡尔·萨根（Carl Sagan）常被人误解的格言：“不寻常的理论需要不寻常的证据”。虽然这句话包含了真理的一个重要内核，但我怀疑很多人解释不清什么让一个理论不寻常，也说不清什么让证据不寻常。不过，使用假设思维理解这两点非常容易。

从假设思维的角度，不寻常意味着基于已有知识某假设非常不可能成立，而对于不寻常的证据，（1）如果不寻常的假设不成立，那么该证据也不可能出现；（2）相较于不寻常假设的否定，假设本身能更好地预测证据。举个例子，声称“我是世界上最富有的人”显然极不可能为真，因为近80亿人中只有1个人是最富有的。为了支持我的说法，我可以掷20次骰子，指出其中极不可能出现的序列作为证据支持。然而，尽管我们承认，即使我的说法是假的（假设被否定），该证据（骰子的序列）极不可能出现，但即使我的说法是真的，也没法对骰子的序列给出更好的预测，因此，骰子对我的说法提供不了任何证据。

接下来，我可以从钱包里掏出一张100美元，以此作为我很有钱的证据。现在我们有切实的证据了，因为，相较于否定，“我是世界上最富有的人”的假设能更好地预测我轻而易举掏出100美元的举动。不过，如果我不是世界上最富有的人，这个证据也有一定可能性发生，因此也不足以支持我是世界上最富有的人。我们还可以查看福布斯亿万富翁年度排行榜，看看我的排名。如果我是世界上最富有的人，榜单应该能说明这一点。如果我不是世界上最富有的人，这个榜单就更不可能支持我的假设了。所以，福布斯榜单上我的表现可以作为不寻常的证据，如果我的主张为真，那该证据很有可能发生，相反的，如果我的主张为假，那该证据极不可能发生。

假设思维是理性的开始，也可能成为终结

作为爱讲故事的物种，虽然假设思维能帮助我们避免很多陷阱，但还有一些重要因素不利于我们的推理能力，只靠假设思维没法解决。例如，我们倾向于贬低自己不赞成的假设，被贬低的版本很容易被否定。我们对各种可能假设设置了毫无根据的限制，这常常导致错误的二分假设*。我们使用相同的证据调整和证明自己的假设，这使得证据变得自说自话，变为我们更偏爱的假设的表面装饰。我们还倾向于寻找、高估能支持自己更偏爱的假设的证据，却忽视、低估反对证据。使用假设思维能改善我们的推理，但我们仍然需要诚实地对待相互竞争的假设。假设思维不能消除这一需要，也不能改变证据范围本身的宽度。这些技能可能我们永远没法完全掌握。但，如果我们希望生活在一个更理性的世界，我们就要尽自己最大努力去理性思考，并鼓励其他人也这么做。

*译者注：我们一般看到的假设总被描述为H₀和H₁，即零假设（null hypothesis）和备择假设（alternative hypothesis），是对全集的一种二分。但二分的规则并非总是很有说服力。

作者：Benny Markovitch | 译者：Xhaiden

封面：Sudheesh Chandran | 校对：曹安洁

编辑：山鸡

原文：https://areomagazine.com/2020/08/21/thinking-with-hypotheses-better-reasoning-for-a-storytelling-species/

这正是塔迪·奎林恩（Tadeg Quillien）最近发表的一篇论文的主题。他是加州大学圣芭芭拉分校心理与脑科学系的一名博士生。这项研究发表在《认知》（Cognition）期刊上，概述了在事件中起作用的某一因素，是如何影响我们是否将其视为事件的原因的。

在他的论文里，奎林恩建立了一个因果判断的数学模型，这一模型比以往任何模型都更好地再现了人类直觉。除了提供理论角度的见解，理解如何推理因果关系也对我们解决诸多问题有极为重大的意义。

模型的推导过程

从直觉角度而言，对结果起最重要作用的事件，通常会被视作原因。而事实上，哲学家和心理学家们已在各项研究中观察到，人们会对某一事件的诸多原因进行排序。比方说，如果森林火灾现场发现了一根火柴，人们往往会说“是火柴引发了火灾”，尽管空气中的氧气同样是火灾发生的必要因素。

“但我们所说的‘最重要的作用’是什么意思？”奎林恩发出了这一疑问，“这依然是个非常模糊的说法。几十年来，如何明确这一概念一直让试图理解因果判断的哲学家和心理学家们十分头疼。”

奎林恩解决这一疑问的方法便是考虑人类因果推理的演化目标。“突出那些最有助于预测结果的因素是因果判断的其中一个功能。”奎林恩提出，“此外还有那些可以人为操纵影响结果的因素。”

思考这一疑问的过程，让奎林恩不禁想到了试图理解不同现象是如何关联的科学家。科学家可以利用许多案例来进行对照实验，从而确定相关系数和效应量——也就是两个变量之间的关联程度。

但是，一旦我们认同这就是大脑进行因果判断的方式，问题也随之而来。科学家们必须借助多个观察结果才能做出判断，而无法从单一事件中计算出效应量。然而，人们在面对单个事件时，通常也可以毫无困难地进行因果判断。

奎林恩认为这一悖论可以用下列假设来解决。当人们进行因果判断时，也在无意识地想象事件发生的各种可能的方式。奎林恩解释说：“这些虚拟情境提供了你所需要的数据，以便你计算‘效应量’。”

受到这些观点的启发，奎林恩设计了一个简单的数学模型，来解释人们是如何做出因果判断的。为了验证他的模型，奎林恩分析了来自哈佛大学心理学家亚当·莫里斯（Adam Morris）及其同事的一项实验数据。他们的实验借助彩票游戏来探究概率和逻辑结构对人们因果直觉的影响。

*译者注：逻辑结构，计算机科学领域的名词之一，指数据与数据之间的关联关系，包括集合结构、线性结构、树状结构和网络结构四种主要类型。

奎林恩解释道：“事件的发生概率会以一种吊诡的方式影响我们对因果的感知。”我们不妨假设，有位名叫卡尔的教授想为某个项目申请经费。他的申请由系主任爱丽丝和比尔负责审核，只有两人都批准申请，卡尔才能获得经费。爱丽丝通常会批准所有申请，但比尔却因拒绝大多数申请而臭名昭著。现在的问题是，如果卡尔获得了项目经费，谁才是他拿到这笔经费的头号功臣？

大多数人会说，是比尔决定了卡尔的申请得到批准。因为一般来说，得到比尔的支持对获得经费的影响更大。

然而，只要我们改动其中一个细节，人们的直觉判断就会完全翻转。如果卡尔只需要得到其中一位系主任的批准就能获得经费，而实际上他两份批准都得到了，那么人们会将卡尔拿到经费归功于爱丽丝。在这种情况下，来自爱丽丝更为可靠的支持是卡尔能否获得经费的最重要因素。

在莫里斯和他的同事们的实验中，他们精确地量化了事件发生概率对人们因果判断的影响。他们的结论十分出人意料，奎林恩称，当时没有任何心理学理论能解释他们的实验结果。

因果推理模型的解释

当重新分析莫里斯及其同事的数据之后，奎林恩发现，自己的数学模型与实验被试判断不同事件中因果关系的方式高度吻合。事实上，奎林恩的模型对数据的拟合程度要优于当时的其他所有模型。

研究结论强调了概率和逻辑结构是如何共同影响我们的因果直觉的。在卡尔必须拿到系主任的两票的情况下，只有最严格的审核者批准了，他才能获得经费。因此，人们会将好结果归功于投票可能性小的一方。相反，在一票支持就足够的情况下，来自更宽容一方的批准往往是决定结果的关键因素。“我们习惯将与结果同时出现的因素视为原因。”奎林恩说。

我们推理因果关系的方式，具有其实际意义。让我们回到森林火灾的例子上来。火需要三种东西才能燃烧：氧气、燃料和火源。但我们的大脑并没有给这些因素赋予相等的权重。

“虽然可能没有一个精确的模型来描述森林火灾如何发生，但我们依然有一种感觉，觉得空气中时时刻刻充斥着氧气，而森林又不是每时每刻都会起火。”奎林恩说道，“因此氧气与森林火灾之间的相关性相对较低。”同样的道理也适用于燃料，也就是森林中的树木。但如果在等式中引入一根火柴，森林就非常可能燃起熊熊大火。

奎林恩在自己的研究中概述的因果判断方法，引导了我们走向那根引燃森林的火柴：一个预测力强且能受我们控制的因素。然而，当我们尝试更全面地理解这个世界时，直觉有时会将我们引入歧途。

“如果你想更深入地理解火焰的燃烧机制，就得把氧气的作用也考虑进去。”奎林恩说，“可是，如果关于因果的直觉冲你大喊，说氧气并不重要，那么这可能会导致你忽视世界上的一些其他重要因素。”

因果推理是认知过程中普遍存在的一大特征，奎林恩计划进一步探究因果感觉如何影响我们的心理和世界观的其他方面。“我们几乎用因与果来解释一切事物，”他说道，“所以，因果关系就像一块积木，搭建起了我们用以理解这个世界的许多概念。”

“理解了因果关系，我们或许就能理解其他众多概念的运作方式。”

作者：Harrison Tasoff  | 封面：Nick Matej

译者：兜虫 | 审校：Orange Soda

编辑：Orange Soda

原文：https://neurosciencenews.com/causality-model-17406/

大自然的生态系统为我们了解复杂适应系统（ complex adaptive system）提供了完美案例。这个系统中恒河沙数的“货币”交互作用，并对反馈系统［在这样的反馈系统中，繁盛 （flourishing）和调控成为可能］作出响应。复杂适应性系统不像我们目前的经济系统那样指数式地增长，也不符合“技术奇点”（the Singularity）理论的应许— — 技术进步可以解决目前人类社会的所有问题。我们应当让这样的合作模型，而非指数式增长模型，为我们发展人工智能提供范式。六十多年以前，麻省理工学院的数学家、哲学家诺伯特·维纳（Norbert Wiener）警告我们：“如果我们像使用齿轮、杠杆和承轴那样，将人类死板地安排进那些使用他们的机构里，如果我们不把他们当成有负有责任的人类并尊重他们的权利，我们很容易就会忽略他们是有血有肉的人的事实。” 我们应该听从维纳的警告。

“货币”导致的癌症

太阳照射在地球上的时候，光合作用会将水、二氧化碳和太阳能转化成为氧气和葡萄糖。在许多将物质和能量由一种形式转化到另一种形式的生物、化学过程中，光合作用是其中之一。光合作用之后，这些分子会参与别的新陈代谢的生物化学过程，变成其他分子。科学家们时常称这样的分子为“货币”，因为这样的“货币”使细胞间或多种生化过程间的互利“交易”得以实现。这类自然“货币”与金融意义上的货币之间的最大区别在于，对前者而言不存在“主货币”（master currency）或是“货币兑换”。与金融货币相对，每一种自然“货币”只能由特定的过程使用，这类货币通行的“市场”驱动着名为“生命”的动态。

当某些生物或生化过程产出的自然“货币”过于充裕时，其他的有机体便会演化出一种独特的机制，将这一“货币”转化为另一种“货币”。在数十亿年间，地球的生态系统以这样的方式演化，衍生出条条代谢通路错综交织的庞大系统，并形成了复杂的自调控系统（比如稳定我们身体系统抑或地球系统的温度）。尽管从微观到宏观的个体元素一直在波动和变化，系统本身却能保持相对稳定。一个过程的输出变成了另一个过程的输入。最终，万事万物都相互关联，相互依存。

在我们的文明里，主要的“货币”是金钱和权力。在绝大多数情况下，我们的目标是同时积累这两种“货币”，不惜以牺牲社会整体利益为代价。和地球的生态系统比起来，我们的系统过分简单和脆弱。地球的生态系统有无数的“货币”，在不同的过程之间相互转换，从而构建出种种极为复杂的系统：其输入与输出经一系列反馈系统适应并调控着系统内的存量（stocks）、流量（flows）和关联（connections）。

不幸的是，我们现有的人类社会并不具有我们所处生态环境那样的韧性。我们现有的范式给我们设定了目标并推动着社会的演变，然而它正将我们引向一个危险的方向——一个数学家诺伯特·维纳早在几十年前就警告过我们的方向。由于许多公司和机构只重视一种“核心货币”（金钱），它们失去了原初的目标和价值。营利性公司获得了自主性、正当性、权力和几乎不受控制的社会影响力，而我们的价值观和对复杂性的解读愈加集中在创造爆炸式的经济效益增长上。这些公司增长的方式如同癌症：健康的细胞会调节其生长并响应周遭环境，而当它们误入自己所不属于的器官，它们甚至会自我清除。癌细胞则反其道而行，它们将无限制的生长和扩散置于首位，丝毫不顾自身的功能和所处环境。

驱策我们的皮鞭

这一想法像皮鞭般驱策着我们：我们存在的目的是进步，而进步需要不受控制的指数增长。在这样的思考范式下，现代公司在自由市场的资本主义体系中自然地产生了。诺伯特·维纳将这样的公司称为“血肉机器”，并将机械自动化称为“金属机器”。近来硅谷建立了并运营着新一类超级公司（mega companies）：比特机器（machines of bits），其背后站着一群笃信“科技奇点”教的人。这一新兴宗教的产生并不意味着我们的范式发生了根本变革，恰恰相反，这不过是指数增长崇拜与现代计算和科学结合后的自然演进。计算力指数式增长最终收敛于人工智能。

提出“奇点”思维的是这样一群研究者：他们成功通过计算解决了那些一度被认为过于复杂而无法用机器解决的问题。于是他们坚信指数式增长的人工智能迟早会超越人类智力；人类一切既往的成就和目前的努力，与这样的智力相比都微不足道。他们找到了帮助人类进行数字计算的完美拍档：一个看似可知、可控的思考与创造系统，它控制与处理复杂性的能力快速增长，给那些掌控它的人带来大量的财富和权力。在硅谷，这一技术狂热团体的从众思维（groupthink）及金融成功缔造了一个极端的正反馈系统，几乎不给负反馈调节留有余地（越是相信这样的奇点思维，越能积累物质财富并且创造出这样的文化氛围）。这些人矢口否认他们对奇点思维的狂热信仰近乎宗教，并辩称他们的想法其实基于科学和证据。然而这些相信科技奇点的人其实空口无凭，他们在缺乏坚实证据情况下盲目推测事物的发展轨迹，臆想出了一幅未来图景。

奇点主义者相信世界是“可知的”，是可以通过计算模拟的，而且计算机有朝一日会有能力处理现实世界的杂乱无章——毕竟有那么多过去人们公认计算机无能为力的问题，最终都被解决了。他们相信，因为计算机在过去所向披靡，所以这个奇妙的工具必然在未来继续不负期望，直到我们超越已知的界限，甚至最终加速到冲破现实的“逃逸速度”。人工智能正逐渐在驾驶汽车、诊断癌症、研究法庭文件等方面取代人类。于是他们相信人工智能会继续进步，最终和人脑结合成为一种全知全能的超级智能。对于那些虔诚的信徒来说，计算机可以增强人类的思维并将它延展到一种“超限生命”（amortality）的状态。（奇点理论的一部分是为“超限生命”斗争：虽然将来我们还是会死亡，还是无法永生，但我们不会再死于无情的衰老。）

但是，如果超级公司的出现是我们超限的先驱，那么只有无可救药的傻瓜才会相信，更多的计算和生物黑客可以帮助我们解决世界上的所有问题，或者相信奇点最终可以破解人类。我们正梦想着有一天可以提升大脑性能，超越死亡，看得更高更远，但我们现在需要明白的是，巨型公司已经拥有了某种“超限生命”：只要收支平衡，它们就可以持续存在；并且它们作为整体远远超过了其部分之和——它们甚至可以被称为拥有超限生命的超级智能。

倘若真的寄希望于奇点带来美好结果，必须要存有这样的信念：系统在力量足够的情况下总能以某种方式掌握如何自我调控。即使其最终结果可能极为复杂，远非当前的人类所能理解，但“它”应当能够理解并“解答”自我。有些人认为，这样的智能会采取类似于前苏联计划经济式的总体规划/调配，但不同之处在于它将拥有全部信息和无限力量。还有些人的构想稍成熟些，认为这样的智能会是一个分布式系统（distributed system）。但所有的奇点主义者都或多或少相信，当我们有了足够的力量和控制的时候，世界是可以被驯服的。并非所有相信奇点的人都将其当作积极超越（positive transcendence）来膜拜，认为它能够带来永生和富足，但是他们都相信当所有曲线引向竖直之际，我们就迎来了审判日。

然而，不论你是在一条S形曲线还是钟形曲线上，一开始的斜率都看上去和指数曲线非常相似。在系统动力学研究者眼中，指数曲线意味着自我强化的过程，也就是说这是一条代表着无限加速增长的正反馈曲线。或许这就是让奇点主义者兴奋不已，也让系统论者恐惧不堪的原因。绝大多数对奇点没有狂热崇拜的人都相信S形曲线，他们更喜欢自然适应和自我调控，比如当瘟疫扫过，增长会放缓，秩序会调整。当然，事物也许会和过去有所不同，相变可能会发生，但是，奇点这个想法——特别是那种像救世主或审判日一般，允许我们超越混乱痛苦的日常生活羽化登仙的“奇点”——本质上就有缺陷。

这样的还原主义的思维并不新鲜。在行为心理学家斯金纳（B.F. Skinner）发现并描述了强化反射原则后，人们依照他的理论设计了教育系统。如今研究学习的科学家们都知道，这种行为主义的方法在教学领域中的适用范围非常狭窄，可是仍然有大量的学校依靠死记硬背和题海战术教学。还有个例子是优生学运动，它把遗传学在社会中起到的作用过度简化并扭曲了。优生学运动提供了一种还原主义的科学观，让人们以为可以人为推动自然选择来“修复人类”（fix humanity），甚至助燃了纳粹的种族屠戮计划。优生学的恐怖影响至今阴魂不散，以至于几乎任何关联遗传与智力之类的事物的研究都成了禁忌。

我们应该从历史中吸取教训，不要再把过度还原主义的科学运用于社会，而应如维纳所言，“停止亲吻抽打我们的皮鞭”。优雅地解释复杂事物，并将困惑还原为理解——这的确大大驱动了科学的发展，但我们同时也不能忘记爱因斯坦的名言，“万事万物都应该被尽可能地简化，但是不能再简化了”。我们需要拥抱现实世界的不可知性，或言不可还原性，学着像艺术家、生物学家和那些深谙世界之纷乱的人文工作者一样思考。

我们都是参与者

维纳在冷战时期写下了《人有人的用处》。冷战期间资本主义和消费主义快速膨胀，太空军备竞赛方兴未艾，计算科技尚未成熟。那个时代的人们更容易相信一个复杂系统可以被外部环境所控制，而世界上的问题可以通过纯粹科学和工程的方法来解决。

那时维纳重点描述的控制论中的系统，是那些可以从客观视角控制并调控的反馈系统。该理论又被称为“一阶控制论”（first-order cybernetics），它假设作为观察者的科学家能够理解系统中正发生什么，因此工程师也能基于科学家的观察和洞见来设计系统。

如今我们可以更明显地看到，我们绝大多数问题——气候变化、贫困、肥胖、慢性疾病、现代恐怖主义等等——并不能简单地通过积累资源和强化控制来解决。其肇因在于上述问题其实是一系列复杂适应系统的结果，而这些系统恰恰是我们过去解决问题的工具所造成的，比如我们一直以来无止境地增加生产力并企图控制种种事物，反倒促发了我们现在所面对的问题。在这个关头，我们引入了二阶控制论，也就是关于自适应（self-adaptive）复杂系统的控制论：这类系统中，观察者也是系统本身的一部分。正如凯文·斯莱文（Kevin Slavin）在《设计即参与》（Design as Participation）中所言：“你不是被困在交通堵塞里了——你就是交通堵塞。”

为了有效应对我们这个时代的重大科学挑战，我认为我们必须将这个世界视为诸多相互交联的、复杂的自适应系统。这些不可知系统跨越不同的尺度和层级，但又与观察者和设计者密不可分。换句话说，我们是多重演化系统中的参与者，从微生物到我们的同一个体，再到社会和我们的物种，在不同尺度有着不同的适应度地形（fitness landscapes）。个体本身都是由层层嵌套的系统组成的，比如组成我们的细胞——其运作方式比我们更像系统层级的设计者。

虽然维纳在他的作品里讨论了生物演化和语言演化，他并没有详谈借助演化动力（evolutionary dynamics）推动科学发展。各个物种的生物演化（基因演化）由繁殖和生存驱动着，它们将生育和生长的目标及渴望灌输在我们体内。这样一个系统会不断演化以调控生长，增加多样性和复杂性，并提升其自身的适应性、稳定性和可持续性。作为逐渐意识到更为广义的系统存在的设计者，我们所具有的目标和方法论是在我们的生物及社会背景下由演化和环境输入界定好的。然而，具有涌现智能（emergent intelligence）的机器有着与我们明显不同的目标和方法论。当我们把这些机器引入我们的系统，它们不仅会增强个体人类，更重要的是它们会整体地增强复杂系统。

现在我们已经可以明显地看到，“人工智能”的构想是有问题的：它所提议的那些形式、目标与方法均置于与其他复杂适应系统的交互作用之外。当我们谈到机器智能的时候，与其将它视为与人类相对立的智能，我们应该将其构想为一种人机交融的系统。我们需要的不是人工智能（artificial intelligence），而是延展智能（extended intelligence）。与其企图控制、设计或是透彻了解系统，我们更应该着手设计能够参与的系统（systems that participate），这样的系统能在更为复杂的系统中成为有担当、能觉察、稳健的系统构成要件。如此，我们既是系统的设计者也是其组成部分，所以我们必须反思自己的目标和敏锐性（sensibilities），磨平自己高傲的棱角：我们需要的是谦逊，而不是掌权。

我们或可称之为“参与者式设计”（participant design）：将系统设计为参与者，并且以参与者的身份设计系统。这样的系统里，我们追求的是提高系统的繁盛程度：保证系统充满健康和活力，而不是一味地扩张系统的规模或是权力。我们可以考察系统是否能创造性地适应变化，是否能保持坚韧，是否能以有趣的方式利用资源。

比起单纯地解决问题或力求效率最大化，更好的干预方式是发展我们的敏锐性，使其能够适应特定环境与时期。可以说，这样的干预更像是音乐而不是算法。音乐之美关乎敏锐性或言“品味”，源于大量元素结合而涌现出的新秩序。器乐的谱写能够促使或导致系统以不可预测，或完全自发的方式调整或运动，然而最终的产物仍是完整和谐的。甚至早有人想过用音乐本身干预系统。苏格兰作家、政治家安德鲁·弗莱彻（Andrew Fletcher）曾在1707年说：“让我谱写国家之歌吧，我不在乎谁制定法律。”

如果你觉得用歌曲代替法律的想法太轻浮，别忘了音乐往往比法律更长寿。音乐在历史上许多暴力革命或和平变革中都起到了关键作用，音乐和它们所承载的价值被人们口口相传。关键不是音乐或符码本身，关键在于歌曲所运作的那个层次上的变革往往更为深刻。许多思想家都曾谈到这一点，比如多内拉·米铎丝（Donella Meadows）认为，在干预复杂自适应系统时，改变系统参数甚至规则，都远不及改变系统的目标和范式来得有效。

当谈及我们对进步的崇拜，维纳说道：

对于那些将进步视作道德准则的人来说，目前不受控制的、准自发的进程是或许算件好事（Good Thing）。而且他们认为这一基础保证了我们的后代会生活在宛若天堂的世界。我们可以承认进步是历史事实，但我们不需要把进步奉为道德准则。但是按照许多美国人的逻辑，两者是一枚硬币的两面。

这个世界依然坚信“大就是好”，依然不明白“过犹不及”；在这种情况下我们与其说“可持续性”是个尚待“解答”的问题，不如反思一下我们适应度函数中的价值观念与“货币”体系，追问它们是否真的适用于我们作为参与者所置身的系统。

结论：一个繁盛的未来

在伊丽莎白·安斯科姆（Elizabeth Anscombe）1958年的一篇文章中，繁盛（flourishing）是一个极为重要的概念。如果我们想要发展人类敏锐性和繁盛的文化，并认可“成功”的衡量方式不止一种，我们就不能局限于权力和资源的积累，而应该注重多样化和经验的丰富性。这才是我们最需要的范式转换（paradigm shift）。这样才可能产生一个丰富的资源库，让我们可以利用其中的技术和文化模式，来创造一个高度适应性的社会。多样性能让系统里的各个元素相互回馈和支持，而不是像只有单一“货币”的单元文化（monoculture）那样充满剥削和掠夺的风气。这样的新文化会像音乐、时尚、灵性等艺术形式那样散播开来。

我是土生土长的日本人，最近我曾与一群初中生交流，我问他们该如何对待我们的环境，怎样才算是快乐，以及人类在自然中扮演什么角色，他们的想法让我备受鼓舞。我同样对电气电子工程师协会这样的组织满怀希望，它们创始之初的设计哲学是通过发展人工智能来提升人类的康乐，而不是扩大经济影响力。彼得·塞利格曼（Peter Seligmann）、克里斯托弗·弗里拉蒂（Christopher Filardi）和玛格丽特·莫拉（Margarita Mora）在国际自然保育组织的工作也充满创造力而且令人兴奋，因为他们支持原住民的繁荣发展来保护环境，而不是阻碍他们的发展。

上世纪六七十年代，嬉皮士运动试图一道带动 “全球”运动（“whole earth” movement），然而如今我们又回退到了消费主义的社会。我希望并相信一场新的觉醒运动已在襁褓之中，而新的敏锐性会通过文化变革给我们的行为带来非线性的革新。虽然我们可以且应该继续致力于系统的每一个层面，进而构建一个更为坚韧的世界，但我相信文化层面的努力最有可能在根本上矫正我们的方向，让我们远离目前这条自我摧毁的道路。我认为仍会由年轻人的音乐和艺术反映、放大一种新的敏锐性：向贪婪的世界说再见，让我们迎接“过犹不及”的新时代；向控制自然说再见，让我们在与自然的和谐共处中繁盛。

翻译：嘉嘉；审校：有耳、Jon-Lou、Jeanny；编辑：夏明明

多米尼克·威尔金森（Dominic Wilkinson）教授，牛津大学乌西罗实践伦理中心医学伦理学教授、牛津约翰·拉德克里夫医院新生儿科顾问：

人死后大脑通常会在几小时内退化并分解。这项有趣的研究表明，我们有可能阻止猪脑中渐进性的细胞损伤，这种损伤通常发生在死后的大脑组织中。研究人员将已经死亡4小时的猪的脑子分离出来，连接到装有人工保存液的泵上，并证明了这种方法可以维持部分微观组织甚至部分细胞功能，一直到猪死亡后的10小时。然而，没有证据表明大脑整体功能的恢复。猪的大脑保持电静息状态。

这意味着什么？

这项研究提醒我们，“死亡”不是一个事件，而更是一个跨时间段的过程。在人死亡后，人体组织内的细胞可能会存活一段时间。

这项研究可能为一些基于人脑的重要研究奠定了基础。显然，由于研究参与者所面临的风险，对人类大脑的研究存在着切实的限制。然而，对死亡后大脑的研究也是受限的—— 因为大脑通常会在人死后迅速退化。这种技术可能意味着，人们可以在死后将自己的大脑捐献给实验研究，研究人员或许能够由此深入了解大脑的一些微观结构和功能。

这项研究可能为未来防止大脑退化（比如在中风或头部受伤后）的技术铺平了道路。

虽然有些推测的意味，该研究可能会促进未来复苏严重受损大脑的技术发展。然而，我们还有很长的路要走，还没有任何证据表明该研究的技术可以在死后恢复大脑有意义的功能。

目前，可以明确地说这项研究并不会影响我们对脑死亡或器官移植的看法。这也不意味着死而复生已经要实现了，最起码短期内不可能。“脑死亡”指的是意识和觉知能力的不可逆的丧失。一旦有人被诊断为“脑死亡”，我们目前是彻底没办法让他康复的。换句话说，他作为“人”已经永远离开了。

如果将来有可能恢复死者大脑的功能，恢复人的思想和个性，那当然会大大影响我们对死亡的定义。这在未来是有可能的，但不是现在，而且这项研究并没有改变这一点。

德雷克·希尔（Derek Hill）教授，伦敦大学学院医学影像科学教授：

人们普遍认为，切断血液供应的数分钟内，人和其他高级哺乳动物的脑会遭受不可逆的伤害。耶鲁大学研究人员的这篇论文在其他近期研究的基础上，进一步挑战了这一观点。他们开发了一台叫 Brainex 的机器，并且证明这台机器可以在猪脑被切下数小时后，恢复它的部分生物学功能。这项研究没有使用针对特定脑实验的受控环境而培育的动物，而用了普通的肉猪大脑，是在猪被屠宰后四小时左右从屠宰场运来的。他们把猪脑从尸体取下，然后连接到 BrainEx 上。

研究人员使用了一些成熟的临床方法，包括超声影像、磁共振和CT扫描，来观察血流和大脑结构如何随时间变化，以及细胞如何工作。他们发现，那些与 BrainEx 连接的猪脑的部分生物学功能恢复了，并且维持了数小时，而未连接的控制组大脑和他们预想的一样迅速衰退。BrainEx 显然没有让大脑复活，具体来说，脑中没有任何神经电活动的证据。

但是这项研究提出了一些迷人的问题。首先，这是一个偶然发现，还是说我们能够可靠地重复实验？其次，通过 BrainEx 保持的大脑能不能帮助科学家发现阿兹海默症、帕金森病等让人头疼的大脑疾病的新疗法？再次，这项实验对于我们该如何对待屠宰后的动物和意外伤残的人类，有怎样的伦理启示？这一巧妙的实验研究为脑科学家和科学政策的制定者们，既提出了挑战也提供了机遇。

康斯坦丁-亚历山大·霍夫曼（Konstantin-Alexander Hossmann）教授，马克斯·普朗克代谢研究所前主任及名誉教授：

这篇《自然》杂志刊登的论文承接了一项早在50年前就引起国际媒体广泛关注的发现。当时的动物实验首次证明，猫和猴子的大脑在循环停止一小时后仍可以复苏，且神经细胞可以继续存活8到10分钟——如今我们一般也是这样假设的。新的研究在猪身上证实了这一发现，并表明在循环停止后的4小时内大脑仍可能复苏。然而这是有前提条件的——在试图复苏之初，研究者就对整个大脑统一注入了氧气和代谢所需的营养物质。在这期《自然》杂志上的论文中，研究者使用一种高性能灌注系统将营养液注入脑血管，而这种溶液以血红蛋白为基底，不含细胞，并能够保护脑细胞。

至于这一方法是否也适用于临床复苏，目前还不清楚。以往的体外泵复苏实验效果都不如人意，不过这可能是由于多数情况下使用的都是普通血液，而非血液替代溶液。

无论这些新实验的结果如何，都无法解决临床复苏的根本问题。临床上，脑循环停止最常见的原因是心脏骤停。这与实验研究的不同之处在于，除了大脑，心脏也因循环停止而受损了。由于受损的心脏在复苏开始后的几分钟后就无法再为大脑提供足够的血液，临床上不具备成功复苏大脑的前提条件。同时在实践中，大脑复苏的关键窗口期比实验中观察到的几小时要短得多，因此在心脏骤停后的四、五分钟内，由旁人及时进行心肺复苏仍然很重要（2018年的“世界重振心脏”倡议也提到了）。

因此我们也可以回应人们对这篇论文的评论了；有人表示担忧，认为这项研究对器官采集时检测脑死亡的临床标准的可靠性的提出了挑战。就目前的知识水平而言，如果脑电图或其他脑功能生命表征在开始复苏后的一小时内仍未恢复，临床神经复苏就彻底没戏了。

不过，这项新发现倒是有望促进中风研究。即使是20世纪70年代的早期复苏尝试，也已经驳斥了神经细胞在循环停止后的10分钟内就会死亡的假设，这一进展帮助颠覆了当时对中风治疗的普遍消极态度。依据新的发现，已普及的中风通道再造疗法也许能够进一步扩展，比如在中风位置使用药物溶栓，或者用一种脑血管支架进行血栓清除。

然而可别忘了，只有用这些方法将充足的液体灌入大脑，我们才有成功的希望。虽然我们还不知道最终结果如何，这项新研究毫无疑问给了我们更多信心。

马克·达拉斯（Mark Dallas）博士，雷丁大学细胞神经科学副教授：

大脑对氧含量变化非常敏感，供氧减少会导致神经细胞死亡。这项研究的着眼点在于给猪脑细胞重新提供人工血液及活性成分混合物，以及其随后复苏的能力。这项实验干预的关键在于，他们之前不清楚大脑的适应能力有多强，也不知道与活体血液供应断开一段时间后大脑恢复部分功能响应的能力如何。然而，更高层次的脑功能，例如意识并未恢复。不过，这项研究提出了一些关于脑死亡相关细胞过程的有趣问题。

大卫·阿特维尔（David Attwell）教授，伦敦大学学院心理学教授：

这篇论文报道称，在屠宰场把猪杀掉之后，把猪脑连接到一个泵上——这个泵能提供模拟含氧血液的溶剂，还包含一些其他保护神经细胞的成分，于是人工血液流到脑血管里并且提高了神经细胞的生存能力，神经元受到刺激时产生了一些电活动。

正如作者在讨论中所言，“在四小时的全身缺氧或言缺血（猪死后缺乏供血）后，我们观察到了分子与细胞过程的恢复，但并不能从中推断出脑功能已经恢复正常了。”说实话，在短期内，这种方法不可能帮我们挽救爱人受损的大脑，连宠物都不可能。而且几乎所有在人类身上尝试过的防止脑缺血造成损害的药物，最后都被证明没什么效果。

然而，这篇论文为遥远的未来提供了一线希望。我们可以从三方面来看：

恢复血液流动。作者们似乎能够让他们的合成血液流过脑中最小的血管（毛细血管），这样一来大脑的新陈代谢至少能部分进行（从耗氧量推断出代谢速率约为正常状态的2/3）。这让人激动，因为过往研究发现，就算已经移除了中风病人连接脑部的大动脉里的血块，依然极少有血液灌注毛细血管，部分原因在于包裹着它们的肌肉一般的小细胞（也就是周细胞）的收缩。

减少细胞死亡。作者们发现灌注人造血液时神经元的死亡减少了，但这并不意味着这些细胞之后也能存活。在缺乏血液流动导致中风后，神经元一般得过好几小时才死亡，所以实验中的细胞很有可能已经启动了死亡过程，只是没死透而已，或者它们其实严重受损了，看起来活着却无法正常工作。

保持脑电活动。论文显示一些神经元在受到刺激时产生了电信号。这让人想到20年前恰帕克（Charpak）和奥迪纳特（Audinat）的一篇文章（这篇论文的第14篇参考文献），他们发现了类似的神经细胞电活动能力的长期存留。此外，两篇论文都指出脑电图显示了一条直线，也就是说正常的脑功能并没有恢复。一个比较棘手的问题是，如何才能保持那些被髓鞘质包绕的神经细胞间的信号传输；髓鞘质能够加快信号传输，但它们对供血不足尤其敏感。

总而言之，很难评估以这种方式维持的大脑究竟拥有怎样的“心理状态”：正如我们不知道大脑功能的哪些特性使我们拥有意识，我们也不确定要移除哪些属性才会失去意识并且（出于实际目的）造成脑死亡。

塔拉·斯拜尔斯-琼斯（Tara Spires-Jones）教授，探索脑科学中心副主任、英国失智症研究机构项目领导人、爱丁堡大学教授：

耶鲁大学的内纳德·瑟斯坦（Nenad Sestan）教授团队的论文表明如果提供人工血流，猪死亡几小时后脑细胞依然能保有一些基本功能。没有任何证据表明产生了感知或思想所必需的脑活动。这篇论文对于神经科学家们非常重要，因为它为脑研究提供了一种新工具。我们还没有完全弄清楚数百万个脑细胞和它们之间的数万亿个联结，是如何协同工作使得认知功能成为可能的。更好地理解脑功能对于我们理解人之为人的本质很重要，而且还能帮助我们治疗阿兹海默症等恶性的脑疾。这篇论文在那个方向上迈出了一步。然而，这项研究离保存死人的脑功能还很远——就像动画《飞出个未来》（Futurama）中描绘的把头放在罐子里存活那样。他们只是暂时保存了猪脑中一部分基本细胞功能，而不是保存了思想和性格。

虽然我们距离恢复那些被宣判死亡的人的脑功能还很远，这项成果已经激起了一场伦理争论，比如当某个器官捐献者已经被宣判死亡时，我们该如何权衡？在我看来，这篇论文中的证据并不会给目前打算捐献器官的人带来困扰。在英国平均每天有三个等待器官移植的病人不幸死亡，而这篇新文章也并未表明我们应该停止器官捐献，因为我们死亡后并不能保存大脑的全部功能。

大卫·梅农（ David Menon）教授，剑桥大学麻醉系主任：

我们早就知道，在血液循环暂时停止的情况下迅速恢复脑部血液流动，就有可能完全修复大脑功能。然而临床经验表明，恢复血流的时机推迟得越晚，缺血对神经细胞、支持组织（胶质细胞）和供给大脑的血管造成的损害就越大。而且如果血液供应中断的时间很长，波及大部分脑区甚至全脑，那么脑细胞和神经系统都会严重受损。不过我们也已经知道，即使是长期且严重的供血不足，也可能有部分脑区幸存。而且不同类型的细胞对缺血的耐受度不同，比如神经细胞就比血管更容易受损。

研究人员们在论文中展示了这样一个实验：他们在猪死亡四小时后将脑子完整地取下，连接到新型复苏液和灌注装置上，似乎可以将所有类型细胞的功能恢复窗口期从几分钟延长到几小时；他们对完整猪脑的灌注过程长达六小时。实验表明，许多类型的细胞和脑区都可能实现这种功能恢复。然而，他们也明确表示，他们并没有成功地（至少在这篇论文中）恢复“大脑作为一个整体”的功能，也没有观察到任何能证明神经细胞间存在功能交流的整合性脑功能的迹像。此外，他们没有表明（或声称）这种细胞功能的恢复是长期有效的，也就是说目前无法排除这样一种可能性：如果观察时间更长，细胞损伤的过程可能会重新开始，只不过因为人为干预而推迟了一会儿。最后，要注意到这项实验是在分离出来的大脑上进行的——这很重要，因为如果身体其他部位的血流（比如在心脏骤停之后）恢复了，可能会激发其他组织产生一些损害大脑的物质（比如通过引发炎症）。鉴于以上这些限制性说明，这篇论文似乎具有极高的科学性。虽然要求重复实验结果是科学进步的基本原则，但我们似乎没有理由质疑他们的方法和成果。

作者们谨慎地没有从数据中引申出太多可能与临床领域相关的广泛结论。与论文一同发布的美国国立卫生研究院（NIH）的新闻稿如实地报道了研究情况，并强调了其科学和概念上的重要性。研究的方法和结果可以帮助我们理解脑细胞（和脑）的死亡过程，并为我们未来检验这一新复苏模式的新疗法的效益提供了一个框架。事实上，研究所使用的特殊复苏液中的一些添加剂可以启发我们发明一些新疗法，并在未来的临床实践中检验。相比之下，美国国立卫生研究院的新闻稿只简要提到了这项工作的伦理和临床意义。然而，与该论文一起发表在杂志上的评论既解释了这些发现的科学和概念上的重要性，又提出了一些伦理和临床方面的问题。首先，是动物研究的监管问题。虽说这方面的确是需要注意的，但我猜想这个问题针对的是类似高级脑复苏的一些实验，而没有涵盖各种动物实验。因为大多数国家已经有严格的指导方针，以确保最大限度地减少痛苦，并使用麻醉和疼痛缓解药物（如其中一篇评论所述）。

这项研究对临床实践的意义则难以概括。从某种意义上说，这些发现给临床实践指引了新方向，尤其是中风的积极治疗这方面。临床证据表明，在血栓切除术等积极疗法后，将治疗间隔期延长数小时可能会提升康复效果。此外，越来越多的人认为，在许多有潜在的破坏性脑损伤的风险的情况下，比如当我们缺乏大面积脑损伤（由创伤或颅内出血引起）的无可辩驳的结构性证据时，需要谨慎做出病情发展的早期预测。在心脏骤停等情况下，我们往往会推迟对不可逆脑损伤的预防和检测，且远远超过10年前公认的24小时期限。此外，如前所述，在这些实验中使用的新型复苏液的成分，以及这些实验为测试新疗法提供的平台，在将来很可能会推进轻度脑损伤的疗法革新（也许与血栓切除术等干预措施相结合），这样一来医生们可以不用等到脑死亡一触即发的最后关头，而是在早期就进行干预。

至于破坏性脑损伤（比如由严重的脑部外伤引发的）导致的确定的脑死亡情况，这些发现的临床治疗意义还不甚明确。大脑不仅在相当长的一段时间内被剥夺了血液供应，而且这种情况下严重的脑肿胀会阻止血液供应的恢复。在目前的临床环境下，这个问题是无法克服的，虽然技术的发展和医疗保健服务系统的改进可能会有所帮助，我们目前似乎看不到什么明晰的前景。还有一点值得一提，医生一般是在患者受伤害后很久才检测脑死亡的，间隔期往往要超过一天，而不是实验中的4小时。

然而，尽管存在这些限制条件，这些数据面临的更直接的挑战是伦理方面的，如果没有社会的参与，医学无法解决这些问题。这些挑战涉及一系列难题和不确定因素 ：“整个大脑”的死亡与大脑“作为一个整体”的死亡、个人对残疾的接受程度、宗教和文化观点，以及资源从来都不是无限的这一无情事实。这些都是很难回答的问题——它们没有最好的答案，只有最坏的答案。科学家和医师需要诚实地向患者和公众阐明这些新兴的概念，接受我们所依据的参数是不断变化的，并意识到这些变化需要落实到实践上，以及时刻勿忘专业、谦逊和谨慎。或许最重要的是，我们需要找到一种方法来向病人和社会整体解释，这类科学研究成果是如何转化为医学实践的——这一过程往往不完美、不确定，但总是必不可少的。

马丁·摩提博士（Martin Monti），加州大学洛杉矶分校神经外科和心理学副教授：

死亡是一个需要时间的过程，不止分分秒秒，这我们早就知道。这项研究的进展在于，借助正确的技术，我们现在似乎有更多的时间在一些分子、细胞和微循环功能完全受损前恢复它们；至少在动物身上已经可行了。在某一天，这项技术或许可以延长对人体组织进行恢复性干预的有效时间。不过，这可不能和用魔法复活一个早已作古的英雄相提并论，后者还只存在于幻想中；这也不等于给一颗被砍掉的脑袋重新赋予认知功能，更别说感觉能力了。实验成果的确令人震惊，但他们并没有检测到全局的脑电活动，离任何认知功能所需的复杂交互更是相去甚远。

至于这一发现是否会影响我们对器官移植或脑死亡判定的共识，我们目前不清楚。但无论如何，动物一直处于完全的神经静默状态，所以脑死亡的核心标准之一并未受到影响。其次，研究没有详述是否可能消除控制着大脑的神经静默，更没有断言恢复任何认知功能和（自我）觉知的可能性。最后，这种以猪为模型的研究成果最终能否应用到人身上，也是个未知数。所以，就目前而言，我们应该审慎解读这项研究，也就是说，在猪模型中借助这项技术恢复死亡过程中严重损坏的神经组织，其窗口期可能比我们从前认为的要久。这无疑是一项了不起的成就。

翻译：云沉、狼顾、有耳、Jeanny
审校：有耳、大秋；编辑：酒酒

如果你玩过角色扮演游戏，无论是在网上，还是老掉牙的真实世界版本，就应该知道我们很容易与自己的化身（avatar）建立紧密的情感联系。当你的角色被怪兽捣烂，被巨龙虐杀，被巫师残害，你的心里也会受到暴击。美国社会学家威廉·西姆斯·班布里奇（William Sims Bainbridge）也是个狂热的游戏玩家，他把这种关系更推进了一步——他为至少17位已故的家庭成员创造了虚拟化身。2013年他写了篇关于网络化身的论文，并预测有朝一日我们能把自我的一部分转移到自己的人工智能模拟上，这些模拟可以独立于我们自行运作，甚至在我们死后依然持存。

这些模拟人类给我们带来了什么责任呢？虽然人们对暴力的电子游戏莫衷一是，没有人认真地把杀害虚拟敌人的人当成谋杀犯。然而，模拟人类的存在已经不再是天方夜谭，而且他们可能将拥有某种程度的自主性和意识。不少哲学家相信，多种多样的物质系统都可以产生与我们类似的心智，不一定得是我们大脑的神经网络。假如这种说法是对的，似乎没有什么能阻挡足够强大的电脑电路拥有意识。

如今，道德哲学家们琢磨着塑造人类群体的道德体系，他们试图回答这些问题：人类生活的价值是什么？我们应该力图建设怎样的生活？人类多样性应该被赋予多少价值？然而，面临该如何对待模拟实体的伦理问题，我们不清楚那些发源于有血有肉的人类世界的直觉是否依然可靠。我们骨子里觉得，杀死一条狗，甚至拍死一只苍蝇是不对的。但是，这和关闭一只苍蝇大脑的模拟，或是人类大脑的模拟，是同一件事吗？当“生命”以电子的新形式呈现，我们自身的经验或许不再是可靠的道德向导。

剑桥大学的理论物理学家阿德里安·肯特（Adrian Kent）已经开始填补这一道德推理的空白。他在近日一篇论文中假设了一种情况：我们能够以很低的成本在电脑上模拟出人类意识。我们会希望给这个虚拟存在创造一个丰富多彩且乐于反馈的互动环境——一种值得过的人生。也许我们甚至会对真人做同样的事情，扫描他们大脑中每一个神经联结，然后用计算机重现意识。很容易想见，这项技术可以用来“拯救”罹患绝症的人；如今一些超人类主义者（transhumanists）视其为通向永生意识的天梯。

的确，这像是痴人说梦，但请容许我说下去。现在，让我们把功利主义（utilitarianism）的那套道德准则摆上台面。功利主义是杰瑞米·边沁（Jeremy Bentham）于18世纪末期提出的，约翰·斯图尔特·密尔（John Stuart Mill）在此基础上有所改进。*边沁说，从全局来看，我们应该努力追求最多数人的最大程度的幸福（也就是“功利”）。用密尔的话来说，就是“趋向于增益幸福的行为是恰当的行为，而对幸福起到反作用的行为是错的”。作为善的行为的准则，他们的说法有不少缺陷。比如，我们怎么能测量、比较不同种类的幸福呢？——成为技艺超群的钢琴艺术家的愉悦，和祖母的慈爱两者该怎么比较呢？“即使你决意践行功利主义，你并不清楚公式里的那些性质变量到底是什么意思。”肯特告诉我。然而，当今社会的大多数信仰体系其实都隐含了这样的共识：一个指向更多幸福的道德罗盘（moral compass），要比朝反方向校准的合理得多。

译者注：边沁将幸福的计算提取为七个变量。而密尔认为幸福不仅有量的不同，也有质的区别，比如精神幸福比肉体幸福更高尚。

在肯特设想的情境中，我们很容易不胜功利主义立场的诱惑，认为我们有义务创造模拟存在——就称他们为拟人（sims）吧——并允许他们不受限制地繁衍壮大。在现实世界中，这样无约束的生殖显然是有害的。人们会被庞大的家庭组织困扰，情感上和经济上都陷入窘境；人口过剩造成的资源短缺也是有目共睹的事实；诸如此类。在虚拟世界却不存在这些束缚。你可以模拟一个拥有资源近乎无限的乌托邦。那么，为什么不应该创造尽可能多的世界，并让尽可能多的拟人栖居于此，过上极乐生活呢？

我们可能会出于直觉反问：这样做有什么意义？创造一个有意识的拟人和把一个有血有肉的人带来世间是不同的，拟人没有那种内在价值。新奥尔良杜兰大学的心灵哲学及虚拟现实伦理学专家迈克尔·玛达利（Michael Madary）认为，这一疑虑值得我们认真对待。“人类的生命具有一种神秘元素，它指引我们提出了许多经典哲学问题，比如：为什么有东西存在，而不是空无一物？生命有意义吗？我们有义务过道德的生活吗？”他说，“模拟心智或许也会问这些，但在我们看来，他们的问题是虚伪的。”——因为这些心智存在的必要条件是，我们选择了去创造他们。

我们或许可以这样回应（事实上有些哲学家已经说过）：怎么能确保我们不会都是这类模拟存在呢？我们无法排除这种可能性，但我们依然认为那些问题是有意义的。所以，我们应该假设它们在虚拟世界中也是正当的。

紧接着，肯特继续发问：创造一群彼此相同的存在，与人人各异的存在，哪种情况在道德上更可取？把每个拟人都造成一模一样的显然更有效率，我们只需要一人份的信息，就可以创造N个拟人。然而，直觉或许会告诉我们，多样性具有某种价值。可是，如果N个各异的个体并不会比N个相同的个体拥有更多幸福，多样性又有什么意义呢？

肯特的观点是，千姿百态的生命优于单个生命的机械复制。“我发现很难摆脱这样的直觉：十亿个彼此独立但是一模一样的仿真爱丽丝，和十亿个不同的仿真个体，后者构成的世界更有趣、更好。”他说。他把这个概念叫做复制的低劣性（replication inferiority）。

假如几十亿个爱丽丝占据了宇宙，肯特怀疑同一生命复制多次这种说法甚至会丧失意义——也许我们应该只承认一个生命，只不过她在不同的世界中反复出现。这可能意味着相同环境中的许多爱丽丝，并不比一个爱丽丝更有价值。肯特把这种情况叫做复制的无效性（replication futility）。“我愈发倾向于这种观点。”但他承认找不到确凿的论据来支持。

肯特的思想实验触及了道德哲学的一些千古难题，这些问题的答案到现在还扑朔迷离。去年刚离世的英国哲学家德瑞克·帕菲特（Derek Parfit）在1984年出版的伟大著作《理与人》（Reasons and Persons）一书中，深入探讨了身份与自我，并将那些千古难题拆解成了一些具体问题，比如世上应该有多少人，将一个值得活的生命带到人世是否永远是道德的做法（如果世界人口还容得下他），等等。

功利主义者必须面对“寻求最多数人的最大幸福”这一信条带来的问题：双重标准导致了歧义。假设我们栖居的世界资源有限，我们对人口进行管控；你可能认为必定存在一个人口数量的最优解，使得资源（在原则上）得到最有效的利用，每个人都能过上快乐富足的生活。可是，难道这个乌托邦不能再容纳一个人吗？只要每个人的幸福打一个小小的折扣，就能多一个幸福的人，想必你没意见吧？

麻烦在于，这种操作是没底的。即便人口数一路飙升，新生命增加的快乐总是多于其他人付出的代价。按帕菲特的说法，这导致了一个“矛盾的结论”：我们可以设想出一个情境，在那里最好的结果是，人口总量极度臃肿，每个人都过着悲惨的生活（但总比没有生命要强一些）；毕竟他们每个人少得可怜的幸福全都加起来，要比一小群极为幸福的人的幸福总量要大。“我很难接受这样的结论。”帕菲特写道。他的直觉可以被辩护吗？肯特没法给出肯定的答案。“我认为没人能解释这个结论，并让大家都满意。”他说。

问题的核心是帕菲特所谓的“非实体困难”（nonidentity problem）：当某些个体的存在与否都取决于我们的决定（比如说我们要不要“再多塞一个人进去”），我们如何能理性思考涉及这些个体的问题呢？当我们做出可能影响他人的行为时，权衡此人可能获得的各方面利弊在原则上不是难事。然而一旦存在“此人从未存在”的可能性，我们就算不来了。和不存在（值为零）相比，几乎一切都堪比中大奖，于是各种倒胃口的情况都变得像是道德上的义举了。

人口功利主义的游戏里，还有一种更为怪异的情境。如果有一个幸福容量奇大（转换率也很高）的人，他可以享受排山倒海的幸福，只要每个人作出小小的牺牲，我们该怎么办？美国哲学家罗伯特·诺齐克（Robert Nozick）把这家伙叫做“功利怪兽”，并在1984年的《无政府、政府与乌托邦》（Anarchy, State and Utopia）一书中召唤它，暴击了功利主义。诺齐克写道，这幅图景无异于“为了增加总体功利，我们每个人都必须献出生命，以满足怪兽的口腹之欲”。帕菲特《理与人》的主要内容，便是他如何努力寻找一条同时避免恶心的结论与功利怪兽这两种情况的途径——当然他最后没找着。

现在让我们回到肯特那些充满拟人的虚拟世界，还有，别忘了低劣性原则——在人数相等的前提下，彼此不同的生命比一模一样的生命更具价值。也许这为我们提供了一种办法来避免避免帕菲特的恶心结论。虽然托尔斯泰在《安娜卡列尼娜》的开篇说不幸的家庭各有各的不幸，但似乎不计其数的可怜生命都被几乎相同的黑暗与凄凉笼罩。因此，他们并不会为增加幸福总量做出点滴微小贡献。

然而按照同样的道理，复制的低劣性却变成了功利怪兽的友军。因为从定义来说怪兽是独一无二的，与被它吞进血盆大口的那些毫无特色的生命相比，它也就更“值得”。这个结论同样使人难堪。“我希望大家多多关注这些问题。”肯特承认，“我已经被搞糊涂了。”

弗吉尼亚乔治·梅森大学（GMU）经济学教授、牛津大学人类未来研究院（FHI）助理研究员、美国自由主义经济学家罗宾·汉森（Robin Hanson）则认为这些沉思与其说是思想实验，毋宁说是对未来的语言。他在2016年的《仿人年代》（The Age of Em）一书中设想了这样一个社会：所有人都将意识上传到电脑，以虚拟生命“仿真人”（emulations）的形式存续（他没用拟人这个词，而称他们为仿人）。“数十亿个仿人可以在一幢高楼里生活工作，人人都住得很宽敞。”他写道。

汉森细致地描绘了这一经济体的运行方式。仿人可以有大大小小各种尺寸，有一些会非常小，仿人世界的时间流速也许和我们不一样。那里会有极为严苛的监管机制，薪水勉强维持生计，但是仿人可以选择回忆悠闲的生活以麻痹痛苦。（汉森和许多人想法一样，认为我们也许早就生活在这种虚拟世界。）

自我复制在这一情境中是可行的，只要心智被转换成数据、储存到电脑里，复制多份就很简单了。汉森说，但这会造成身份边界含混不清的问题：复制品在一开始是“同一个人”，但随着他们分道扬镳展开生活，个人身份就逐渐产生差异了——就像同卵双胞胎一样。

在汉森看来，人的复制不仅是可能的，更是值得去做的。在即将到来的仿人时代，那些拥有宝贵精神特质的人，可以被多次“上传”。总的来说，保险起见，人们无论如何都会想要多复制几个自己。“人们会在操作上宁滥勿缺，因为冗余能保证他们在天灾人祸中幸存下来。”汉森说。

但汉森认为人们不会选择肯特描述的相同生命情境。仿人“会觉得在不同时间地点重复同样的生活是没有价值的做法”，汉森告诉我，“他们会青睐多个复制品，主要原因是这些复制品可以一起工作，彼此之间建立关系。但这种工作和关系要求每一份复制品相互在因果上是独立的，他们的经历通过不同的任务和关系伙伴交织在一起。

依然，仿人也必须接受一些道德窘境的拷问，而我们目前还没有资本评估这些问题。“我认为人类演化出来的道德不够普遍化，而且太脆弱了，因而面对这些祖先从未经历甚至不可想象的情景，我们没法给出连贯一致的解答。”

也许到目前为止听起来都像无稽之谈，和传说中中世纪的人们争论针尖上能站几个天使一样荒谬。首先，我们真的可能造出可以称得上“活着的”虚拟生命吗？“我觉得没有人可以打包票能还是不能。”肯特说，部分因为“我们对意识还没有一个合理准确的科学理解”。

可技术不管这些尚未解答的问题，兀自一路高歌猛进。同在人类未来研究院任职的瑞典哲学家尼克‧博斯特罗姆（Nick Bostrom）曾宣称，“后人类”（posthuman）文明所拥有的计算能力，可以轻松应付那些每分每秒对世界的体验都与我们同样“真实”而丰富的模拟存在。（博斯特罗姆也属于赞同“我们可能生活在模拟世界”的阵营。）然而，我们不用等到后人类时代，就可以思考如何塑造人类世界的问题。这“可能让未来的程序员、科研人员和政策制定者陷入真正的困境，而且说不定这一刻已经近在眼前”，肯特说。

或许，肯特设想的状况在真实世界已初露端倪。在人类受孕的促进与预防问题的讨论中，已经牵涉到关于功利最大化和非实体困难的争议。如果某种辅助受孕手段有一定风险，比如导致婴儿发育异常，那我们应该在哪些情况下禁止这一手段呢？没有一种新方法可以确保百分百安全，怀孕从来都有风险；如果我们以绝对安全为标准，就不存在试管婴儿了。人们普遍假设这些技术手段的风险应该被控制在某个阈值以下，但这和功利主义的观点是相冲突的。

比如说，某种辅助生殖手段有造成婴儿轻微出生缺陷（很明显的胎记之类*）的中等风险，该怎么办？你也很难说借助该手段降生、身上有胎记的人最好一开始就没被这一技术所孕育。可是，那条分界线应该划在哪儿呢？先天性缺陷要严重到什么程度，才比从未降生更糟糕呢？

*这是一个真实的论据。纳撒尼尔·霍桑（Nathaniel Hawthorne）1984年的短篇小说《胎记》（The Birth-Mark）讲述了一个类似炼金术师的角色试图消除妻子身上的瑕疵，造成了毁灭性的恶果。2002年，乔治·布什任期内，美国总统生物伦理委员会（PCBE）在考虑辅助受孕和胚胎研究问题时曾援引这个故事。

一些人引述这一困境为人类生殖克隆辩护。社会污名、父母动机及期望的扭曲等风险，真的可以抹煞准许一条生命降临带来的裨益吗？我们有权利为克隆人做出选择吗？如果我们没有权利，而这个克隆人自己尚不存在，决定权又在谁手里呢？

似乎我们得把自己当成上帝般创造性的主体，才能做这些推理。然而，一个理智的女性主义旁观者或许会问：这是否是某种版本的弗兰肯斯坦式幻想，而我们终将任其鱼肉？换言之，这不就像是一群男人被终于能够制造人类的愿景所裹挟，而女人得一刻不停地计算琢磨过程中的得失吗？弥漫在整场争论中的新奇感，显然带有父权主义的意味。（我提醒一下，汉森在互联网的大男子主义小圈子里可谓是个英雄角色，他曾因为洗白“厌女屌丝”*和要求性行为“再分配”被广大网民攻讦。他还在《仿人时代》中对历史因果关系表现出相当奇怪的态度。他指出，男性仿人会比女性仿人的市场需求更大，因为“如今大多数领域的佼佼者多为男性”。）

*译注：原文为俚语“incels”，字面意思是非自愿禁欲主义者，特指因性格恶劣、歧视女性而缺乏性生活，却没有自知之明的男性。

即便如此，或将成真的虚拟意识的确带来了一些崭新而迷人的伦理问题。肯特称，这些问题逼着我们重新审视我们于此时此地，凭靠直觉赋予各个样态的生命与人口的价值。似乎不存在强有力的哲学论据，能说明为什么在给定数量的前提下，多样化的生命相对于千篇一律的生命具有道德优势。那为什么我们总有那样的想法呢？我们的其他预设与偏见又是如何受其影响的？

你可以主张，一旦我们感知到人口同质性，共情及道德推理的能力就会被侵蚀。那些来自陌生背景的人总是被巧妙地称作“无名氏”或“群众”，表示我们没有像尊重那些体现了差异化的人们那样尊重他们的价值。当然，我们不愿意承认现在大家就是这样看待世界的，肯特说，“但这是不容争辩的事实。”

甚至，感知到千人一面便会心生厌恶，这会不会是演化带来的烙印？毕竟群体内的基因多样性是稳健繁荣的前提啊。想想电影里出现的同卵双胞胎或者克隆人军团：从来不是什么好兆头。这种看待别人的方式很奇怪，弗洛伊德在1919年把这种感觉与“复影”（doppelgänger）的概念联结起来，“即人仅仅因为长得相似就被当作相同的人这种表象”。在同卵双胞胎那儿，这或许会以窥淫癖好的形式展现。但如果你看到一百个“一模一样”的人，大概要被活活吓死吧。

似乎我们暂时还不用与复制人大军交战，不论是在真实世界还是虚拟世界。然而，正如肯特所言，“有时候思想实验的价值就在于，启示人们以崭新的方式看待现实中既有的问题。”汉森的仿人劳工世界，班布里奇的亡故亲人可替代的世界，都可以作为思考的背景，让我们想象关于如何对待拟人的诸多道德问题，并且，反观我们用以考量自己生活的道德直觉，揭露其背后的逻辑谬误、逻辑缺位。

翻译：有耳；审校：EON、张蒙

这些问题都是古老的“身心问题”的投射，其本质的疑问在于：心灵与物质的关系是什么？几千年来，我们终究没有找到一个满意的解答。

在过去的二十年里，身心问题被重新妆扮了一番。现在，我们常常讨论“意识难题”（the “hard problem” of consciousness)。这个术语是哲学家大卫·查尔默斯（David Chalmers）在一篇经典论文中创造的，他后来在1996年的著作《意识的基本理论》（The Conscious Mind：In Search of An Basic Theory）中又进行了深入探讨。

查尔默斯认为，相比起他戏称为“简单”的神经科学问题，即神经元和大脑如何在物理层面上工作，身心问题应当是 “困难”的。当然，解释前者其实并不容易。但他要强调的是，与解释意识何以与物质相关联这一真正的难题相比，它们只是小菜一碟。

在过去十年里，我和我的同事，加州大学圣芭芭拉分校心理学教授乔纳森·斯库勒（Jonathan Schooler）一起发展了“意识共振理论”（resonance theory of consciousness）。我们提出共振——即同步振动——不仅是人类意识和动物意识的核心，也是更普遍意义上的物理现实的关键所在。这听起来像是嬉皮士的异想天开—— 嘿，万物皆振动！但是，且听我慢慢讲来。

自然万物，比如闪烁的萤火虫，是如何自发同步的？

一切皆振动

宇宙万物都在不断地运动、振动。就算是看起来静止的物体，实际上也在以不同的频率振动、振荡、共振。共振是运动的一种，其特征是两种状态之间的振荡。说到底，所有物质本质上只是各种基础场的振动。如此，整个自然界都在不同尺度上振动着。

当振动着的不同物体聚集在一起时，有趣的事情就发生了：一段时间之后，它们常常会开始以相同的频率一起振动。它们“同步起来”了，以有时看似神秘的方式。这种现象被称为自发自组织（spontaneous self-organization）。

数学家史蒂芬·斯特罗加茨（Steven Strogatz）在他2003年的书《从混沌到有序》（Sync: How Order Emerges from Chaos in the Universe, Nature, and Daily Life）中列举了物理学、生物学、化学和神经科学领域的各种例子来阐释“同步”（他用这个词代表共振），其中几个例子是：

• 当某些种类的萤火虫聚集在一起时，它们会开始同步闪烁；科学家至今没有彻底弄明白其中的原理。
• 当相同功率和频率的光子同步时，激光便产生了。
• 月球的自转与它围绕地球旋转的轨道同步，所以我们总是看到同一月面。

研究共振可能会帮助我们深入理解意识的本质以及宇宙的普遍规律。

颅骨内的同步

神经科学家也在他们的研究中发现了同步。人脑中的神经元以可测量的频率大规模放电，哺乳动物的意识也被认为通常与各种神经元同步有关。

例如，德国神经生理学家帕斯卡·弗里斯（Pascal Fries）就探索了大脑中各种放电模式的同步方式，以及它们如何产生不同种类的人类意识。

弗里斯主要关注三种波：γ、β和θ波。这些字母代表大脑中电振荡的速度，是借助置于颅骨外部的电极测量出来的。当神经元群通过电化学脉冲相互交流时，就产生了这些振荡。将这些信号的速度和电压取平均值，就得到了可测量每秒特征循环的脑电波（EEG）。

γ波与大规模协调活动相关，比如感知、冥想或聚焦的意识；β波与最大的脑活动或唤醒相关；θ波则关乎放松和白日梦。根据弗里斯的观点，这三种波型的协同工作会产生各种类型的人类意识，或者说，至少能够促使它们产生。然而，脑电波与意识之间的确切关系仍悬而未决。

弗里斯把他的概念称为“连贯性交流”（communication through coherence），对他来说，神经元同步是一切的关键所在。同步，即以相同的速率进行电振荡，使得神经元之间或神经元组之间的平稳通信成为可能。如果没有这种同步的连贯性，信号输入就会随机地在神经元兴奋周期的某个阶段到达；随机输入的通信效果要差得多，甚至是 毫无助益的。

意识的共振理论

我们的共振理论建立在弗里斯等人的工作基础之上，但我们的进路更宽广。共振理论不仅有助于解释人类和哺乳动物的意识，还有望揭开更广泛意义上的意识之谜。

基于我们观察到的周围实体的行为，从电子、原子、分子，到细菌、小鼠、蝙蝠、大鼠等等，我们认为万物都可被看作是有意识的，至少有那么一点点意识。一个令人诧异的事实是——关于意识本质的“泛灵论”（panpsychism），即万物有灵的观点，正逐渐被越来越多的人接受。

泛灵论者认为意识并不是在演化过程的某个时刻涌现出来的。他们相信，意识总是与物质联系在一起，反之亦然——它们是同一硬币的两面。然而，与我们宇宙中的各种物质联系在一起的那些“心灵”，绝大部分是极为原始的。例如，一个电子或原子，就只具有极少量的意识。但是，按照这种看法，随着物质变得丰富，其中的联系变得紧密，“心灵”也随之演化，反之亦然。

生物有机体可以通过各种生物物理途径快速交换信息，其中有些是电的，有些是电化的。非生物则只能通过热力途径内部地交换信息——相比之下，这种方式速度更慢，信息也贫乏得多。生物体充分利用信息流速度的优势，发展出了更大规模的意识，这是类似大小的无生命物体（例如巨石、沙堆）做不到的。比起巨石或沙堆，生物结构中有更多的内在联系，也就有更多东西“正在发生”。

按我们的理解，巨石和沙堆只是“纯粹的聚集体”，是原子或分子水平上那些仅具有极为原始的意识的实体聚合而成的。生命体的情况则与之有云泥之别：具有微量意识的实体在生命体中结合，共同生成了更高层次的具有高度意识的实体。对我们来说，这一结合过程正是生命的标志。

我们理论的核心论点是：一些特定联结——它们是大规模意识（如人类和其他哺乳动物的意识）产生的前提——其实源于许多较小组成部分的同步共振。共振波的实时速度，则是决定每个意识实体在每一时刻的大小的限制因素。

当一个特定的同步共振扩展到越来越多的组成部分时，由这个共振及其结合产生的新意识实体会变得越来越大，越来越复杂。例如，人脑中达到γ波同步共振所牵涉到的神经元和联结，要比仅产生β或θ节律的多得多。

更大规模的生物体间共振，比如一簇萤火虫的同步闪烁，又是怎样的呢？研究人员认为这种生物发光共振源于萤火虫身体内的生物振荡器，它们自动导致了每只萤火虫与临近的伙伴们同步发光。

这簇萤火虫是否享有更高级的群体意识？可能并非如此，因为我们不需要引入任何智力或意识，便可解释这一现象。但是在具有恰当信息通路和处理能力的生物结构中，这种自组织的倾向能够，并且确实常常产生更大规模的意识实体。

我们的意识共振理论尝试提供一个统一框架，它将囊括神经科学、心灵哲学，也会涵盖神经生物学和生物物理学这些基础领域。当涉及到意识和物理系统的演化时，它能够揭示重要差异的核心。

一切都与共振有关。此外，共振类型非常重要，而最重要的是，那些共享的共振。

最近，我和一位记者、一位社会学家和一位商业心理学家共进午餐——这种组合听起来像是一个无聊的笑话开头。我们讨论的是硅谷及其臭名昭著的工作文化：硅谷员工要加班加点，并且由公司指定他们的休闲时间。“问题很明显”这位社会学家说，“毋庸置疑，从制度上来看，这些企业都有自闭症。”

 “我就有自闭症。”我说，“你能不能解释一下这个术语的意思？”

他脸上掠过一丝惊恐，接着浮现出一种近乎恼怒的神情。我仿佛是饭桌上潜伏的自闭症者，有胆量对他自恃机智和精辟的分析提出质疑。

“我的意思是，”他的语气变得小心了一点，“这些公司的老板们很可能患有阿斯伯格综合症。”他顿了顿。我扬起了扬眉毛。他继续说：“所以他们缺乏呃……情感理解。”

很难想象，在其他情况下，一群受过教育、思想自由的成年人会把边缘人群变成“糟糕”的代名词。想象一下，把一家企业的制度描述成黑人、女性或穆斯林，会给你带来怎样的感受。然而，不知为何，只要“聪明人”想靠世界上没有感觉、迟钝、缺乏创造力人来衬托他们聪明、情感丰富而又伟大自我，就可以拿“自闭症”来开涮。

阿斯伯格综合症已经取代精神分裂症和双相情感障碍，成为业余诊断医生的首选动刀对象。问题不在于这些评论是不是嘲讽、分裂或政治不正确——尽管它们的确如此。阿斯伯格综合症实际上是一个越来越陈腐的术语，诊断专家和活动家现在都更喜欢使用“自闭症”这个宽泛词语。但是它已经成为了人们对“高功能”自闭症的理解的同义词，这种现象近年来像野火一样迅速蔓延。这是完全错误的。这个问题的存在甚至可能让我们意识到，非自闭症人士对自闭症的理解存在一些缺陷。

····

也许你还记得克里斯托弗·布恩（Christopher Boone）吧。他喜欢质数和数学谜题，但是他很难理解比喻和笑话。他的模式识别能力是非凡的，尽管有时他会因此陷入困境，特别是当他在公共汽车上看到四辆黄色汽车接连路过时。他对周围世界的机械式理解惹人喜爱，但是对于那些试图引导他走向成年生活的人来说，是令人沮丧的。马克·哈顿（Mark Haddon）2003年发表的小说《深夜小狗离奇事件》（The Curious Incident of The Dog in The night）是当代对自闭症的理解的起点。这是一本惊人的成功之作——它同时以成人和儿童版本出版，第一年就卖出了100万册。哈顿笔下的儿童英雄克里斯托弗（他决心追查邻居家的狗是如何被园艺叉刺穿的）与他之前写过的雷蒙德（Raymond）不同，后者是由达斯汀·霍夫曼（Dustin Hoffman）主演的同名电影《雨人》（Rain Man）中的角色。当然，克里斯托弗在数学和模式识别方面有相似的天赋，对周围人不合逻辑的行为也有同样感到困惑。但是，与雷蒙德不同的是，克里斯托弗很可爱。他弱小、没有母亲、生活自理能力出奇地低下。他散发出一种令人迷惑迷惑的魅力，惹人喜爱。他终归是一位获胜的失败者，这是因为他看待世界的方式很独特，而不是因为他无视这个世界。

我家里的这个版本是Vintage出版社2004年发行的，至今仍贴着神经多样性的标签。书的封底上写着：“克里斯托弗今年15岁，患有阿斯伯格综合症。他对数学所知甚多，对人类所知甚少。他喜欢列表、模式和真理。他讨厌黄色和棕色，讨厌被人触碰。”这本书从未明确地将克里斯托弗诊断为除了“某些行为障碍”之外的任何疾病。哈顿本人在2009年7月的博客中写道：“我有点后悔封面上用了‘阿斯伯格综合症’这个词。如果有什么要说的话，那就是这是一部关于差异的小说，关于作为一个局外人的小说，关于以一种令人惊讶而又发人深省的方式看待世界的小说。”

但是为什么哈顿会后悔呢？毕竟，克里斯托弗是一个经典的文学角色，而经典角色最诱人的品质就是他们的极端逻辑。从很多方面来看，他都是《星际迷航》（Star Trek）中斯波克的后代——他的自闭症症状类似于斯波克的火神答复敬礼：这种动作软化了原本难以接受的特质并使其合法化，而且增添了一丝异国情调。

克里斯托弗甚至后继有人，其中最著名的是格雷姆·辛浦生（Graeme Simsion）笔下的唐·蒂尔曼（Don Tillman）。唐是另一部百万销量的小说《罗茜计划》（Rosie Project）的主人公，她过度地分析自己的失恋。就像《深夜小狗离奇事件》一样，《罗茜计划》也是用一种天真的第一人称视角来铺开情节的，充满了戏剧性的讽刺。虽然唐是一名成功的遗传学家，但是他的社交技巧却笨拙得有些可笑，他的刻板让同事们感到沮丧。在这本书的娓娓道来中，他多次需要被纠正和了解社交方面的细微之处，而且若是没有朋友细心、忍住恼怒的指导，他很难把书名中的罗茜看作一个合适的伴侣。

也许辛浦生从哈顿的后悔中学到了一些东西。唐在书中或宣传文案中都从未被称为自闭症患者，但是唐确实发表了一篇关于“自闭症谱系障碍的遗传前兆”的论文，我认为我们不应该忽视这种联系。唐的自闭症是有征兆的，但无明确的标签。在辛浦生发表的许多采访中，有一段简短的谈话显示人们接受和理解了这个征兆。一次又一次，辛浦生被问到他是否想让唐成为自闭症患者。他的回答是：有那么一丢丢。2013年在Penguin South Africa网站上的问答中，他说：“唐不是一大堆医学症状名词——他是个古怪的家伙，很可能会被诊断为自闭症谱系障碍——但我并不是专家。”

不难看出，出版社的宣传团队和缄默的作者之间存在着某种紧张关系。出版社的宣传团队希望在书中印上一个火热的流行语吸引读者——阿斯伯格综合症——而这些作者显然不想把症状说得那么斩钉截铁。那么，为什么作者要像跳脱衣舞一样小心翼翼地暗示自闭症，而不是直言不讳呢？也许有些社交上的微妙之处在起作用，但我想说的是，这些作家在出版社不在场的地方也很谨慎，因为在他们向世界宣传自己的作品时，他们在某些时候发现自己错了。这两本书采用的手法都是从神经典型（neurotypical，即神经发育和大多数人一样没有自闭倾向的人——译者注）的外界观察者的视角描述自闭症的特征，并将这些特征转化为第一人称的声音，这种声音可能描绘了自闭症患者的“思维方式”。

我们可以花很多时间讨论，对于任何真实的表达观点的尝试来说，这为何是一个逻辑谬误。毕竟，我们永远无法真正洞悉他人内心的状态，而小说依赖于一系列最佳猜测和创造性推断，我们普遍认为这些推断是令人满意的，甚至是具有启示性的。然而，我想说的是，自闭症应该得到不同的待遇，不仅仅是因为它是一种不同的观察世界的方式。最近的一项研究表明，我们严重误解了自闭症患者的内心生活——正如我将要展示的，这些冷漠、天真的角色只不过是文学上的比喻而已。

····

当我遇到这种对自闭症的世俗理解的例子时，我想起了爱德华·赛义德（Edward Said）在1978年对东方通的凝视（orientalist gaze，以欧洲的视角看东方）的描述，在这种描述中，异国的被试忍受着一种令人迷惑的审视，然后被渲染成“没有深度，目光局限在浮夸的细节上”。这些被观察者从不被允许为自己说话，他们的行为被机械地打上标签，却不被真正理解。同时，观察者被认为是中立的、权威的和明智的。这种观察创造了一个东方的模拟物，为迎合西方市场而经过包装的产物。如果这种情况只发生一次，那就不会是个问题；但是它不断地再现，每一次扭曲的再现都给下一次观察赋予了生命和背景。自闭症的文学比喻也有类似的模因传染。

这背后的假设是作者和读者都是神经典型的人。哈顿和辛浦生在他们的故事和简介中可能已经撤回了对自闭症的提及，但是他们仍然用编织的话语来代表自闭症，同时使来自自闭症患者的批评变得不合理。美国作家朱迪斯·纽曼（Judith Newman）对此做了更明确的阐述。她的回忆录《给亲爱的Siri》（To Siri, with Love）讲述了她如何养育一个自闭症儿子，引发了自闭症群体的愤怒，原因是她发表了大量傲慢无礼、偏狭无知的言论，从她对儿子突现的性行为的嘲讽，到她轻松地肯定儿子是一种空虚的容器。有一次，她大声问自己是否应该给儿子安排绝育。纽曼对上述批评的反应非常耐人寻味。在2017年接受一家在线杂志采访时，她表示自己的故事很幽默，而且她认为这意味着自闭症患者不理解他们。她说，这本书并不是为自闭症读者写的。

自闭症患者所具有的品质与神经典型社会最看重的品质恰恰相反。

然而，《给亲爱的Siri》的封面满是对作者情商的溢美之词，称其“动人”、“感人”、“温暖”和“睿智”，并告诉我们“本书会让你的心充盈，然后又会让你的心崩溃”。这些词语是神经典型人群对自己说的话，他们称赞自己有能力爱上书中描绘的奇怪的生物。在这里，我们瞥见了关于自闭症患者的讨论发生的空间：一个封闭的商店，在那里自闭症患者受到侵扰和居高临下的评论，而自闭症患者却被明确地排除在讨论活动之外。

在这种厌氧环境中，自闭症患者通常被赋予的特质——缺乏同理心、不近人情、无幽默感、无法去爱——恰恰与神经典型社会最看重的特质相反。麦克·希思（Mike Heath）最近在伦敦拍摄的话剧《重要的事》（The Big Things）把一位自闭症母亲描绘成了对自己小孩爱无能的样子，而引发了激烈抗议。在这个认知匮乏的社会里，冒犯自闭症患者不会像种族主义或恐同言论那样招徕主流声音的批评。因此，错误的自闭症模因不断蔓延。

····

瑞士精神病学家尤金·布洛伊勒（Eugen Bleuler）在20世纪初创造了自闭症这个词，用来描述他的一些精神分裂症患者是如何脱离社交互动的。30多年后，巴尔的摩的一名内科医生里奥·坎纳（Leo Kanner）开始将自闭症定义为一种独特的病症，这种病症从婴儿时期就存在了，它是基于患者无法将自己与他人联系起来，而不是渴望“独处”和“一成不变”。自那以后，有关自闭症的著作不胜枚举，但人们一直认为自闭症患者对社会接触不感兴趣，而是专注于日常生活和“特殊兴趣”，这些特殊兴趣取代了他们对其他人的关注。自闭症的诊断标准和主流定义都反映了这一观点。例如，当前版的《精神疾病诊断与统计手册（第五版）》（DSM-5）将自闭症谱系障碍定义为“在各类环境中持续性地显示出社会沟通和社会交往的缺陷”和“局限的、重复的行为、兴趣或活动”，这些症状“出现在早期发育阶段”，“引起了社交、职业、或目前其他重要功能方面的临床上显著的障碍”。

这有点难解释，因为用这种权威的语言中暗含着一些假设：即自闭症是有问题的。当我们发现DSM中出现“障碍”、“缺陷”和“损害”等字眼时，我们不应感到惊讶；DSM的意义在于让心理学家确定病人呈现的症状的准确性。然而，引人注目的是标准的外在性质：自闭症患者在这里是被动的，是被观察和被评判的，而不是解释自己的经历。当然，诊断对象可能非常年幼，或者是不会说话的——但同样，他们也可能不是这样的。许多自闭症患者会质疑这些描述的框架：他们似乎更倾向于冒犯医生的觉察和判断，而不是接受对自闭症症状的错误描述。他们强调的是影响因素，而不是原因。对于自闭症患者来说，这种平衡之计是完全错误的。

以自闭症患者的兴趣为例，在DSM-5中被描述为“高度受限”、“刻板”和“过度专注”。在这里，我们讨论的是自闭症患者快乐和愉悦的源泉，这个源泉总是与自我认同有着深刻的联系。自闭症患者通常将这些兴趣描述为心理学家迈阿里·基科赞米哈维（Mihaly Csikszentmihalyi）所称的心流：一种深度专注的行为，带来清晰、轻松和时间流逝的感觉。心流也是许多成功的职业生涯的基础，但是自闭症患者的心流体验显然必定会被临床医生苛责的目光审视。

DSM-5只提到过感官敏感的现象是“受限的、重复的行为模式”的一个子集，然而对于许多自闭症患者来说，这通常被描述为许多可观察到的自闭症行为的经验来源：重复刻板行为（被称为自我刺激行为或“stimming”）、回避社会接触、“对微小的变化感到极度痛苦”和“固执地坚持常规”，通常都是对感官信息过载的反应，作用是管理混乱的环境，制造愉快的感觉来抵消不快。

自闭症患者经历的疼痛程度与非自闭症儿童相同，但得到麻醉剂的可能性只有后者的一半。

对于自闭症群体来说，DSM的描述符不太像一个中立的诊断矩阵，而更像是一个殖民叙事。DSM无法理解自闭症患者的难处，也无法将积极的方面进行病理分析。DSM还提到了“明显对疼痛麻木”，如果你只从神经系统的角度来判断疼痛及其反应，这很可能是真的。许多自闭症患者都经历了DSM-5中提到的感官敏感性疼痛，因此出现了“极度痛苦”。更重要的是，自闭症患者经常报告他们在身体疼痛时用药不足或被忽视，这可能是因为他们的面部表情和声音与医生对普通人群的预期不匹配。2009年，巴黎笛卡尔大学心理学家西尔维·托德季曼（Silvie Tordjman）和同事进行了一项研究，他们在抽血时监测了自闭症儿童的心率，发现他们与非自闭症儿童经历的疼痛程度相同，但得到麻醉剂的可能性只有后者的一半。

也许最具破坏性的是对自闭症患者社会生活的描述。“无法双向沟通”；“对同伴不感兴趣”；“越来越不愿分享兴趣、情绪或感情”。所有这些词语都将自闭症患者描写成一种反社会的存在，具体表现为对他人漠不关心、缺乏沟通能力。剑桥大学发展精神病理学家西蒙·巴龙-科恩（Simon Baron-Cohen）提出的一项颇具影响力的理论认为，这是由“精神盲症”（mindblindness）或无法预测他人的想法和感受或无法产生共鸣造成的。他说，这也导致了自闭症患者无法理解“眼睛的语言”，从而限制了非语言交流。

在这里，我们又看到了人们用神经典型的人群标准对自闭症进行外在的观察和评判。在网上、Facebook群组或者Twitter标签下，比如#actually autism，你会看到自闭症患者的社交生活的蓬勃发展——互惠的、同理心的、直觉式的，而且充满情感。你会发现他们的相互支持和嬉笑；激烈的辩论和愚蠢的网络迷因。不可否认的是，很多聊天都集中在日常社交生活的压力上，但也可以肯定的是，他们的社交能力是存在的。事情有轻重缓急，仅此而已，人们对有时需要退避、处理或提出问题有了更深刻的理解。社交媒体的出现改变了自闭症患者寻找志同道合者的能力，改变了他们谈话的语气和内容，也改变了他们许多人报告的孤独。但社交媒体也揭示了许多神经典型的人至今无法察觉的东西。

英国肯特大学的社会学家达米安·弥尔顿（Damian Milton）认为，精神盲症是双向的。如果我们把社会情景看作是参与者之间动态构建的，而不是由静态的、普遍的规则定义的，那么一个人不可能有社交“缺陷”；失败在于共同创造社会现实。因此，当自闭症患者和非自闭症患者之间的交流失败时，我们必然肯定地考虑是否存在“精神盲症”。弥尔顿称之为“双重同理心问题”：双方都无法解释对方谈话的姿势、语调或节奏，因此双方都带着一种“他者”的感觉离开。然而，因为自闭症患者是少数，在主流话语中——包括权威著作如DSM的话语——神经典型者的精神盲症是看不见的。

····

让我们暂且翻篇。在我这样的自闭症患者眼中，神经典型者的生活可能惊人地缺乏情感。忙碌的房间里的感官刺激会将我击倒，让我崩溃，而神经典型的人似乎能在声音、光线和气味的迷雾中蹒跚，却对这一切浑然不知。我很难抗拒他们麻木或不真实的形象。在面对极端挑衅时，他们显然表现得缺乏情感。在我烦躁得不断做些小动作的场景中，他们却莫名其妙地安然不动。在一次社交活动中，我被衣服后面的令人发痒的标签弄得心烦意乱，我伸手去扯它，感觉布料撕裂了。我羞愧地缩回了手。我的面具滑掉了。

我不会天真地花时间去想发生了什么事，也不会质疑神经典型者所说的每句话的确切的字面意思，但有时我因为会走神而忽然不知道要说什么，有时我会说错话，或含糊不清。或者有时候，我会进入一种超负荷的状态，滔滔不绝地说一些话。这些话可能并不是深思熟虑过的，也不一定是恰当的，也可能牛头不对马嘴。作为一个成年人，我大部分时间都在学习如何缓和这种情绪，但我不总是能成功。不管怎样，不论我是沉默寡言，或是滔滔不绝，我都能看到神经正常的人眼里那种小心翼翼样子，那种把你当成怪胎的感觉。

从我谈话的最后部分来看，没完没了的喋喋不休似乎了无生趣。我的同伴们不喜欢讨论他们的激情所在，他们更喜欢谈论那些与他们很近的陌生人有关的事情，或者为了争取表现自己的时间而牺牲倾听和学习一些有用的东西。他们无休止地沉迷于自己的地位和对某个群体的认同。当话题转到时事上时，人们会不由自主地同意坐在桌边的最有影响力的人的观点。他们似乎能吸收我觉得太悲惨而无法消化的新闻故事，把这种故事流畅地转换成幽默，在那种让我觉得气氛浓厚的人际政治中找到乐趣。在我看来，他们的交往似乎肤浅、直率、没有感情。

当面对刻板的自闭性格时，要更加批判，就像现在对待其他少数群体一样。

如果这对你来说是一个可怕的概括，是基于对别人感知世界的方式的错误理解，那么你开始明白了。我写这些关于神经典型者的内容，因为我所浸淫的文化告诉我它们不是真的。我从书籍、电影和电视中了解到，人们深谙隐藏之道，他们的行为反应并不总是准确地反映他们的感受；我知道人们的行为会受到一系列我一无所知的因素的影响，我不应该仅仅因为他们的反应与我的不一致就认为他们无知、愚蠢或有缺陷。我所要求的是，人们对自闭症患者也要表现出同样的礼貌。

我并不是说神经正常的作家不应该创造自闭症角色（这会导致自闭症群体比现在被忽视得更严重）。我的意思是，是时候让这些角色在仔细的研究和与真实的自闭症患者的接触的基础上反映现实了。在这一研究过程中，作家们可能偶尔会遇到唐或克里斯托弗，但他们也会发现比他们想象的多得多的多样性；自闭症群体中有充满创造力、同理心、智慧和幽默感的人；有身体、感官和智力方面的缺陷的人面临的挑战远比小说所描绘的大得多。精神病学文献在这方面正在迎头赶上，目前它还不是一个有用的参考来源。

读者在面对刻板的自闭症角色时，也需要更加批判——就像他们现在面对的是一系列其他的少数群体角色。当遇到来自弱势群体或少数群体的角色时，我们必须学会问是谁在写、为什么写、以及站在什么样的立场上所写。是时候停止用民间对自闭症的误解来增加书的趣味性了，我们应该从自闭症患者所写的真实故事寻找新鲜感和生命力。我很高兴地说，我自己的回忆录，《每个生命之电》（The Electricity of Every Living Thing），猛烈地抨击了一堆其他自闭症患者写的美妙书籍，包括东田直树（Naoki Higashida）的《我跳的原因》（The Reason I Jump），蕾切尔·卢卡斯（Rachael Lucas）的《优雅的状态》（The State of Grace），劳拉·詹姆斯（Laura James）的《不合群的女孩》（Odd Girl Out），乔安妮·林堡（Joanne Limburg）的《自闭症爱丽丝》（The Autistic Alice）。但是我可以公平地说，自闭症患者作为一个群体，尚未引发质变，尚未让自闭症被更好地理解，尤其是被临床医生更好地理解。

毕竟，我是在38岁的时候才被诊断出患有自闭症，尽管读过《深夜小狗离奇事件》和《罗茜计划》，也看过《雨人》，但是我从来没有在以前看过的任何作品中看到自己的影子。仅仅创造出可爱的角色并给他们贴上自闭症的标签是不够的。现在是时候由自闭症患者创建准确的自闭症形象了。

翻译：孙闰松

审校：杨一森

编辑：EON

原文：Autism from the inside

自杀的意向性（intentionality）概念似乎看上去很有道理，它符合普罗大众对于自杀行为以及这个概念的直觉认知。然而，从哲学角度来讲，这种理解是有问题的，而且其造成的误解比我们认为的更大。

比如，我们可以想象，多种的自杀形式——包括冲动型自杀、青少年自杀、利他式自杀和患有严重精神疾病的自杀——都不涉及有意识的自杀意图。然而，它们显然又属于自杀行为。为什么会出现这种情况呢？

答案在于，自杀和意向性并不必然具有关系。自杀意图也许在很多自杀案例中起到了作用，甚至99%的自杀都有这样的意图，但它不是自杀的必然条件。在有些自杀案例中，我们没有发现这样的意图。早在1897年，自杀学之父爱米尔·涂尔干意识到，在自杀和意向性之间是存在着鸿沟的，并拒绝将自己的自杀理论建立在意图概念之上。在他的名著《自杀论》中，他用一些例子阐述了这一鸿沟，比如，士兵冲向敌人区域，以牺牲自己的生命去拯救自己的战友；母亲为了救自己孩子，冲到一辆正在行进的货车面前。涂尔干说，这些人不是受到有意识的自杀意图驱使而牺牲自己生命的，他们没有想要自杀的意图。然而，大多数人还是会把他们的行为看成是自杀。

并非所有的自杀都涉及有意识的自杀意图，除了这个事实以外，通过哈姆雷特模式来看待自杀还存在另一个问题，人们很快——的确是太快了——就会得出结论说，只有人类才会自杀。在很多人看来，坐在椅子上的狗、猫和马有类似活着还是死亡的生存危机感，这种想法是很荒谬的，只会出现在喜剧、杂文或科幻小说中。但并非所有的自杀都是一样的，而且并非所有的自杀主体都需要长得像哈姆雷特那种样子。非人类的动物也具备自杀观念，这种看法正如我最近发表在《动物知觉》（Animal Sentience）上的论文所说的那样，并不像多数人所认为的那样荒谬。

在那篇题为《非人类动物也会自杀吗？》（Can Nonhuman Animals Commit Suicide?）的文章中，我提出，有很好的理由认为，自杀不仅是具有高级认知水平的主体——也即是我们人类——才有的能力，实际上，我们应该把自杀看成是一个连续谱系，动物王国中的很多种类都有这种能力。我认为，自杀不仅适用于人类。但问题在于，从某种意义上讲，我们将哈姆雷特当作了自杀行为的代表模式，这扭曲了我们看待什么是自杀的真实图景——不但是关于人类，也扭曲了非人类的动物，他们自杀的真实图景。

我为动物自杀寻求例证是从常用的自杀定义开始的，这种定义试图将非人类的动物排除在外，因为它把自杀界定为必须具备某些必要条件，而这些条件只有人类才会具备，比如，主观性、自由意志和死亡意识。例如，很多研究人员认为，只有拥有自我概念（有“我”的意识感）的个体才有自杀能力。然而，大量科学证据显示，很多动物也有自我概念。它们可以在镜子中识别自己，能够区分自己和他者，能够思考它们的行为与他者行为之间的关系。

还有人认为自由意志也是必备条件，而自由意志只有人类才有。然而，当代很多神经科学家认为，自由意志是一种幻觉，我们的行为与动物的行为一样，都是受到限制的。就此而言，动物也许没有自由意志，但我们也没有。相反，如果我们确实有自由意志，我们可以想做什么就做什么，我们也没有理由认为其他动物不拥有自由意志。非人类的动物也会有行为偏好，也会做出自愿选择，比如，是否、何时以及如何追求它们的偏好。就此而言，如果我有自由意志，那么我的猫也有。

哲学家就像哈姆雷特一样，经常被死亡话题所吸引，他们当中有些人相信，自杀需要具备死亡的概念，而这只有人类才有。但科学证据再次与我们的直觉信念相悖。行为学研究表明，与我们的直觉观念不同，当涉及死亡意识时，不同的动物也拥有程度不同的死亡意识，并构成了一个连续谱系。我们已经发现很多动物都有埋葬习俗，包括乌鸦、喜鹊、野生大猩猩、红狐、大象和海豚。此外，当家属或伙伴去世时，很多动物——包括像猫狗之类的宠物，以及像马、兔子和鸟之类的农场动物——也会体验到丧亲之痛、忧郁、悲伤等感受，这意味着活着的动物能够理解生与死的区别。

动物可能不会像哈姆雷特那样坐着思考生存问题，但据一些研究显示，它们具有死亡概念，也能区分致命和非致命的环境。

这意味着，认为只有人类才有自杀概念的三种理由——只有人类有自我概念、自由意志或死亡意识——在哲学上讲都是站不住脚的。人们总是要么勉强承认非人类的动物也会自杀，要么勉强排除假想中的人类自杀（比如，小孩的自杀、认知障碍患者的自杀，以及毒瘾和精神疾病患者的自杀），这取决于一个人如何理解这些理由。

但目前来看，这些理由都是否定性的，是否存在着正面理由，证明非人类动物有自杀能力呢？我相信有这样的理由。

最有说服力的论证之一来自于大量的科学记录：人类与非人类动物在认知和行为方面有诸多相似之处，而这些认知和行为都与自杀有关。比如，动物也会体验到负面情绪，患上精神疾病，比如，抑郁、创伤后应急障碍、兴趣缺乏、绝望和慢性焦虑，而它们通常被视为人类自杀的先兆。动物还显示出了自我伤害行为，比如，自残和同类相残。如果这些行为发生在人类身上，就会自然地被认为是一种自杀导向的行为。当动物脱离同伴，孤独地生活在人工环境和糟糕环境中时，比如，实验室、动物园和水族馆，这些行为就会更为常见。此外，还有来自基于动物实验研究的大量证据表明，动物与人类的相似之处不仅体现在认知和行为方面，还体现在生物化学特征上。

我们最出色的科研成果已经向我们表明，非人类动物（1）能够体验与人类相似的情绪和心理状态，而这些状态可能会导致自杀；（2）显示出与人类相似的自杀行为；（3）在从（1）到（2）的过程中，它们也经历了与人类相同的生物化学和生物反应过程。这些相似之处增强了动物自杀报告案例的可信度。

最有名的动物自杀悲剧之一，要数名叫凯西（Kathy）的一只海豚。她是电视节目Flipper中的明星之一，大多数时候她独自生活在一个水槽中。据她的训练员说，她逐渐变得抑郁，然后有一天，在没有任何明显征兆的情况下，她沉入水槽底部，“决定”不再浮出水面呼吸空气。

我们很容易倾向于认为，这一案例是一种拟人化的投射，把凯西当成了哈姆雷特。她当然不是哈姆雷特，但有很多很多的人，其自杀行为也与哈姆雷特的方式不同。

诚然，在动物自杀领域，还需要进行更多的研究，但现有研究已经表明，我们不应该将自杀视为非此即彼的二分法（也即是，只有人类才有，动物没有），而应该视为一个连续体，视为“一个自然谱系，它覆盖了广泛的动物行为，包括（1）自我导向行为，（2）导致严重的自我伤害，或者导致要么突然、要么经过一段时间之后的生命终结。”一旦我们将自杀行为视为一个连续体，非人类自杀的观念就不再像以前那么不可思议了。

我应该澄清的是，当我说自杀是一个连续谱系时，我并没有说所有动物都会以同样的方式自杀。自杀行为发生在很多动物身上，而且有可能方式是各不相同的。当处于极为恶劣的环境时，有些物种可能会表现出简单的自杀行为（比如，自残）。当情绪崩溃时，有些动物可能会显示出稍微复杂一些的自杀行为（比如，撞头和其他典型行为）。如果有些动物有精巧的认知能力，比如，规划和执行控制能力，它们可能会显示出非常复杂的自杀行为（比如，选择绝食）。这些自杀行为各不相同，但用涂尔干的话说，所有这些差异都属于“同一种类型的差异”。

翻译：王培

校对：亦兰

原文：https://iainews.iai.tv/articles/to-be-or-not-to-be-on-whether-animals-can-commit-suicide-auid-1087

那么，站在15年后来看，这本书到底在讲什么？它的核心是讲一些非常抽象的东西：元理论（the theory of all possible theories）或者元宇宙（the universe of all possible universes）。但对我而言，本书的一大成就是认识到人们可以在程序可实现的计算型宇宙（computational universe）中做实验，以此探索事物本质。在书的结尾有许多乍一看很奇异的图片，其实它们只是由非常简单的程序生成。

在1980年，我是一名理论物理学家，如果那时你问我简单程序能做什么，我可能会回答“并不多”。大自然展现出的复杂性深深吸引着我，但像典型的还原论科学家那样，我认为理解复杂性的关键在于搞清楚事物基本成分的详细特征。

现在回想起来，命运对我十分眷顾，多年前我恰好拥有兴趣和技能去切实探索计算型宇宙中最基本的实验：系统地排列一套最简单的程序，并运行它们。

我最初就知道会发生很多有趣的事情，然而很多年以后，我才开始真正体会到我所看到的伟大力量。对我而言，一切都始于一张照片：

或者，它的现代形态：

我称之为规则30。这是我一直最喜欢的发现，我把它印在自己随身携带的名片上。它是什么？是我们能想象的最简单的程序之一。它运行在数排黑白相间的单元格上，从一个黑色单元格开始，然后在下一行重复应用给定规则。关键在于，尽管这些规则怎么看都极其简单，应用后浮现出的模式并不简单。

这是计算型宇宙的一个出人意料却十分关键的特征：即使极其简单的程序也可能生成非常复杂的行为。我花了整整十年才明白这种现象有多广泛。它并不仅仅发生在像规则30这样的元胞自动机上。在人类想象范围内所有规则或程序中，它基本都会出现。

类似的现象已经出现了几个世纪，譬如圆周率和素数分布，不过它们基本只被视为个例，其深刻意义尚未得到挖掘。距我第一次看到规则30的现象，已经过去近35年了，每过一年，我就更清楚地了解其中蕴含的深远意义。

四个世纪以前，木星的卫星及其运转规律的发现，为现代精密科学和现代科学思维奠定了基础。那么规则30能否催生另一次知识革命，进而带来一种新的思考方式？

从某种意义上来说，我不太喜欢充任引领者（“转换范式”是个费力不讨好的活）。多年来，我只是径自用这些概念来发展技术和完善构思。但随着计算和人工智能逐渐站在世界舞台中心，我认为应当让更多人理解计算型宇宙蕴藏的巨大价值。

计算型宇宙的含义

以下是我今天看待这个问题的方式。通过观察木星的卫星，我们提出一个观点：假如以正确方式看待的话，宇宙是一个有序而规律的地方，而人类终将理解它。但现在，通过探索计算型宇宙，我们很快发现类似规则30这样的存在，认识到即便极简规则也能生成不可化约的复杂行为。

《一种新科学》的伟大发明之一是计算等价性原理。第一步是把每个过程（无论它发生在黑白方格、物理世界还是我们大脑中）视为一种将输入转为输出的计算。计算等价性原理表明，在一个极低的阈值上，所有过程都对应着复杂度相同的计算。

当然它也不一定正确。也可能类似规则30的过程要比飓风的流体动力学，或者我在写作时的大脑运动过程更简单。而计算等价性原理认为这些事情在计算上是等价的。

这是一个有着深层含义的重要论证。一方面，它暗含着我所说的计算不可化约性（computational irreducibility）。如果有类似规则30的东西正在进行和大脑或者数学一样复杂的计算，我们不可能‘‘超过’’它去预测结果，只能通过不可化约的计算，有效跟踪其每一个步骤，弄清楚它要做什么。

精密科学中的数学传统尤其强调通过求解方程来预测系统行为。但是计算不可化约性表明，传统方法并不适用于分析计算型宇宙，我们只能通过执行明确的计算来模拟系统行为。

观察世界的角度转变

在《一种新科学》这本书中，我完成的其中一件事是展示了如何将简单程序作为一种模型，应用于分析各种物理、生物和其他系统的基本特征。书籍出版时，不少人对此持怀疑态度。大家都认为严肃的科学模型应当建立在数学方程基础上，这种延续了300多年的学术传统的确非常牢固。

但在过去的15年里，一些惊人的变化已经发生。今天，无论在动物行为模式领域还是网络浏览行为领域，新涌现的模型通常都基于程序而非数学方程。

年复一年，时间缓慢无声地流逝着。而在这个领域，却发生了戏剧性转变。三个世纪以前，数学方程取代了纯粹的哲学推理。在短短几年内，程序又取代了数学方程。目前来看，程序是实用而高效的：它做得更好，更有用。

在理解事情发生的基础时，人们会被引导至类似计算等价性这种想法上去，而非数学理论和微积分。传统的以数学为基础的思维方式使得力和动量等概念在我们讨论世界时随处可见。但是现在，当我们从根本上思考计算理论时，必须从不可判定性（undecidability）和计算不可化约性（computational irreducibility）这样的概念开始。

某种类型的肿瘤会在某种特定模式下停止生长吗？这或许就是不可判定性。如何预测天气变化？这或许就是计算不可约性。

这些概念不仅在理解能否对事物建模时大有帮助，而且在弄清楚能否管控事物时也非常重要。在经济领域，计算不可化约性会制约全球治理方式的发挥空间。在生物领域，计算不可化约性也会抑制普遍疗法的可能性，使得推动个性化医学疗法的发展成为必然趋势。

基于计算等价性等原理，我们能展开讨论，究竟为何自然界中复杂行为如此常见。或者，为什么就连确定性极强的基本规则也会导致计算不可约的行为，虽然从实践上看这种行为貌似体现了“自由意志”。

深耕计算型宇宙

《一种新科学》的一个中心思想是，计算型宇宙中有着令人难以置信的丰富性。这意味着，存在非常丰富的资源可供我们挖掘利用。

你想自动生成一个有趣的定制艺术品吗？那就先看看简单的程序，然后自动选择一个你喜欢的，正如WolframTones音乐网站十多年前做的那样。想找到一个最优算法吗？只要搜索那些程序足够多次，就会找到合适的那一个。

通常情况下，我们习惯于付出努力、按部就班地建造事物，比如逐步制定建筑计划，画工程图纸或者写代码。但是，拥有极易获得的丰富性的计算型宇宙为我们提供了另一条创作之路：不用尝试建造任何东西，你只需要给出所要之物的定义，然后在计算型宇宙中搜索即可。

有时候真的挺容易找到。比如，你想生成一个随机数。那么，只需要枚举元胞自动机（就像我在1984年做的那样），很快就会发现规则30——它是最广为人知的显性随机数生成器之一（例如，看一下单元格值的中心列）。否则，你可能得搜索100000个案例（就像我在寻找逻辑最简单的公理系统，或者最简单的通用图灵机那样），或者搜索数以百万甚至万亿的案例。过去25年里，在计算型宇宙中，我们发现了很多新算法，同时我们也依靠这些算法来运行Wolfram语言。

某种程度上，这相当引人深思。如果人们在计算型宇宙中发现了一些小程序，那么就可以说它做了人想做的事。但是，当我们观察程序运行时，并不了解它背后的运行逻辑。即便可以分析程序的某个部分，并惊叹于它的“聪慧”，仍旧无法理解整个过程，毕竟这和我们熟悉的思维模式大相径庭。

当然，我们在使用造物主的杰作时也有过类似体验。我们可能会发现，某些特定物质是一种有效药物或强力化学催化剂，却不清楚其原理。然而，在工程学以及大多数推动现代技术进步的努力中，我们的关注重点通常都放在建构那些设计结构和运转逻辑比较易于理解的事物上。

曾经，我们以为这就足够了。但在对计算型宇宙的探索中，我们发现这远远不够：只选择那些我们易于理解的事物，就会忽略计算型宇宙中的大多数巨大力量和丰富性。

现有技术的世界

当我们从计算型宇宙中挖掘出更多东西时，世界会变成什么样？今天我们构建的环境充斥着像简单形状和重复过程这样的东西。但我们越频繁地利用计算型宇宙，事物看起来就会越不那么寻常。有时，它们看起来像“有机物”，或者像我们在大自然中看到的东西（毕竟大自然遵循类似的规则）。但有时候它们看起来相当随机，直到有一天突然不可思议地达到了我们能够认知到的某种形态。

数千年来，人类作为一种文明，一直在探索周遭的道路上前进——无论是用科学解码自然，还是用技术创造环境。然而，要想利用计算型宇宙的丰富资源，我们就必须在一定程度上放弃这条道路。

过去人们都认为，和人类创造的工具相比，人类大脑拥有更强大的计算力，因此我们总能“理解”他们。但计算等价性原理表明这是错的：计算型宇宙中有很多东西和人类大脑或人造工具一样强大。一旦我们开始使用这些东西，我们就失去了所谓的“护城河（edge）”。

今天我们仍在想象，我们可以识别出程序中那些不相关的漏洞。但在计算型宇宙中，计算不可化约性遍地都是，人们唯一能够做的只是运行它，看看会发生什么。

人类本身作为一种生物系统，就是在分子尺度上进行计算的一个绝佳案例，我们身上同样遍布着计算不可化约性（这就是在一些基本层面药物难有成效的原因）。我想这是一种权衡：人们可以将技术运算限定在可被理解的层面上。不过，这无疑会错过计算型宇宙中的诸多丰富性。而我们甚至无法将自身的生物学成就在我们创造的技术中对应起来。

机器学习和神经网络的复兴

我注意到，知识领域存在一种普遍现象。在几十年、甚至几百年内，知识水平都在缓慢增长，之后由于某种方法论的进步，开始迈入5年左右的“高增长”时期，几乎每周都有重大成果面世。

非常幸运，我上世纪70年代刚进入粒子物理学研究领域时，正值该领域的飞速发展期。于我而言，上世纪90年代是我个人的一个高产期——《一种新科学》就是这么来的，事实上这也是我十多年都不舍得离开该领域的原因。

今天飞速发展的领域显然是机器学习，或者更具体地说是神经网络。我很高兴看到这一趋势。我在1981年就开始研究神经网络，甚至早于我开始使用元胞自动机和发现规则30。但我从没用神经网络做过任何有趣的研究，我认为它们过于复杂，无助于解决我关心的基本问题。

所以，我把它们简化后，利用元胞自动机做实验。（我受到了统计物理中伊辛模型等的启发，以此类推。）开始时，我认为简化过度了，小型元胞自动机无法进行有趣的实验。后来，我发现了规则30。自那以后，我一直试图深入理解它的含义。

在创建Mathematica（一款科学计算软件）和Wolfram语言（一种编程语言）时，我经常关注神经网络研究动态，偶尔也会用一些小方法来做一些算法。大约5年前，我听到一些让我惊讶的事：通过训练神经网络进行复杂运算的想法奏效了。起初我还不确定，后来我们开始尝试为Wolfram语言增加神经网络运算能力。两年前我们发布了imageidentify.com网站，现在我们已经有了一整套神经网络系统。是的，对此我印象深刻。一些传统上被视为只有人类才能完成的领域，现在已经可以利用计算机开展常规性工作了。

神经网络究竟是怎样运转的？它与大脑无关，只是灵感（尽管实际上它与大脑的工作方式可能多少也有些类似）。一个神经网络实际上是一系列对数组进行运算的函数，每个函数从数组中提取相当多的输入变量。它和元胞自动机没有什么不同。除了一点，那就是元胞自动机通常处理的不是像0.735一样的任意数字，而是像0和1这样规则的数字。此外，在元胞自动机中，每个步骤只从一个定义完整的局部区域获取信息，而不是从所有区域获取信息。

客观地说，现在“卷积神经网络（convolutional neural nets）”研究很常见，它的输入模式和元胞自动机同样有规律。人们逐渐发现，神经网络的运转并不依赖精确数字（比如32位），可能只需要几位数就够了。

神经网络的一大特征是，我们知道如何让它们“学习”。特别是，它们已经从传统数学中学到了许多功能（比如连续编号），无论提供什么样的训练集，都可以使用类似微积分这样的方法，使它们通过逐渐改变参数来适配行为。

目前还不清楚，需要多少计算量或者多少训练范例。但五年前的突破性发现表明，现代 GPU 和网络收集训练集已经足够用于解决许多重要的实际问题。

几乎没有人会在一个神经网络中最终明确地设置或“编程”得出一些参数。取而代之的是，它们会自动设定合适的参数。但不同于元胞自动机等简单程序（它们通常穷举所有可能性），神经网络有一种基于微积分的渐进过程，这会逐渐完善网络，类似于生物进化过程中逐步提高有机体“健康”的过程。

这种训练神经网络的方式效果显著，不过人们也很难理解其内在规律。但从某种意义上说，神经网络依旧大致遵循计算型宇宙的规律：它基本上保持相同的计算结构，并且通过改变参数来改变其行为。

于我而言，神经网络的成功是对计算型宇宙理论阐释力的认可，也是对《一种新科学》思想的另一种印证。因为它表明，在计算型宇宙中，只要摆脱详细行为能被预测的确定性系统的束缚，马上就能发现各式各样的丰富性和有用的东西。

符合现代机器学习理论的《一种新科学》

是否能在神经网络分析中用上计算型宇宙的全部力量和《一种新科学》的思想？对此，我表示怀疑。实际上，随着对细节的认知愈发清晰，我认为对计算型宇宙的探索将进入高速增长期：进入一个前所未有的繁荣时期。

在当前的神经网络研究中，存在一种明显的权衡。在神经网络内部，与简单函数（包含基本参数）相似的部分越多，就越容易用微积分的思路来训练网络。但是，神经网络与离散程序或者结构可变的计算越相似，其训练难度就越高。

值得一提的是，我们现在经常训练的网络在几年前来看是完全做不到的。正是这些数千万亿次的 GPU 高效运算才使得训练可行。即使在增量数值方法不可能到达的领域，有人用非常常见的技术（就比如说，本地全局搜索）做重要的训练，我也不会太惊讶。甚至有可能发明像微积分一样的主要归纳法，并运用在整个计算型宇宙中。（不过，基于对元胞自动机规则空间等事物的几何基本概念的概括性认识，我仍保有一些怀疑。）

人们能利用它做什么？或许会发现能实现特定计算目标的更简单的系统，也可能诞生超出我们目前可实现的（比如人类大脑范畴）的全新运算层次。

近期，有个关于建模的趣事。随着神经网络越来越成功，人们开始疑惑：当我们可以为神经网络的结果构建一个黑盒模型时，为什么还要费心模拟系统内部运转过程？如果我们设法让机器学习深入计算型宇宙中，我们就不必再费劲权衡了，它们已经能够学习其模型机制和结果。

我敢肯定，将完整的计算型宇宙引入机器学习范畴，将会带来惊人的后果。值得一提的是，计算普遍性和计算等价性原则会弱化它的原理性。因为这两个特性表明，即使目前通用型的神经网络也能模仿任何其他系统的功能。（事实上，1943年诞生的现代神经网络思想带来了这种普适性。）

作为一个实用性问题，当前的神经网络早期是建立在硬件上等事实，会使它们成为现行技术系统所需要的基础，即便它们远远不算最优解。我的猜测是，在可预见的未来，让有些程序可以访问完整的计算型宇宙是很有必要的，这也使得它们更加实用。

发现人工智能

实现人工智能需要怎样的条件？儿时，我喜欢研究如何让计算机知晓事物，并且能够回答它已知的问题。在我 1981 年学习神经网络时，这项兴趣也部分包含在我当时的所做的——试图理解怎样构建这样一个系统之内。碰巧，我那时刚刚开发了 SMP（一款数学软件），它是 Mathematica 的前身（最后演化为Wolfram语言），并且主要基于符号模式匹配（“假如看到A，则将A转换为B”）。当时，我想象人工智能是某种“更高层次的计算”，但是不知道如何实现它。

我时常思考这个问题，却一直没能解决。然而，当创作《一种新的科学》时，我突然想到：如果我真的相信计算等价性原理，那就不存在任何所谓“更高水平的计算”，因此人工智能必须依据现有水平的计算知识来实现。

正是这个认识让我着手开发 Wolfram|Alpha（一个“计算知识引擎”）。我发现，很多像自然语言处理这样“人工智能导向的东西”，只需“普通计算”就能完成，压根用不到任何神奇的新型人工智能发明。客观地说，事实的一部分就是：现在我们已经在使用《一种新科学》中的思想和方法：我们不仅仅在将所有事物程序化，而且常常在计算型宇宙中搜索规则和算法来使用。

那么能否普遍运用人工智能？基于目前所掌握的工具和知识，我们的确可以将我们可以定义的任何事物自动化。但问题在于，下定义是一件比我们想象中更困难、更核心的事。

我看待这一点的方式是，有很多已经很接近计算型宇宙的运算。它们是很强大的，可以和人类大脑相媲美。不过，除非它与人类的目标和动机相结合，否则我们便不认为这是一种“智力”。

自从开始写作《一种新科学》，我一直喜欢引用格言“天气有自己的想法”。这听起来像一种万物有灵论和先知论。不过计算等价性原理表明，根据多数现代科学理论来看，这种说法是正确的：气象流体力学和人类大脑中的电传导在计算复杂度上是相同的。

但是，它是“智能”的吗？当我和人们谈论《一种新科学》和人工智能时，我经常被问到何时能让机器诞生“意识”的问题。生命、智能、意识：它们都是人类在地球环境下提出的特定概念。那么，在普遍意义上它们究竟是什么？所有地球生命都有核糖核酸（RNA）和细胞膜。但这仅仅是因为我们所知的生命都是相关联的历史分支的一部分，并不意味着这些细节正是生命概念的根本要素。

智能也是如此。我们只有一个有足够说服力的例子：人类。（对动物我们都无法肯定。）但我们所经历的人类智能与人类文明、人类文化和生理结构都有着深刻的关联，尽管这些都和智能的抽象定义毫无关联。

我们也可能会想到外星智能。虽然计算等价性原理暗示我们周围其实存在“外星智能”，但它与人类智能并不完全一致。譬如，规则30就像人类大脑一样进行着复杂计算，但它对于自己正在计算的东西的意义似乎并不明确。

我们想象，人类行动总是包含特定目标和动机，而规则30只是按照限定规则在运转。不过，我们终将意识到，两者之间的差异并不大。毕竟，人类大脑同样被自然规律所支配着，某种程度上我们的行为也只是在遵循那些规则。

任何过程都可以用机械原理来描述（“石头遵循牛顿定律运动”），也可以用目标论来描述（“石头正在移动以最小化潜在能量”）。基于机械原理的描述在和科学产生关联时最有用，而基于目标论的描述在和人类智能产生关联时最有用。

这对于思考人工智能至关重要。我们可以构建出与任何事物复杂程度相当的计算系统，但我们能让它们去做符合人类目标和动机的事情吗？

从某种意义上说，这是人工智能的关键问题：重要的不是实现底层的复杂计算，而是如何从计算中实现我们想要的沟通。

语言的重要性

我一生大部分时间从事的是一名编程语言设计师的工作，其中最重要的成果就是创造了 Wolfram 语言。我一直将自己视作一个语言设计师，首先想象人们想进行什么样的计算，然后像简化论科学家一样，找到能用于建立计算的优质原语。但不知为何，在写作《一种新科学》和思考人工智能的过程中，我的思维方式逐渐改变。

现在，我认为自己正在人类思维模式和计算型宇宙的潜能之间架设一座桥梁。原则上，计算可以实现各种各样令人惊奇的事。编程语言，就是人类表达需求或目标，并尽可能使其实现自动化运转的一种方式。

编程语言设计必须从我们了解和熟知的内容开始。在 Wolfram 语言中，我们用英语单词命名内置原语（built-in primitives），利用这些单词已有的含义来引申。Wolfram语言与自然语言不同，它更加结构化，更加强大。它是基于人类共享的知识语料库，建立于我们熟知的词汇和概念之上。它给我们提供了一种建立任意复杂程序的途径，以便能有效指向任意复杂的目标。

计算型宇宙能做很伟大的事，但这些事未必都是我们人类能描述或与之产生联系的。但是，在构建 Wolfram语言的过程中，我的目标是尽最大努力挖掘人类所需的一切，并用可执行的计算术语来表达它。

当我们在观察计算型宇宙时，很容易被已有的表达方式或思维框架所局限。现代神经网络提供了一个有趣的例子。为了开发 Wolfram语言的图像识别功能，我们训练神经网络识别了上千种事物。为了满足人类的需求，神经网络最终得用可以被语言命名的概念来描述它看到的东西，譬如桌子、椅子、大象等等。

然而在神经网络内部隐含的操作逻辑是识别世界上任何物体的一系列特征。它是绿色的吗？它是圆的吗？等等。经过训练后，神经网络能鉴别出有助于分辨事物差异性的特征。问题在于，这些特征几乎都没有用人类语言指定过。

在计算型宇宙中，可以找到描述事物的绝佳方法，我们对此却十分陌生。基于人类文明的现有知识库，我们还无法表述他们。

当然，当前人类知识库也在不断添加新概念。一个世纪以前，人们还无法描述嵌套模式（nested pattern），而现在我们只用说“它是一个分形（fractal）”。关键在于，在计算型宇宙中，“潜在有用的概念”是无穷尽的，我们永远也不可能跟上它的步伐。

数学中的隐喻

写作《一种新科学》时，我把它视为打破数学的应用——至少是作为科学的基础的一种努力。不过，我意识到的事情之一就是，纯数学本身也对书中思想产生了很大影响。

什么是数学？它是一门基于数字、几何等来研究确定的抽象系统的学科。从某种意义上看，它探索的是所有潜在抽象系统组成的计算型宇宙的一小部分。但也不能否认数学对人类知识领域的巨大贡献：事实上，大约300万个已知的数学定理也许是人类构建的最大的体系性智力结构。

自欧几里得以来，人们至少在理论上认为数学先从某些公理（比如，a+b=b+a，a+0=a，等等）开始，然后再构建定理推导过程。数学为什么难？根源在于计算不可化约性现象，显而易见，我们无法简化定理的推导步骤。换句话说，数学得到的结果可能是任意的。更糟的是，正如哥德尔不完全性定理（Gödel’s Theorem）所论证的那样，数学已经证明某些系统内存在既不能证明也不能证伪的命题。这种情况被称为“不可判定性（undecidable）”。

从某种意义上说，数学之伟大就在于可以有用地去证明它。毕竟多数我们关注的数学结果都与不可判定性相关。那为何这种不可判定性不出现呢？

事实上，如果人们考虑随机抽象系统（arbitrary abstract systems），它出现得很多。以典型的元胞自动机或图灵机器为例，询问系统，是否无论其初始状态如何，均停止在周期性行为上。就连如此简单的事物，往往都呈现出不可判定性 。

为什么数学中不会出现这种情况？也许数学公理有其特殊之处。当然，假如有人认为数学是唯一描述科学和世界的工具，也许是出于某种特定原因。但本书主旨认为，计算型宇宙中有一整套潜在规则，可以用于科学研究和描述世界。

事实上，我并不认为数学传统中所使用的公理有任何普适意义：它们只是历史的偶然产物。

人们发明的数学定理又是怎样的？我认为它们同样是历史产物。除了最微小的区域之外，数学海洋中充满了不可判定性。但不知何故，数学偏爱挑选可以证实定理的岛屿，并且为自己处于靠近需耗费巨大努力方可证明的不可判定性之海的地方而自豪。

我对数学中已公布的定理的网络结构很感兴趣（这是一种有待整理的东西，像历史上的战争或化学物质的特性）。我很好奇，数学成果中是否存在固定序列，或者从某种意义上说，随机部分是被人为挑选出来的。

我认为，有相当多的类比可以用于理解我们之前讨论的关于语言的问题。什么是论证？基本上是一种向某人解释为何某事为实的途径。我已经做了各式各样的自动化论证，其间有成百上千个步骤，每个环节都能用计算机加以验证。但是，就好比一个神经网络的内部构造，这怎么看都很奇怪，人类难以理解。

如果一个人想要理解它，必须熟悉“概念性节点”（conceptual waypoints）。这更像是语言体系中的词汇。如果论证的某个特定部分有一个名称（如“史密斯定理”），并且拥有公认的含义，那么它对我们就是有用的。但如果这是一个无差别的计算组块，对我们而言就没有任何意义。

任何公理系统都包含一系列无穷可能的定理。哪一个是“有趣的”？这真是个独属于人类的问题。基本上，它们最终都会成为“有故事的定理”。我在这本书中指出，从符合基本逻辑的简单案例来看，历史上被视为有趣的命名定理在某种意义上恰恰是最微不足道的。

我猜测，对于更丰富的公理系统，“有趣”的东西必须来源于已经被视为有趣的事物。这就像建构一个单词或概念：除非将其与现有概念相联系，否则无法引入新概念。

近年来，我特别好奇像数学这样一个领域，究竟固步自封、缺乏进步到了何种程度。是否只能有一条历史演进路径——从算术到代数再到现代数学的更高成就？还是有无数种多样化的可能性，可以造就完全不同的数学史呢？

某种意义上，答案取决于“元数学空间的结构（structure of metamathematical space）”：也就是远离不可判定性汪洋大海的真实定理网络是什么？也许对不同的数学领域而言有一些差别，有些领域（认为数学是“被发现的”）会比其他领域（认为数学具有随机性，且数学可被“发明”）更“固步自封（inexorable）”。

但对我来说，最有趣的事情莫过于，当我们看待这些术语时，关于自然与数学特性的问题，最终和自然与人工智能的特性的问题是多么近似。正是这种共性使我意识到，《一种新科学》的想法是多么强大和普遍。

科学何时出现？

传统数学方法在物理学和天文学等科学领域的确发挥了重要作用，但在其它一些领域，如生物学、社会科学和语言学等却用途不大。长期以来，我一直坚信，要在这些领域中取得进展，必须要拓展目前使用的各种模型，站在更宏观的计算型宇宙中考虑问题。

的确，过去15年间，这种做法也逐渐取了一些成功。比如，有许多生物和社会系统都在使用由简单程序构建的模型。

不同于呈现为“可解决状态”的数学模型，进行精确模拟后，计算模型通常呈现出计算不可化约性。这可以成功做出特定预测或应用于技术模型。但这有点像数学定理的自动化论证，人们可能会问：“这真的是科学吗？”

是，人们可以模拟系统行为，但是否能“理解”它呢？在某种意义上，计算不可化约性意味着人们并不总是能够“理解”事物。在计算模型中，可能没有有用的“故事”可讲，也可能没有“概念性节点”，只有大量的详细计算。

想象一下，某人正在努力研究大脑如何理解语言——这是语言学的一大目标。也许我们会得到一个精确模型，发现一些决定神经元放电或低水平大脑表现的精确规律。然后我们来看看，在理解整个句集时产生的特定模式。

如果这些模式看起来像规则30的行为呢？或者像循环神经网络的内部结构？我们能讲一个发生了什么的故事吗？要做到这一点，就必须创建某种更高级的符号表示法：在这里有效产生了能表示事件的核心元素的词汇。

然而，计算不可化约性意味着可能没法创造这些东西。虽然它总能发现一个计算可归约性（computational reducibility），从而使人们可以陈述一些东西。但不会存在一个完整的故事。可能有人会说，这些可归约的科学事实没用。不过，这只是当人们使用（如标题所述）《一种新科学》时会碰到的麻烦之一。

控制人工智能

近年来人们很担心人工智能。他们想知道，当人工智能“比人类更聪明”时会发生什么。计算等价性原理带来一个好消息：从基本层面来说，人工智能永远不会“更聪明”——它们只能进行和人类大脑层次相当的运算，这和简单程序在做的事一样。

当然从实际来讲，和人类大脑相比，人工智能确实可以更快地处理大量数据。我们也会让它们替人类处理许多事物，比如从医疗设备到中央银行再到运输系统等。

那么重要的是，我们该如何指导它们做事。一旦我们开始真正应用计算型宇宙，就不可能给人工智能“手把手式”的教导。而是我们只需要为人工智能设定目标，让它们自己找出实现这些目标的最佳路径。

从某种意义上说，我们已经用Wolfram语言这样做很多年了。有一些用来描述任务（诸如画图、数据分类等）的高级功能，之后编程语言会自动寻找最优解完成任务。

最终，真正的难题是找到一种描述目标的方法。比如，你想寻找一个元胞自动机，用于制作“漂亮的地毯图案”或者“好的边缘检测器”，但这些东西究竟意味着什么？你需要的是一种能帮人类尽可能准确传递其意图的语言。

这和我之前谈过的问题差不多。人们必须找到一种可以相互间讨论我们关心的事的方式。计算型宇宙中有无限多的细节。但是通过人类文明和共通的文化历史，我们可以找出一些重要概念，并用它们来表述目标。

三百年前，像莱布尼茨这样的人热衷于寻找一种精确的象征性方式来呈现人类思想和人类话语。他太超前了。直到现在，我们才胜任这项任务。事实上，我们花了很长时间才让Wolfram语言能够描述真实的世界。我希望能建立一个完整的“象征话语体系”，帮助我们谈论我们关注的事。

今天，我们只是用比日常用语更精确一点的法律术语撰写法律合同。但是用象征语言，我们可以撰写真正的“智能合约（smart contracts）”，用高级术语描述我们的目标，随后机器便可以自动验证或执行合约。

那人工智能呢？我们要告诉它们，我们希望它们做什么。我们需要和它们签订合约，或许还得为它们制定章程。这些文件都建立在某种象征语言之上，它既允许我们表达目标，也能交由人工智能执行。

关于人工智能章程应该包含什么，以及如何构建它，从而反映世界政治和文化景观，有很多值得探讨之处。其中一个显而易见的问题是：人工智能章程能会像阿西莫夫的机器人三定律那样简单吗？

《一种新科学》中蕴藏着答案：不可能。从某种意义上说，章程是一个描述世界的可能性与不可能性的尝试。然而计算不可化约性表明，这需要收集无穷多的分析案例。

我觉得这很有趣，计算不可化约性等理论最终和一些很实际且核心的社会问题相冲突。一切都始于对理论可能性的理论探索，最终却演变为社会上每个人都要关心的问题。

无穷尽的前沿

我们会达到科学的终点吗？我们——或者人工智能——最终会发明出一切需要发明的东西吗？

对于数学，很容易发现我们能构造出无穷个定理。对于科学，也有无数详细问题要问。同时，还有无数发明等待我们去创造。

但问题在于：有趣的新事物总会一直存在吗？

计算不可化约性表示，通过对旧事物进行大量不可化约的计算后，总会发现新事物。因而从某种意义上说，我们总会发现“惊喜”，但并不会从旧事物中立即浮现出来。

它只是像不同形状的怪岩一样无穷无尽？还是会出现一些人类认为有趣的新特征？

又回到了我们曾遇到过数次的问题：对人类而言，我们必须基于可用于思考某个事物的概念框架来发现有趣的事物。的确，我们可以在元胞自动机中找到一个“永久结构”，然后开始谈论“结构间的碰撞”。但当我们看到一堆乱七八糟的东西时，除非用更高层次的象征性的方式来谈论它，否则并不会感到“有趣”。

从某种意义上说，“发现有趣”的速度不会受到人类进入计算型宇宙和发现事物能力的限制。相反，它将被人类为发现的新事物建构概念框架的能力所制约。

这类似于《一种新科学》形成过程中正在发生的事。人们看到这些（http://www.wolframscience.com/nks/p42–why-these-discoveries-were-not-made-before/）（素数分布、圆周率位数等）。但如果没有相应的概念框架，它们看起来并不“有趣”，也不会存在以它们为核心建构的事物。事实上，当我更加了解计算型宇宙——甚至是我很久以前看到的东西——我逐渐建立起支撑我走得更远的概念框架。

此外，需要指出发明（inventions）与发现（discoveries）有一定差别。人们在计算型宇宙中看到一些新东西，这是一种发现，而如何利用计算型宇宙实现某种目标才是一项发明。

而且像专利法一样，如果你只说“看，这就行了”，那算不上真正的发明。你必须以某种方式理解它达成的目标。

在过去，发明过程的重点往往是让某个东西开始工作（发明让灯泡亮的灯丝等等）。但在计算型宇宙中，重点转移到了发明目的上来。因为一旦你描述了目标，就可以自动化地找到一种实现路径。

这并不意味着它总是很容易。事实上，计算不可化约性意味着它相当困难。比如，你知道某些化学物质相互作用的精确规律。你能找到一种化学合成路径，进而发现某种特定的化学结构吗？可能有一种方式，但计算不可化约性同时表明，我们可能无法弄明白这条路究竟有多长。如果还没找到，那你可能永远也无法确定究竟是因为不存在，还是因为尚未找到。

物理学基本原理

如果一个人想探索科学的边界，他估计会怀疑物理学的基本理论。考虑到我们在计算型宇宙中看到的一切，物理世界是否和计算型宇宙中的某个程序存在对应关系？

当然，除非找到它，否则我们便无法真正了解它。但自从《一种新科学》出现后，我对这种可能性越来越乐观。

无疑这将是物理学的一大变化。如今，有两个主流基本物理框架：广义相对论和量子场论。广义相对论提出已经超过100年了，而量子场论估计也超过90年了。它们都取得了巨大的成就，但都未能提供一个完整的物理学基本理论。我想，现在已经是时候迈出新步伐了。

但还有一件事：在探索计算型宇宙的过程中，即使基于非常简单的模型，我们也会迸发出大量关于可能性的灵感。我们可能认为，物理学的丰富性必须基于一些非常复杂的基础模型。但目前来看，即使是非常简单的底层模型也能很好地生成复杂性。

底层模型可能是什么样的？我不打算展开讨论很多细节，只想强调一点，底层模型应该尽可能少地嵌套。我们不能自大地认为已经理解了宇宙构造；我们应该使用尽可能非结构化的通用模型，按照计算型宇宙的逻辑去运行：搜索一个能实现任务目标的程序。

我最喜欢的非结构化模型是网络：它只是一个链接节点的集合。它们完全有可能形成一些类似代数结构的模型，也可能形成一些其他的东西，但都可以被视作一种网络。按照我的设想，它是一种时空表层之下的网络：我们已知的时空表征都必须从该网络的实际行为中显现出来。

过去的十年里，人们越来越关注循环量子引力（loop quantum gravity）和自旋网络（spin networks）。它们和我一直在做的事一样，都涉及到网络，也许两者间还有更深的关联。但在通常的表述中，他们更像是一种数学式的复杂。

从传统物理学方法的角度来看，这是个好主意。但是，基于从研究计算型宇宙而来的直觉，而且将其应用于科学和技术，似乎就完全没必要。的确，我们尚未彻底理解物理学的基本理论，但可以理解最简单的假设。它和我研究过的简单网络特别相似。

一开始，对经过传统理论物理训练的人（包括我自己）来说，这显得很陌生。不过，还是有一些东西并非那么陌生。大约20年前，我有一个大发现（至今还未被广泛接受），当你看到一种我研究过的巨型网络时，你可以证明它的平均行为遵循爱因斯坦重力方程（Einstein’s equations for gravity）。换句话说，即使不在基础模型中置入任何精致的物理定律，它也会自动出现。这个发现特别让人激动。

人们对量子力学提出了很多问题。的确，我的基本模型并未建立在量子力学上（正如它不建立在广义相对论上一样）。目前要确定“量子力学”的本质比较困难，不过也有一些潜在迹象表明，我的简单网络最终表现出了量子行为——就像我们所熟知的物理学一样。

假如，由无数可能的程序构成的计算型宇宙中存在基础物理理论，那我们该如何寻找呢？显然，应该从最简单的程序开始搜索。

在过去的15年里，我一直在做这件事，虽然频率低于我的预期。到目前为止，我的主要发现是，很容易找到那些并非显然不属于我们宇宙的程序。有很多程序的时空表征与我们这个宇宙差异很大，或者还表现出其他异常。但事实证明，找到并非明显不属于我们这个宇宙的替代宇宙并不困难。

但计算不可化约性给我们出了个难题。我们可以通过数十亿个步骤模拟替代宇宙，但并不清楚它会朝什么方向演变，是否会成长为我们这样的宇宙，或者完全不同。

我们不太可能仅仅通过宇宙初始时的片段状态，就能发现任何熟悉的东西，比如说光子。因此，我们很难构造一种描述性的理论或者强有力的物理学。但从某种意义上说，这和我们在神经网络等系统中面临的问题出奇地类似：那里有计算过程，但我们是否能识别出“概念性节点”，并从而建构一个可以理解的理论？

我们的宇宙是否必须在那个层面上可被理解这个问题我们并不清楚，而且我们可能在很长一段时间里都处于一种奇特状态中，自认为在计算型宇宙中发现了人类宇宙，却又不敢肯定。

当然，我们也许足够幸运，推演出了一个有效的物理系统，并通过我们发现的小程序重建整个宇宙。这是个非凡的科学时刻，但又会引发一系列新问题，比如为何是这一个宇宙，而非另一个？

装有一兆个灵魂的盒子

现在，我们人类是以一种生物系统的形式存在的。但在未来，肯定会在技术上以一种数字或者说计算型的形态再现人类大脑的所有过程。因此，只要这些过程能代表人类，就可以在所有计算层面上实现人类的“虚拟化（virtualized）”。我们可以想象，这样发展下去，未来整个文明形态可能会演变成“装有一兆个灵魂的盒子（box of a trillion souls）”。

盒子里面会以各种计算形式，展现那些“虚拟灵魂”的思想和经历。这些计算反映着宏伟的人类文明，以及我们的一切经历。但在某种程度上，它们并不算多么特殊。

也许会让人类有点失望，毕竟计算等价性原理已经表明，这些计算并未呈现出比其他系统更复杂的计算性——即使与简单计算相比也是如此——同时也没有呈现出复杂恢弘的文明历史。的确，细节蕴含所有历史。但从某种意义上说，不知道寻找何物或关心何物，你就不能说它有什么特殊之处。

好吧，但是“灵魂”本身呢？人们是否可以通过观察他们实现的特定意图来理解其行为？在目前的生物形态中，人类有各种各样的限制和特征，它们赋予我们目标和意义。但在虚拟的“上传”形态中，大多数都会消失。

我曾经思考过，在这种情形下，“人类”的意图会如何演化。当然，在虚拟化形态下，人类和人工智能之间差异不大。未来也可能会让我们失望，“虚拟灵魂”的未来文明为了消磨永恒时光而陷入“玩游戏”效应的陷阱。

我逐渐认识到，用我们目前对目标和意义的认识来理解未来是行不通的。想象一下，回到一千年前，给古人解释未来的人们每天都在跑步机上行走，或不断地给朋友发照片。关键在于，除非相应的文化框架已经形成，否则这些活动便没有意义。

当我们试图描述什么是有趣的或可解释的时，会再次发现这些都依赖于一整套“概念性节点”网络的发展。

我们能想象100年后数学的模样吗？它建立在我们不知道的概念上。同理，未来人类的动机也依赖于某些未知的概念。站在今天的人类视角，我们能做出的最好描述，或许是那些“虚拟灵魂”只是在“玩游戏”而已。但是对于未来人类而言，可能存在一整套微妙的动机结构，让他们能通过回溯历史文化发展的每一步来理解。

此外，如果我们了解物理学基本理论，随后完成虚拟化，那么至少在原则上：我们可以模拟“虚拟灵魂”宇宙的运转。如果这样可行，那就没什么理由必须对人类宇宙进行模拟，它可以模拟计算型宇宙中的任何宇宙。

正如我提到的，即使在任何宇宙中，也永远不会出现“事情都做完了”和“没什么可发现的了”这样的情况。但我有一些奇思妙想，那些“虚拟灵魂”不会满足于只存在于人类物理宇宙的模拟版本中，可能更乐于（无论这对他们意味着什么）走出牢笼，去探索更广阔的计算型宇宙。因而从某种意义上说，人类未来将是一个无穷尽的探索之旅，而这一切无疑会出现在《一种新的科学》所讨论的语境中。

计算型宇宙的经济学

很久以前，我们就被迫思考“虚拟灵魂”的问题。我们面临着一种窘境，在人工智能完成大部分劳动的世界里，人类应该做什么。从某种意义上说，这个问题并不新鲜：它只是科技和自动化发展的延伸。但不知为何，这次感觉非同寻常。

我认为原因在于，计算型宇宙中有那么多丰富、易得的事物。我们可以打造一台能自动完成任务的机器。我们甚至可以建造一台通用计算机，通过编程来完成多样化任务。然而，即使这些自动化程序拓展了人类行动的界限，人类仍旧得在其中投入许多精力。

现在不一样了，我们只要明确任务目标，剩下一切都会自动完成。各种各样的计算（也就是所谓的“思考”）可能即使没有人类的介入也会持续进行。

乍看之下，似乎不太对劲。未经耕耘，怎能丰收？这有点像问大自然是如何自身拥有复杂性的。要知道，我们耗费巨大精力制造的物品，本身也并不太复杂。我认为，答案是它正在对计算型宇宙进行挖掘。对我们而言亦是同理：通过挖掘计算型宇宙的潜能，我们基本上达到了无限的自动化水平。

当今世界上的许多重要资源仍然依赖于物质材料，这些材料通常从地球中开采出来。当然，一些地理和地质上的偶然性决定了合适的开采人员和开采地点。此外，可供开采的资源数量也是有限的。

然而，计算型宇宙的资源却是取之不尽用之不竭的，任何人都可以开采。在开采方面虽然存在一些技术性问题，不过也有一大堆优秀的开采技术。计算型宇宙拥有面向全球的无限资源，不存在稀缺性，更不“昂贵”。

计算思维之路

上个世纪最伟大的智力转变，或许是计算思维方式的出现。我常说，从考古学到动物学的范畴内，只要一个人在其中任选一个“X”领域，那么“计算型X”领域也将马上或很快出现，而这些“X”领域必将代表各自学科的发展方向。

我一直在努力尝试发现这样的计算领域，开发Wolfram语言便是一例。不过，我对元问题也很感兴趣：应该如何传授抽象的计算思维，比如教给孩子们？作为一种实用工具，Wolfram语言无疑非常重要，但其概念、理论和基础又是怎样的？

这就是《一种新科学》诞生的缘由。它主要讨论纯粹抽象的计算现象，而非在特定领域或任务中的应用。这有点像初等数学：只是通过引入数学思维来促进教学和理解，无关具体应用形式。《一种新科学》的核心也是如此。我们需要知道，看重直觉和引入计算思维模式的计算型宇宙与具体的应用程序无关。

人们可以把它看作是一种“前计算机科学（pre computer science）”或“前计算型X（pre computational X）”，在讨论计算过程的具体细节之前，人们可以只研究计算型宇宙中简单而纯粹的事物。

确实，在孩子学会算术之前，他们也完全可以做一些像元胞自动机填色卡片书之类的东西，自己执行或者在计算机上运行一些简单程序。这能教会他们什么吗？其实，它教导孩子们学会为事物定义规则或设计算法，让他们知道使用它们会带来一些有用且有趣的结果。同时，它让像元胞自动机这样的系统生成一种视觉模式，比如，人们甚至可以在自然界中找到这些原型（就像软体动物的壳）。

随着世界更加计算化——更多事情可以被人工智能和对计算型宇宙的挖掘完成——不仅理解计算思维变得极具价值，在探索计算型宇宙中养成的直觉也变得非常重要。在某种意义上，这种直觉是《一种新科学》的根基。

还有什么要弄清楚的？

在写作《一种新科学》的10年时间里，我的目标是尽可能回答所有关于计算型宇宙的“显著性问题”。站在15年后回顾，我自认为做的不错。事实上，如今在考虑该用计算型宇宙做些什么时，我发现自己很可能已经在书或者笔记里谈论过了。

过去15年中最大的变化之一，是我逐渐更深入地了解了这本书的意义。书中有许多具体的概念和创见。但从长远来看，我认为最重要的是，它们作为应用和概念的根基，如何帮助人们理解和探索一系列新事物。

但即使在计算型宇宙的基础科学方面，人们仍然希望获得一些具体的结果。比如，试图发现更多证据来证实或证伪计算等价性原理及其适用性。

像大多数科学一般原理一样，计算等价性原理的认识论地位比较复杂。它是一个可被证明的数学定理吗？它是宇宙的自然法则吗？或者说它是一种对计算概念的定义？或许可以说，它更像热力学第二定律或自然选择学说，是这些的结合。

但有一点很重要，那就是发现具体的证据来证明（或证伪）计算等价性原理。该原理表明，即便简单规则系统也应能进行任意复杂的运算，因而它们也可以充当通用计算机。

事实上，这本书的主要结论发现，该原理也适用于最简单的元胞自动机（规则110）。该书出版五年后，我决定为另一项证据设立奖项：能想到的最简单的通用图灵机（universal Turing machine）。我很高兴短短几个月内就有人获奖，图灵机被证明是通用的，此外还发现了一些证实计算等价性原理的证据。

在推进《一种新科学》的应用上还有很多事要做。比如，有待建立的适用于各种系统的模型，有待发现的技术，有待创造的艺术，要理解这些含义还有许多工作要做。

但很重要的是，不要忘记对计算型宇宙进行纯粹理论研究。以数学类比的话，应用数学值得追求，“纯粹数学（pure mathematics）”同样有探索的巨大价值。计算型宇宙也是如此：需要探索很多抽象层次的问题。正如书名所暗示的，现在已经可以定义一门新学科了：一门纯粹的计算型宇宙科学。我认为《一种新科学》的核心成就开启了一门新学科，我将其视为自己的最大成就。

本文首发于Stephen Wolfram的博客。

翻译：自天然；校对：tangcubibi；编辑：EON