综述:意识研究的整合信息与预测加工理论:一项对抗性协作评述

《NEUROSCIENCE AND BIOBEHAVIORAL REVIEWS》:Integrated information and predictive processing theories of consciousness: An adversarial collaborative review

【字体: 大 中 小 】 时间:2026年05月10日 来源:NEUROSCIENCE AND BIOBEHAVIORAL REVIEWS 7.9

编辑推荐:

  随着意识神经科学理论的不断涌现,评估其异同及其预测与解释力变得日益迫切。最近,一系列结构化对抗性协作被设计出来,以检验多个候选意识理论的竞争性预测。在这篇综述中,研究人员比较了在此类一项对抗性协作中接受检验的三个理论:整合信息论(Integrated Info

  
随着意识神经科学理论的不断涌现,评估其异同及其预测与解释力变得日益迫切。最近,一系列结构化对抗性协作被设计出来,以检验多个候选意识理论的竞争性预测。在这篇综述中,研究人员比较了在此类一项对抗性协作中接受检验的三个理论:整合信息论(Integrated Information Theory, IIT)、神经表征主义(Neurorepresentationalism, NREP)和主动推理(Active Inference)。首先介绍每个理论的核心主张,随后在它们试图解释的现象、它们提供的解释类型以及它们认可的方法学策略方面进行比较。接着,研究人员思考了理论检验的一些固有挑战,以及对抗性协作如何解决其中部分困难。之后,为接下来的实证工作设定框架:第一,概述将在一系列多中心实验中检验的关键假设;第二,讨论何种观察结果会支持或挑战每个理论;第三,思考这些理论将如何同化或适应这些观察结果。最后,研究人员展示了如何将不同实验(及其复现)中获得的数据进行形式化整合,以提供一个量化指标来衡量每个理论下累积的证据支持度。除了为读者指明研究人员协作的理论基础外,本综述旨在提供关于对抗性协作和理论检验机制(包括评估理论在科学进展方面贡献的方式)的有价值的元科学洞见。
1. 通过对抗性协作加速意识研究
神经科学领域中没有哪一个比意识神经科学更能引发广泛的兴趣、分歧和争议。最近的研究既凸显了意识理论的激增,也凸显了其概念基础与解释目标的显著多样性。在当前背景下,坦普尔顿世界慈善基金会发起了“加速意识研究”(Accelerating Research on Consciousness, ARC)计划,这是一项雄心勃勃的尝试,旨在通过一系列结构化的对抗性协作,将一些主要的意识理论直接相互对立,以此来推动意识科学的发展。
对抗性协作是一种独特的科学探究方法,其中竞争理论的支持者共同合作,识别可通过实证研究裁定的真正分歧点。然后,各方成员联合设计一个或多个实验来检验其理论的对比预测,并承诺无论结果如何都将发表其发现。虽然实施起来常常具有挑战性,但这种对抗性模式带来了几个显著的益处,包括但不限于:(1)用旨在减少偏见和增加有效性的程序来补充开放科学实践;(2)激励对竞争假设进行公平但“严格”的检验;(3)确保不便的发现不会因方法学偏好的差异而被轻易否定。这些优势可能特别适合于推动意识科学等领域的进展,因为在如何操作化意识以及何种数据对理论发展和批判具有相关性等问题上存在广泛分歧。
对抗性协作过程的第一阶段要求参与者共同努力,以清晰理解彼此的理论承诺和分歧。本“对抗性评述”记录了INTREPID联盟(INTREPID Consortium)此过程的成果。INTREPID联盟是在ARC计划下资助的一个对抗性协作,旨在检验整合信息论与两种预测加工意识理论(神经表征主义和主动推理)的竞争预测。后续内容简要概述了所涉及的三个理论,指出了它们之间显著的共性和分歧,并探讨了如何将它们独特的理论主张转化为适合实证研究的假设。在此过程中,研究人员并未参与关于彼此理论优劣的狭隘争论,而是为即将进行的实证工作奠定理论基础。作为此议程的一部分,研究人员还考虑了理论检验(尤其是在意识科学领域)的一些固有困难,其中适当的解释目标和方法学策略仍存在争议。研究人员阐述了INTREPID联盟如何通过制定几个旨在检验各类假设的互补实验来应对这一挑战。研究人员随后预见了这些实验的可能结果将如何支持或挑战所涉及的每个理论,并展示了如何将不同实验产生的数据整合到一个贝叶斯证据积累方案之下。
2. 介绍三种理论
2.1. 每种理论的核心原则
2.1.1. 整合信息论(IIT)
IIT起源于这样的假设:鉴于主观体验特征性地具有统一且复杂的性质,有意识的系统表现出高度的功能整合与分化。IIT始于确定意识的基本属性,即“那些对每一个可设想经验而言是直接且无可辩驳为真的”属性。这些被提炼为以下一组“公理”(axioms):存在性、内在性、信息性、整合性、排他性、构成性。然后,IIT提出了一组“假设”(postulates),旨在解释这些现象属性如何能被物理实现。每个假设旨在描述一个物理系统为了支持意识而需要满足的具体因果属性:存在性、内在性、信息性、整合性、排他性、构成性。根据IIT,任何实例化了每个假设所规定的物理属性的实体都是有意识的。其体验的主观质量取决于在给定状态下对最大基底的构成进行分析(“展开”)所导出的因果结构或Φ结构的形式。系统表达的意识量通过计算Φ(结构-phi)来量化,这对应于结构整合信息的量。IIT因此为意识体验的质量和数量提供了正式解释。
应用于健康成年人清醒状态的典范案例,IIT将大脑皮层的时间、顶叶和枕叶区域(即所谓的后部“热点区”)确定为具有必要组织结构以在大脑中实例化意识的区域,理由是这些区域表现出密集、互惠连接且高度分化的皮层-皮层架构,有利于形成最大不可约的因果结构。INTREPID联盟旨在通过检验以下假设更进一步:该基底区域规定了必要的因果结构,以解释空间体验的数量和质量。
2.1.2. 神经表征主义(NREP)
NREP提供了一个受预测加工启发的解释,说明意识体验如何从大脑中分层组织的神经计算中产生。NREP植根于“表征主义”的哲学立场,该立场旨在调和基本现象属性(即所谓的“感受质”)的主观体验与其物质基底(大脑)之间的关系。表征主义将感知到的性质视为表征的组成部分,这些表征可以是真实的或非真实的。因此,我们所有的意识体验都是对感觉(或想象)输入原因的“最佳猜测”重建。
类似于IIT,NREP运用反思性分析,首先识别健康成年人意识体验区别于非意识处理的“不可剥夺特征”,这有助于界定“意识”的含义。这些意识的“标志”(hallmarks)概括如下:多模态丰富性、情境性与沉浸感、统一性与整合性、动力学与稳定性、意向性。NREP将意识解释为为体验主体提供一个统一的、动态的、多模态的关于展开的身体和环境条件的“概览”。这种对主体当前情境的推断性总结被认为赋予了适应性益处,因为它支撑了审议和参与目标导向行为的能力。因此,NREP认为意识的功能在于告知实时、自主发起的决策和计划行动(而非反射性或习惯性行为模式),但本身并不涉及运动动作。
为了在意识体验中实现质的丰富性,NREP假设单模态和多模态皮质丘脑系统之间的相互作用是必需的,既用于分离也用于整合模态。这种整合发生在多个表征水平,从关于简单特征的低水平预测和错误开始,上升到单模态对象表征,最后达到一个非常大的、多模态的网络网络(元网络)阶段,该阶段在空间上指定的多模态输入上执行“超推理”。在此解释中,许多形式的整合被认为有助于意识,包括绑定、分组、双眼整合、通过整合眼动和头动进行场景合成,以及多感觉整合。
2.1.3. 主动推理(Active Inference)
与IIT和NREP(两者都是明确发展作为意识的科学理论)不同,主动推理从“第一性原理”解释适应性行为的产生。虽然这个更一般的框架可以同等地应用于有意识和无意识的系统,但越来越多的研究者正在利用其概念和方法学资源来解释意识的各个方面。在这里,研究人员专注于最近被称为“主动推理中隐含的最小意识理论”,它主要关注主动推理对于意识内容变化是必要的这一主张。研究人员使用缩写AI-C来区分这个较窄的理论解释与主动推理框架整体更广泛的(元理论)范围。
主动推理为感知的、自组织的行为提供了一个规范性解释,其中“感知”可以相当宽泛地理解为对感觉输入表达适当行动的能力。这种观点受到自由能原理的启发,该原理提供了一个形式体系来描述自组织,即适应性主体的出现。在此形式体系下,主体的内部状态参数化关于在其生成或世界模型下引起其感觉输入的外部动力学的概率信念。感知行为在这种观点下的特征在于主体对其行动预期后果建模的能力,从而使其能够为特定情境选择(近似)贝叶斯最优的行动方案。在数学上,这些推理过程由两个目标函数的最小化支撑:(1)变分自由能,其对由感觉数据观察所强制的信念更新程度进行评分;(2)预期自由能,其基于这些行动预期引发的预测结果对各种行动方案(即策略)的概率进行评分。
在计算和功能(生物物理)架构方面,自由能原理与大多数全局大脑理论兼容。然而,自由能原理本身并未对主观体验做出任何主张。由于变分自由能和预期自由能的优化并未被声称是主观意识的具体特征或标志,任何基于主动推理框架的意识理论都需要解释这两个目标函数如何与意识体验相关联。早期工作将近似后验关于隐藏状态编码的概率信念确定为解释意识内容的最佳候选。这一提议与独立发展的观点很好地结合,即主观意识基于主体生成模型的“时间厚度”,这赋予了根据各种可能选择的推断后果来选择行动的能力。
Whyte及其同事在回顾了模拟合成主体中意识状态和内容操纵的各种主动推理模型后,提出了一个最小意识理论(AI-C),重申了主观体验与关于隐藏状态的后验信念之间的概念联系。在此解释中,意识内容的所有变化(包括从无意识到有意识体验的转变及反之)必须由对世界(此处“世界”包括大脑和身体内部状态以及外部环境)推断状态的变化所驱动。此外,AI-C将处理层次中连续(感觉运动)和离散(决策制定)水平之间的接口确定为后验信念变得有意识的场所,与先前将意识体验解释为旨在告知策略选择的感知状态推断的工作一致。此观点的一个结果是主张主动推理对于意识内容的变化是必要的(但可能不充分)。
重要的是,AI-C将意识的变化与某种推理机制的使用相关联,以主动采样(或“探查”)感觉领域,而不是与动作本身的执行相关联。在主动推理框架下,动作是主体必须推断的隐藏状态,并且是某种推理过程(例如,为策略选择服务的预期自由能优化)的结果。这也意味着动作在这里被相当普遍地构想,超出了运动控制或自主行为的范畴。这意味着AI-C可以接受由没有明显运动的信念更新所驱动的意识体验变化,例如通过选择注意力策略(即“心理动作”)秘密地引发的意识变化。
2.2. 相似性与差异性
2.2.1. 解释目标:这些理论试图解释什么?
IIT、NREP和AI-C都明确阐述了它们的解释目标。IIT的公理旨在提供意识基本属性的详尽列表。NREP的标志旨在捕捉健康人类意识体验的普遍特征。AI-C目前并未区分某些属性为意识的基本要素,但其对意识内容的关注表明了对体验现象质量的类似关注。所有三种理论都广泛同意,意识的科学理论应解释体验的质的属性,即通常所说的“现象意识”。
除了现象意识,主动推理曾被用于模拟“存取意识”的特征。AI-C可能特别适合描述存取意识的各个方面,因为它强调诸如注意力调节、决策制定和行动规划等执行过程。相反,IIT和NREP都将存取意识与作用于现象意识内容的认知和运动功能相关联,而非构成意识本身。这凸显了IIT和NREP(作为基于理论前理由确定其解释目标的理论)与AI-C(作为针对意识科学中典范研究现象的理论)之间的一个差异。
撇开存取意识和现象意识的区别不谈,还可以问这三种理论中的每一种如何与意识状态相关联。IIT从一开始就试图解释体验的数量和质量,旨在提供对意识状态的全局和局部属性的全面解释。NREP和AI-C并不认同IIT所暗示的全局状态可以沿着单一维度简单量化排序的观点。在NREP中,全局状态与意识模式(感知、想象、做梦)或低意识或无意识状态相关联。由于NREP认为意识服务于目标导向行为,它首先侧重于解释清醒状态下体验的感知内容的神经基础。然而,NREP也旨在解释其他较少依赖外部感觉处理的意识体验形式,如梦境状态和心理意象。它并不被视为比清醒状态“更低”的意识状态,而是构成了一种不同的模式。尽管如此,NREP认识到意识可以在多个维度上分级,如强度、时空分辨率和多模态丰富性。
虽然AI-C主要关注局部状态,因为它旨在解释体验内容的变化,但其范围可以设想扩大到捕捉不同类型的全局状态。确实,从无意识到有意识状态的转变可以被理解为从无内容状态到有内容状态的变化。Whyte及其同事扩展了一个先前报告的听觉处理分层模型,以捕捉在睡眠和清醒状态下记录的对局部和全局规律性的诱发神经反应差异。此模型表明,深度睡眠中意识的丧失是由生成模型内层次水平的断开所驱动,导致消息传递的崩溃,从而排除了在时间深度水平内的信念更新。此例说明了现有的感觉处理主动推理模型如何被详细阐述以解释与各种全局意识状态相关的现象学和神经动力学差异。
2.2.2. 解释项:这些理论如何解释意识?
IIT提出了意识体验与其物理基底“展开”的因果结构之间的解释性同一。这意味着给定体验的现象特征与其例示它的物理基底的因果配置之间存在同构映射。因此,IIT根据嵌入其基底内部的因果关系来呈现对意识现象的解释。这种方法的一个重要含义是它对功能主义的拒绝:两个系统可能具有等效的输入-输出功能,但根据其架构实现的因果效力,意识体验的程度和质量可能在系统之间差异巨大。
与IIT对内在因果结构的关注不同,NREP和AI-C将它们对意识的解释建立在支持关于外部事态推断的信息处理架构上。NREP声称意识体验是“超推理”的产物,其中多模态处理层次的所有水平都参与了对感觉输入原因的推理。虽然NREP遵循预测处理框架,但它并不局限于任何特定的计算架构过程理论描述。NREP提供了基于感觉皮层层次的计算网络模型,这些模型说明了在特定图像表征、视图不变对象表征、自我和物体运动期间的前景-背景分割以及预测性跨模态相互作用等水平上运行的若干整合过程。这些模型为低到中等水平的表征提供了机制性解释;然而,NREP避免尝试将计算模型精确等同于或映射到现象学,因为从定量属性到定性属性的转变被认为是不可想象的。
AI-C同样可以被描述为提供了意识体验的预测处理解释;然而,与NREP不同,它特别遵循自由能原理下发展的过程理论。虽然AI-C提出支撑意识内容变化的推理(贝叶斯)机制必须符合自由能原理,但NREP强调了更经典和具体的预测误差最小化概念。相反,NREP假设基本的预测编码模型处理低水平计算操作,但并未为在最高表征水平上展开的现象学提供适当的描述符。
策略选择在AI-C中的关键作用突显了一个在IIT和NREP中都缺失的独特解释性结构。如上所述,主动推理涉及关于精确性和策略的信念优化;不需要启动明显运动来发生意识变化。然而,心理动作的概念(其中隐蔽的注意力策略以类似于驱动明显行为的方式被选择)突显了诸如注意力调节和决策制定等执行过程在AI-C中的基本解释作用。这种表述让人联想到某些以行动为导向或生成的方法来处理意识,如感觉运动偶然性理论。可以说,AI-C受益于一种形式化的方法,该方法将感觉运动理论提供的“日常语言”解释建立在可与底层神经动力学对话的可计算解释中。简而言之,NREP认为表征对于“看见”是充分的,而AI-C则假设表征是必要的但不充分,在生成主义的意义上,“看见就是看”(明显地或隐蔽地)。
2.2.3. 方法论:这些理论如何构建和验证?
IIT通过采用“现象学优先”的方法来区分自己与大多数其他神经科学理论,该方法旨在描述意识的内在结构。从内省和推理开始,主观体验的本质的、不变的属性被推导出来,形成理论的公理基础。这些现象学属性随后被操作化为适合形式分析和实证研究的物理(因果)属性。IIT提供的数学框架使得能够量化和评估候选系统为假设指定的各种属性,最终形成对给定状态下体验质量结构的形式描述。为了验证此形式体系,可以将其为某些类型意识体验规定的结构类型与支持此类体验所涉及的神经结构的物理组织进行比较。
虽然NREP没有明确指定一个单一偏好的理论发展和验证策略,但它融合了表征主义哲学立场的各个方面与来自神经科学和机器人技术的实证和计算方法。NREP启发的研究旨在通过研究神经基底的因果操纵(如光遗传学)的影响,以及开发捕获假设支撑表征过程的网络动力学的预测编码启发的计算模型,来补充对意识神经相关物的搜索。值得注意的是,NREP的主要目标是描述在健康成年人中实例化的、与外部和内部驱动体验模式相关的表征的神经基础。虽然此目标似乎阻碍了NREP解释范围扩展到其他动物物种和人工代理的潜力,但情况并非必须如此。确实,有可能将支撑人类意识的计算架构从其神经实现中抽象出来,并将这些见解应用于其他领域。
与IIT的“现象学优先”方法和NREP独特的哲学、实证和计算分析的融合形成对比,AI-C可以被描述为采用“模型优先”的方法,其中AI-C的核心元素来源于对过程理论模型的探究。这种方法受到Hohwy和Seth的提议的启发,即利用预测处理的资源为意识研究和理论发展服务。此处的关键思想是利用如主动推理这样的领域通用建模框架提供的资源,来构建意识科学中典范现象的计算模型,并比较这些模型的属性,从而识别显著的共性和特性。AI-C发展所采用的模型优先方法的一个显著特征是,它可能有助于最小化背景假设的潜在影响,这些假设限制了针对解释的现象以及被视为对理论发展和评估相关的观察类型。相反,可以为了探索意识的计算属性而利用各种现象学和方法学范式,独立于关于意识本身性质的先验信念或假设。虽然目前尚不清楚当应用于更具挑战性或争议性的案例时此策略表现如何,但在一系列典范案例中划定共同的计算属性可能为推断此类系统内意识状态的存在和内容提供一个有用的起点。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号