科学家“偷懒”日常：用这5种动物做实验，是因为最方便啊，不是因为准确！

在解决神经科学领域的重大难题上，科学探索依然举步维艰。没有人怀疑科学家们的智慧和努力，但越是这样，我们就越是担心走上了偏路——要知道，许多概念是在50年，甚至是100年前提出的。而至今，我们仍不可避免地需要依赖于这些概念，去解读最新的科研数据。

就在最近，《科学》（Science）杂志出版了神经科学的特刊，直击了当下神经科学研究的一些痛点，以及一些人们所关心的热门话题。在今天的这篇文章中，我们也将重新审视人类对大脑的了解程度。

最方便，而非最合适的模式生物

加州大学伯克利分校的Michael M. Yartsev教授戏称，自己还是一名年轻的科研人员，在挑战成规上无所畏惧。在一篇综述的开头，他将自己比作是《皇帝的新衣》里的小男孩，勇于说出众人忽视的真相——尽管多种革命性的技术为神经科学带来了变革，然而，神经科学研究里使用最广泛的研究对象——模式生物，却没有迎来什么突破[1]。

神经科学里有那么多有趣的问题，仅仅放在一只手都能数得上来的模式生物里，这样真的好吗？

要回答这个问题，我们得需要了解不同模式生物诞生的背景。Yartsev教授在综述里整理了5种模式生物诞生的来龙去脉。

霍奇金和赫胥黎研究使用的巨大的大西洋枪乌贼。

乌贼：乌贼被用来研究动作电位的产生机制，这是因为乌贼的轴突尺寸巨大，非常适合电压钳技术（注：研究神经动作电位的工具）。

青蛙：由于青蛙有着尺寸较大、模式简单的神经突触，研究人员经常选择青蛙来研究突触之间的信号传导。

鲎：鲎复眼里的神经细胞较容易获得，因此被用作视网膜生理学的研究。

海兔：这种动物能进行简单的学习，而且科学家可以很容易地鉴定出海兔身体中与学习相关的神经元。因此我们用海兔来研究大脑的学习和记忆。

大鼠：大鼠能自由探索环境，它们的神经活动也容易探测，因此被广泛用于和空间相关的神经组件研究。

由此可见，我们对这些模式动物的选择，本质上是因为用它们做研究最方便，而不是用它们做研究最合适。为此，作者指出我们应该重新思考并选择最适合自己所关心科学问题的模式生物，而非一厢情愿地相信皇帝的新衣，人云则云地选择所谓“标准模式生物”。

也许，是时候给皇帝添置一些新衣服了。

大脑并没有时间感知能力

有段子曾另类解读过相对论：当你刷美剧打游戏，时间总过得特别快，一转眼几个小时就过去了；当你开始认真学习，感到头昏脑涨，随即合上书本时，发现才过去了短短10分钟。我们的大脑，如何感知时间？

纽约大学的两名科学家在一篇综述里为我们带来了详尽的案例，探讨人类大脑对时空的感知[2]。一个经典实验揭示了人脑的欺骗性。

研究人员要求受试者盯着屏幕打字。当我们按下键盘，字母在屏幕上呈现时，我们下意识地将这两者联系到一起，认为自己是动作的主体。当研究人员逐步增加按键与字母显现之间的“延迟”，大脑依旧能做出很好的适应。然而，当研究人员突然把延迟降低，人们的预期和现实就有了差距。一个不可能发生的现象就出现了——我们的大脑告诉我们，在敲击键盘前，字母就已经跃于屏上。

在科学家们的眼里，这并不让人意外。按照他们的观点，我们的大脑没有感知时间的能力。我们之所以感到时间的流逝，是因为周围的环境正在发生变化。气温逐渐升高，又逐渐降低；阳光由弱变强，又变得黯淡。我们知道，时间从早晨走向了傍晚。随后，大脑将这些概念拼装起来，造成了我们感知到时间流逝的假想。

或许，比起寻找日常生活中先入为主的观念（比如时间流逝）在大脑中的神经学表现，更需要进一步研究的，是大脑推断和解释时间的机制。

机器离产生自我意识还有多远？

想象一下这样一个场景：当你在驾驶汽车，油箱里的油即将见底，于是，仪表盘上提示加油的灯突然亮起。一支跨国科研团队随即提出了一个问题：是什么让你意识到警告信号的出现，又是什么让汽车对警告无动于衷？

作者们笔锋一转，聊到了近期火热的人工智能。诚然，计算机硬件的进步，以及算法开发的发展，让神经网络能够完成一些像机器翻译那样极为复杂的工作——这在几十年前还被视为人类的特权——然而，在作者们的眼里，机器离产生自我意识还差很远[3]。

他们指出，人类的意识形式比较高级，至少有两个层级。第一层（C1）是指瞬时的意识，能将认知系统与具体的物体联系起来。举例来说，我们对于油箱警告信号的感知，就属于这一层级。此时，生物体感知到的信息能传递到全身，让我们做出撤销警告、停车加油、或是当作谈资的行为。

第二层级（C2）的意识则是认知系统对自我运作产生意识。比如说，人类能对自己的状况有很好的认识。一个人能感知到自己高兴、沮丧的情绪，也能把这种感知内化为自己的知识与能力。

相比之下，目前火热的人工智能，还处于更为低级的第0层级（C0）。在这个层级，它们只会无意识地进行信息处理。

研究人员们相信，我们的意识是多种不同类型的信息处理方式相结合的产物，由我们的大脑硬件所决定。人类数据表明，这两者缺一不可。例如，视觉皮层出现损伤的患者中，视野的某一块会受到影响。而这些患者能感受到“盲区”的视觉刺激，只是无法进行汇报（C1层级）；此外，他们也无法准确评估他们视觉的准确性（C2层级）。在这个例子里，C1与C2的完美结合，才带来了视觉的主观体验。如果我们能彻底弄清C1与C2这两个意识层级的生物学机制，或许就能带来人工智能上的突破。

结语

除了以上这三篇综述外，另两篇综述也值得一读。其中一篇介绍了大数据在神经科学中的应用，并认为这有望让我们了解大脑的全景[4]；另一篇则讨论了前额叶的组成，涉及到脑区的具体定义[5]。这些都是今天的神经科学科学面临的有趣问题。当下正是一个神经科学高速发展的时代，我们期待这些问题早日得到解决！（编辑：明天）

参考文献：

1. Anderson HC. The emperor ’ s new wardrobe: Rebalancing diversity of animal models in neuroscience research. 2017;358(6362):466-469.

2. Woolsey CN, Hodos W, Pritzel M, et al. Space and time in the brain. 2017;358(6362):482-485.

3. Dehaene S, Lau H, Kouider S. What is consciousness, and could machines have it?

4. Mind T. Big data and the industrialization of neuroscience: A safe roadmap for understanding the brain? 2017;358(6362).

5. En CI, Carl M, Note C, et al. Surprisingly, the current definition (insofar as there is one) of the prefrontal cortex is not common. 2017;358(6362):478-482.

果壳网

ID：Guokr42

本文来自果壳网，谢绝转载