為何歷史上所有的大腦隱喻都是錯誤的
為何歷史上所有的大腦隱喻都是錯誤的
科學簡化的必要性與危險
科學需要將複雜的現實簡化，以便符合人類認知的可理解性。由於人類的工作記憶與注意力有限，研究者會建立有意省略細節的模型，以辨識模式。然而，這個過程在兩種哲學觀點之間存在一個關鍵的張力：
- Simplicius：認為宇宙本質上是簡單的，找到一個優雅的方程式即表示發現了潛在的真理。
- Ignorantio：認為簡化是人類限制所迫的必要手段；模型是有用的虛構或近似（地圖，而非領土），而非字面上的真理。
《The Brain Abstracted》作者、Mazviita Chirimuuta 教授主張「Ignorantio」立場，認為成功的科學證明我們善於構建有用的簡化，而不是自然本身簡單。這被描述為「學習的無知」——研究一個主題以了解無法得知的界限。
大腦隱喻的演變
歷史上，主流的大腦模型總是映射當時最先進的技術。這種模式暗示這些模型是類比，而非字面描述：
- 液壓自動機：笛卡爾將神經系統視為流體在管道中泵送，推動槓桿。
- 電報網路：隨著電信號的發現，大腦被模型化為電線網路。
- 電話交換台：大腦被視為由接線員路由訊號的系統。
- 電腦：當前的主導隱喻將心靈視為在生物硬體上運行的軟體。
這種轉變說明了「錯位具體化謬誤」：有用的隱喻會硬化成被視為現實的觀念。早期的控制論學者如 McCulloch 與 Pitts 使用邏輯閘作為神經元的功能描述，然而現代的討論常宣稱大腦 就是 電腦，將描述的優雅誤當成結構的實際。
軟體、精神與因果不變性
Joscha Bach 提出一個挑釁性的觀點：軟體字面上是「精神」，而非比喻。他認為某些模式具備「因果不變性」——意味著它們無論在何種物理基質（矽、神經元或紙鈔）中都具有因果力量。從這個角度看，軟體是一種抽象機制，控制其基質。
對此立場的反駁認為，跨基質的「相同」是人類的強加。例如，金錢的因果力量不在紙張或數位帳本本身，而在於人類共識的社會基質。因此，不變性是人類詮釋實踐的結果，而非自然的內在屬性。
預測 vs. 理解
預測或控制系統的能力與真正理解系統之間有根本的區別。諾貝爾獎得主 John Jumper 將這三類區分如下：
- 預測：預測未來的數值或狀態。
- 控制：操控系統以達成特定的未來數值。
- 理解：擁有一套緊湊且可傳達的事實，說明 為何 會產生某結果。
雖然 AI 模型（如 LLM）在預測與控制上表現優異，但它們並未執行「理解」的行為。Noam Chomsky 主張，一個能預測一切的理論（例如「什麼都行」）並未解釋任何事，因為它無法回答為何事物是這樣而不是那樣。僅依賴預測的黑盒工具會帶來風險：當工具失效時，缺乏底層理解意味著失敗將是意外的。
AGI 必然性的幻覺
對人工通用智慧（AGI）必然性的廣泛信念可能是一種「文化歷史幻覺」。此觀點認為，這種信念並非基於科學確定性，而是長期機械論觀點對生命與心靈的副產品。如果「心靈僅是機制」的假設錯誤，那麼類似生物的 AI 必然性就失去根基。
知識的具身性與視角性
知識並非一個普遍、無視角的倉庫（如「上帝之眼」般的網路或 LLM），而是本質上社會化、具身且具視角的。
觸覺寫實主義
Chirimuuta 教授提出「觸覺寫實主義」，認為科學知識更像是觸覺而非視覺。研究者不是從遠處觀察現實，而是「戳探」系統，意味著他們發現的模式在某種程度上是由調查過程本身共同創造的。
認知視界
Noam Chomsky 指出，有機生物具有「認知視界」——其能力的內在界限。正如老鼠無法被訓練去理解質數，無論提供多少資料，人類也可能有結構性的限制，無法領會某些事物。認識這些牆壁是科學進步的重要部分。
摘要： 影片探討了科學簡化與隱喻——從液壓泵到電腦——如何常常硬化為被視為現實的觀念，並主張理解必須認識這些模型的局限。
標題： 為何歷史上所有的大腦隱喻都是錯誤的