神经科学哲学（四）

正是在这里，一些哲学家和神经科学家转向了计算方法（Churchland 和 Sejnowski 1992）。一个希望是，计算模型在更发达的科学（如物理学）中的运作方式可能会提供一个有用的模型。动力系统是一种已在更发达的科学中有效应用于类似“跨层次”问题的计算资源。全球现象，例如大规模气象模式，已被有效地视为低层物理现象之间动态、非线性且通常是混乱的相互作用。使用已经在更成熟的科学水平上架起桥梁的计算资源来解决思想/大脑中理论和解释的相互关联的水平可能会产生类似的结果。这种方法必然是跨学科的，利用了不同层次的资源和研究人员，包括实验心理学、人工智能和科学哲学等更高层次的资源和研究人员。

计算方法在神经科学中的使用本身并不新鲜。 Hodgkin、Huxley 和 Katz (1952) 将他们在鱿鱼巨轴突中通过实验测量到的电压依赖性钠和钾电导值纳入描述一级动力学过程时间演化的物理学方程中。该方程使他们能够计算建模电导与时间数据的最佳拟合曲线，这些曲线再现了生成动作电位时随时间变化的膜电位。 Rall (1959) 还利用借用物理学的方程，开发了树突的电缆模型。该模型描述了来自树突树的各种输入如何在时间和空间上相互作用以确定单个神经元的输入输出属性。它至今仍然具有影响力，并被纳入 GENESIS 软件中，用于对神经现实网络进行编程（Bower 和 Beeman 1995；请参阅上面第 2 节中的讨论）。 David Sparks 和他的同事表明，上丘神经元活动的矢量平均模型可以正确预测有关眼跳运动幅度和方向的实验结果（Lee、Rohrer 和 Sparks 1988）。 Apostolos Georgopoulos 和他的同事使用更复杂的数学模型，根据运动皮层 224 个细胞的平均活动来预测手和手臂运动的方向和幅度。他们的预测在各种实验测试中得到了证实（Georgopoulos、Schwartz 和 Kettner 1986）。我们提到这些特定的研究只是因为这些研究是我们熟悉的。毫无疑问，我们可以轻松地将神经科学中计算和实验方法富有成效的相互作用的例子增加一百倍。其中许多可以追溯到“计算神经科学”成为公认的研究事业之前。

我们已经看到了一个例子，即神经表示和计算的向量变换解释，它曾经在认知神经科学中得到积极发展（参见上面的第 2 节）。使用“认知主义”资源的其他方法已经并将继续被追求。[16]其中一些项目利用了待解释现象的“认知主义”特征。有些利用“认知主义”实验技术和方法。有些人甚至试图从细胞生物学过程中得出“认知主义”解释（例如，Hawkins 和 Kandel 1984）。正如斯蒂芬·科斯林（Stephen Kosslyn，1997）所说，认知神经科学家采用了认知主义的“信息处理”思维特征观点，而不试图将其与大脑机制理论分开。这样的努力需要一个跨学科社区，愿意与感兴趣的非专业人士交流各个学科中收集的大量细节的相关部分。这不仅需要愿意与相关级别工作的其他人进行交流的人，还需要接受过各种学科方法和事实细节明确培训的研究人员。这是一个艰巨的需求，但它为希望为实际神经科学做出贡献的哲学家带来了希望。在哲学提供的“概括性视野”和真正的（研究生水平）科学的科学和实验基础上接受过培训的思想家将非常适合这项任务。哲学研究生项目对这一潜在利基的认识很慢，但一些项目已经采取措施来填补这一空白（例如，参见下面的其他互联网资源）。

然而，仍然存在一个明显的缺点。考虑到哲学家的训练和兴趣，“更高层次”的神经科学——网络、认知、系统以及与这些相关的计算神经科学领域——往往会吸引最多的哲学关注。尽管这种关注可能很自然，但它可能会导致哲学家对神经科学产生误导。神经生物学仍然关注神经元活动的细胞和分子机制，并与动物模型的行为神经科学结盟。神经科学学会（目前拥有超过 37,000 名会员）的大多数成员仍然采用这种方式对自己的研究进行分类；这是大部分研究经费的去向；这些领域的实验出版物最常出现在引用率最高的科学期刊中。 （下面其他互联网资源中神经科学协会网站的链接提供了有关这些数字的大量数据；特别是参见出版物部分。）然而，哲学家们往往不太关注细胞和分子神经科学。幸运的是，这种情况似乎正在改变，我们将在下面的第 7 节和第 8 节中对此进行记录。尽管如此，哲学家对认知/系统/计算神经科学的主要关注掩盖了正在进行的神经生物学的湿实验室实验驱动的焦点。

7. 神经科学哲学的发展

在二十一世纪的头十年中，“神经科学哲学”和“神经哲学”之间的区别变得更加清晰，主要是因为这两个领域都在追寻更多的问题。神经科学哲学仍然倾向于提出科学哲学中的传统问题，特别是关于神经科学的问题。这些问题包括：神经科学解释的本质是什么？而且，神经科学发现的本质是什么？这些问题的答案要么是描述性的（神经科学如何进行？），要么是规范性的（神经科学应该如何进行）？神经科学哲学中的一些规范性项目是“解构性的”，批评神经科学家对该主题的主张。例如，神经科学哲学家批评了认知神经科学研究人员所假设的人格概念（参见 Roskies 2009）。其他规范性项目具有建设性，提出了神经元现象的新理论或解释神经科学数据的方法。此类项目通常与理论神经科学本身顺利结合。例如，Chris Eliasmith 和 Charles Anderson 在他们的《神经工程》（Neural Engineering，2003）一书中开发了一种构建神经计算模型的方法。在单独的出版物中，Eliasmith 认为神经工程中引入的框架既提供了神经表征的规范性解释，又提供了神经科学中统一解释的框架（例如，Eliasmith 2009）。

神经哲学继续将神经科学的发现应用于传统的哲学问题。例子包括：什么是情绪？ (Prinz 2004) 欲望的本质是什么？ (Schroeder 2004) 社会认知是如何成为可能的？ (Goldman 2006) 道德认知的神经基础是什么？ (Prinz 2007) 幸福的神经基础是什么？ (Flanagan 2009) 这些问题的神经哲学答案受到神经科学对神经系统的揭示的限制。例如，蒂莫西·施罗德（Timothy Schroeder，2004）在他的著作《欲望的三面性》中指出，我们对欲望的常识概念归因于它的三种能力：（1）满足时强化行为的能力，（2）激励行为的能力，以及(3)确定快乐来源的能力。基于多巴胺功能和强化学习理论文献中的证据，施罗德认为奖励处理是所有三种能力的基础。因此，报酬是欲望的本质。

在二十一世纪的第一个十年中，神经哲学中出现了一种趋势，即寻求神经科学来指导道德哲学。从我们刚才提到的主题中应该可以明显看出这一点。与此同时，人们对神经科学和神经治疗的道德说教重新产生了兴趣（参见 Levy 2007；Roskies 2009）。因此，神经伦理学这个新领域结合了对神经科学数据与理解道德认知的相关性的兴趣，以及道德哲学对获取和调节神经科学知识应用的相关性的兴趣。神经伦理学的监管部门最初明确关注神经损伤患者的治疗伦理、试图提高人类认知能力的伦理（Schneider 2009）、将“读心”技术应用于法医学问题的伦理（ Farah 和 Wolpe 2004），以及神经科学动物实验的伦理学（Farah 2008）。最近，神经伦理学的这两个领域都取得了巨大的发展。有兴趣的读者应该查阅本百科全书中的神经伦理学条目。

二十一世纪头十年神经科学哲学的趋势包括对机械解释的本质重新产生兴趣。这符合科学哲学的总体趋势（例如，Machamer、Darden 和 Craver 2000）。这种通用方法在神经科学中的应用并不令人惊讶。 “机制”是神经科学家广泛使用的术语。卡尔·克拉弗 (Carl Craver) 在其著作《解释大脑》(2007) 中认为，神经科学中的机械解释是因果解释，而且通常是多层次的。例如，对神经元动作电位的解释涉及动作电位本身、发生动作电位的细胞、电化学梯度以及离子流过膜所通过的蛋白质。因此，我们有一个复合实体（细胞）与其受体上的神经递质相互作用。细胞的某些部分参与各种活动，例如配体门控和电压门控离子通道的打开和关闭，以产生变化模式，去极化电流构成动作电位。因此，动作电位的机械解释支持细胞、分子和原子水平上的实体，所有这些都与动作电位的产生有因果关系。这种因果相关性可以通过改变这些变量中的任何一个来确认，例如细胞膜中离子通道的密度，以产生动作电位的变化；并验证变量之间所谓的不变性的一致性。对于 Craver 对神经科学机械解释的解释的挑战，特别是关于动作电位，请参阅 Weber 2008 和 Bogen 2005。

根据神经科学家隐含的认知规范，神经科学中好的解释就是好的机械解释；好的机械解释是那些找出机制与其控制的现象之间不变关系的解释。 （对于整个科学中因果解释的不变性的更全面的处理，请参见 James Woodward 2003。力学学家广泛借鉴了伍德沃德对原因和因果解释的“干预主义”解释。）Craver 的解释提出了关于还原在神经科学中的地位的问题。 John Bickle (2003) 提出，神经科学中还原的工作概念包括发现较低水平的生物组织干预措施（如细胞和分子神经科学所追求的这些干预措施）与较高水平的行为效应（如它们所追求的）之间的系统关系。心理学中描述的。比克尔将这种观点称为“实践中的还原论”，以将其与理论间或形而上学还原的概念进行对比，这些概念一直是科学哲学和心灵哲学中许多争论的焦点。然而，尽管比克尔重新阐述了还原论，但机械论者普遍抵制或至少相对化“还原论”标签。 Craver（2007）称他的观点为神经科学的“马赛克统一”。 Bechtel（2009）称他为“机械还原（主义）”。克拉弗和贝克特尔都主张多层次的“机制中的机制”，没有任何层次的机制在认识上享有特权。这与减少（主义）、无情或以其他方式赋予较低级别特权相反。我们仍然可以问：机制是一种实践的还原论吗？或者，作为神经科学解释的一种立场，机制是否假设心理学具有某种类型的自主性？如果它假设自主性，还原论者可能会在这个假设上挑战机械论者。另一方面，比克尔的实践还原论显然背离了理论间还原论，正如后者在科学哲学中所理解的那样。正如比克尔本人承认的那样，他最新的还原论在很大程度上受到了机械学家对他早期“新浪潮”理论的批评的启发。机械师可以挑战比克尔，称他对传统账户的背离也导致了对推动这些账户的利益的背离。 （有关相关挑战，请参见 Polger 2004。）正如我们将在下面第 8 节中看到的，随着机制已经成为该领域的主导地位，围绕神经科学机械哲学的这些问题变得更加紧迫。

时间表征在意识体验中的作用以及足以及时表征对象的神经结构类型引起了人们的兴趣。秉承胡塞尔现象学的传统，丹·劳埃德（Dan Lloyd，2002，2003）和里克·格鲁什（Rick Grush，2001，2009）分别关注现象意识的三重时间结构，作为神经科学的解释。这种结构由主观的现在、最近的过去和对近期的未来的期望组成。例如，一个人对一首曲子的有意识的认识不仅是曲调印象的时间片段，而且是刚才存在的一个音符、现在存在的另一个音符，以及对不久的将来的后续音符的期望。当这种体验继续下去时，刚才暂时发生的事情现在被保留为刚刚过去的一个时刻；预期的事情要么发生了，要么没有发生，现在已经成为经历过的现在；并且对即将发生的事情形成了新的期望。一个人的体验不是静态的，即使体验是针对单个对象（曲调）的。这些早期作品发现，随着全脑功能“预测编码”模型的兴起，该模型的相关性越来越大，不到十年后，包括 Karl Friston (2009) 在内的神经科学家开发了这种模型，并由 Jakob Hohwy (2013) 和 Andy Clark 引起了更广泛的哲学关注。 （2016）。

劳埃德认为，意识的三重结构为分析功能磁共振成像数据和设计实验提出了一个独特的问题。问题源于体验对象的相同性（例如，通过其进展而相同的曲调）与体验本身的时间流动性（例如，听到的音符之间的过渡）之间的紧张关系。在劳埃德撰写本文时，分析功能磁共振成像数据的一种标准方法是对多个数据集进行平均，并从复合材料中减去基线激活的估计值。 [17] 这样做是为了过滤与任务相关的血流动力学响应中的噪声。但正如劳埃德指出的那样，这种当时常见的做法忽略了研究意识的神经关联所需的许多数据。它生成静态图像，忽略随时间变化的数据点之间的关系。相反，劳埃德采用多元方法来研究功能磁共振成像数据，假设循环网络架构是产生体验时间的时间处理的基础。简单的循环网络具有输入层、输出层、隐藏层和复制隐藏层或输出层的先前激活状态的附加层。允许输出层表示预测结果，然后输入层可以表示当前状态，附加层可以表示先前状态。这项任务模仿了网络架构中体验的三方时间结构。如果意识体验背后的神经元机制可以通过循环网络架构来近似，那么一种预测是当前的神经元状态携带有关近期和先前状态的信息。应用于功能磁共振成像（fMRI）时，该模型预测图像系列中的时间点将携带有关先前和后续时间点的信息。 Lloyd (2002) 对从公开的国家 fMRI 数据中心采样的 21 个受试者数据集进行的分析结果支持了这一预测。

Grush（2001，2004）对时间表示的兴趣是他解决计算神经科学语义问题的更广泛系统项目的一部分，即：我们如何将大脑作为信息处理器的研究与任何其他复杂因果过程的研究区分开来？这个问题回到了心理语义学的熟悉领域（参见上面第 3 节），但现在的起点是计算神经科学实践的内部。因此，语义问题成为神经科学哲学中的一个问题，因为它询问：“计算”在计算神经科学中意味着什么（或应该）？

格鲁什的解决方案借鉴了现代控制理论的概念。除了控制器、传感器和目标状态之外，某些类型的控制系统还采用受控实际过程的过程模型。过程模型可以促进各种工程功能，包括克服反馈延迟和过滤噪声。流程模型的准确性可以根据其与实际流程的“插件兼容性”来评估。插件兼容性是控制器可以因果耦合到过程模型以产生与通过与实际过程耦合产生的相同结果的程度的度量。请注意，插头兼容性不是信息关系。

为了说明潜在的神经科学实现，Grush 将控制器视为大脑运动系统的某些部分（例如前运动皮层）。传感器是感觉器官（例如肌肉上的拉伸感受器）。小脑中可能存在肌肉骨骼系统的过程模型（参见 Kawato 1999）。如果运动系统的控制器部分以与向肌肉骨骼系统发送尖峰相同的方式向小脑发送尖峰序列，并且如果小脑反过来接收类似于真实外周反馈的尖峰序列，那么小脑就会模拟肌肉骨骼系统（模拟反馈与真实外围反馈的相似程度）。所提出的计算操作范围的单元是过程模型及其组件的神经元实现，或者用格鲁什的术语来说是“模拟器”及其“关节”。

Grush 框架的细节过于复杂，无法用简短的指南来呈现。 （例如，他引入了一系列概念手段来讨论外部对象的表征。）但简而言之，他认为理解时间表征始于理解感觉运动偶然事件的时间模拟。成功的顺序行为（例如，用叉叉刺鱼）不仅取决于跟踪一个人在空间中的位置，还取决于跟踪一个人在运动的时间顺序中的位置以及当前、先前和后续运动之间的时间距离。执行后续移动可能取决于跟踪先前的移动是否成功以及当前的移动是否符合先前的期望。 Grush 提出了模拟器——中枢神经系统中的过程模型——通过根据实际过程的反馈按比例定时输出来预测、保留和更新模拟感觉运动反馈（Grush 2005）。

劳埃德（Lloyd）和格鲁什（Grush）研究时间代表的方法在重点上有所不同。但是，它们是在隐含地定位认知功能并使用自上而下和自下而上的约束将它们分解为子功能的隐含承诺中统一的。 （有关这种一般解释策略的更多详细信息，请参见Bechtel和Richardson 1993。）正如我们提到的上述一些段落一样，以重要而有趣的方式进行了预期的，更近的神经科学和哲学工作在预测性编码和大脑方面。两者都开发了机械解释，几乎不考虑学科界限。 Bickle's和Craver的作品的主要课程之一是，神经科学实践通常以这种方式进行。采用这种方法的本体论后果仍在辩论中。

八、二十一世纪第二个十年的发展

在上面第7节中首次介绍的机制在二十一世纪的第二个十年中占据了神经科学哲学的主导地位。 Gualtiero Piccinini和Carl Craver（2011）是一个备受关注的例子。作者采用了两个流行的机械概念。他们的第一个是上面第7节中讨论的与机制的机制的多层次，嵌套的层次结构，可追溯到Craver和Darden（2001）。他们的第二个是最初在Machamer，Darden和Craver（2000）中建议的“机制草图”，并在Craver（2007）中详细开发。 Piccinini和Craver的目标是“无缝”将心理学作为“综合框架”与神经科学一起的一部分。他们将心理学对认知能力的熟悉功能分析解释为相对不完整的机制，这些机制却忽略了许多机制的组成部分，这些机制最终将充分解释系统的行为。神经科学反过来填补了这些缺失的组件，动力学和组织，至少在神经系统中发现了这些组件。因此，这种填充物将心理学的机制刺激变成了全面的机械解释。因此，即使心理学通过功能分析进行，因此它仍然是机械的。 Piccinini和Craver意识到，他们的“综合”帐户与有关神经科学的经典“自治”主张冲突。尽管如此，他们坚持认为，他们对古典“自治”的挑战并不能使他们在其古典或更近期的品种中承诺“还原主义”。他们对机制的机制嵌套层次结构的承诺，以解释系统的行为，以确认机制的重要性和在所有层面上构成系统的重要性和内在因果关系的重要性，而不仅仅是较低（即细胞，分子）水平。