今天關於意識的爭論常常陷入兩個固定的陣營之間。一是計算功能，即思維可以完全描述為對抽象信息的處理。如果系統具有正確的功能組織（無論其運行的材料是什麼），它就應該產生意識。另一種是生物自然主義，它的觀點恰恰相反。她說，意識不能與大腦和生命體的特殊特徵分開，因為生物學不僅僅是感知的容器，而且是感知本身的一部分。這兩種觀點都有真正的見解，但停滯表明仍然缺少一個重要部分。
在我們的新研究中，我們提出了一種不同的方法：生物計算。這個命名既是為了具有挑釁性，也是為了加強對話。我們的主要論點是，標準計算框架已被破壞，或者至少不適合大腦的實際工作方式。長期以來，人們很容易將思維想像成一個在神經硬件上運行的程序，大腦的“計算”方式與傳統計算機大致相同。但真正的思想不是馮·諾依曼機器，強行進行這種比較會導致隱喻和解釋都薄弱。如果我們想要認真解釋大腦如何計算，以及如何將大腦構建到其他基質中，我們首先需要對“計算”進行更廣泛的定義。
正如我們所描述的，生物計算具有三個基本特徵。
實時混合腦計算
首先，生物計算是混合的。它將離散事件與持續動態混合在一起。神經元發射尖峰，突觸釋放神經遞質，網絡通過類似事件的狀態進行轉變。同時，這些事件在不斷變化的物理條件下展開，例如勢場、化學梯度、離子擴散率和時變電導率。大腦並不是純粹的數字化機器，也不僅僅是一台模擬機器。相反，它充當一個多層系統，其中連續過程影響離散事件，而離散事件在連續反饋循環中一次又一次地重塑連續背景。
為什麼大腦計算不能按規模劃分
其次，生物計算離不開規模。在傳統計算中，通常不可能清楚地區分軟件與硬件，或者“功能級別”與“實現級別”。在大腦中，這種分離被打破。沒有明確的分界線可以讓你一方面指出算法，另一方面指出物理機制。因果關係同時跨越多個尺度，從離子通道到樹突，到電路，再到全腦動力學，並且這些層次的行為並不像分層堆疊的獨立單元。在生物系統中，改變“執行”就會改變“計算”，因為兩者緊密相連。
新陳代謝和能量限制影響智力
第三，生物計算是基於新陳代謝的。大腦在嚴格的能量限制下運行，這些限制塑造了大腦各處的結構和功能。這些不僅僅是工程細節。能量限制會影響大腦所能表達的內容、學習方式、保持穩定的模式以及信息的協調和引導方式。從這個角度來看，跨層次的緊密耦合併不是偶然的複雜性。這是一種能量優化策略，可在極端代謝限制下支持強大且有彈性的智力。
算法是底層
如果您熟悉經典計算的思想，這三個特徵加在一起所得出的結果可能看起來很奇怪。大腦中的計算並不是對符號的抽像操作。這不僅僅是根據正式規則對錶示進行動畫處理而將物理介質視為“純粹的實現”的問題。在生物計算中，算法是基礎。物理組織不僅支持計算，而且構成了計算。大腦不只是運行軟件。它是一種特定類型的物理過程，通過隨時間的檢測來計算。
這對於人工智能和人工智能意味著什麼？
這種觀點也揭示了人們描述現代人工智能的局限性。即使是強大的系統也經常模仿其功能。他們學習從輸入到輸出的映射，有時具有令人印象深刻的概括性，但計算仍然是在為完全不同的計算風格設計的硬件上運行的數字過程。相比之下，大腦以物理時間進行計算。連續場、離子通量、樹突集成、局部振盪耦合和湧現的電磁相互作用不僅僅是提取抽象算法時可以忽略的生物“細節”。在我們看來，這些是系統的計算原語。它們是實現實時集成、靈活性和自適應控制的機制。
不僅是生物學，而且生物學就像算術一樣
這並不意味著我們相信意識在某種程度上僅限於碳基生命。我們並不是在爭論“生物學或什麼都沒有”。我們的主張範圍更窄，也更實際。如果意識（或類似心智的認知）依賴於這種計算，它可能需要生物式的計算組織，即使它被構建在新的基底中。關鍵問題不在於基質是否是字面意義上的生物，而是系統是否創建了正確類型的混合、不可分離、基於代謝（或更普遍地基於能量）的計算。
另一個目標是建造有意識的機器
這重新定義了任何試圖構建人工智能的人的目標。如果大腦計算無法與物理實現方式分開，那麼僅擴大數字人工智能可能還不夠。這並不是因為數字系統不能變得更強大，而是因為能力只是難題的一部分。更深層次的危險是，我們可能通過改進算法來改進錯誤的東西，同時不影響底層的計算本體。生物計算表明，構建真正的類心智系統可能需要新型物理機器，其計算不是以硬件上的軟件形式組織的，而是跨層次分佈、動態鏈接並由實時物理和能量約束塑造。
因此，如果我們想要人工意識之類的東西，核心問題可能不是：“我們應該運行什麼算法？”問題可能是“必須存在什麼樣的物理系統才能使該算法與其自身的動態密不可分？”需要哪些功能，包括混合事件場交互、無需乾淨接口的多域耦合以及塑造推理和學習的主動約束，以便計算不再是頂層的抽象描述，而是系統本身的內在屬性？
這就是生物計算所要求的轉變。它解決了尋找合適人選的挑戰 程式 找到合適的人 一種計算問題。
