的竞争时才是能够学习的。学习就意味着活性联结的增加和惰性联结的减少。
一个简单的分类任务是小孩的词汇认知。显然，两个字母的词AA，AB，BA和BB可以划分成几个范畴，例如，以A开头的词汇集合[AA，AB]或以B开头的集合[BA，BB]，抑或是结束于A的[AA，BA]或结束于B的[AB，BB]。在一个计算机辅助的实验中，双字词代表一个多层的网络，其中一层的竞争单元以两单元一组组织起来。该系统能够检测出字母的位置。其中的一个单元自发地作为起始字母A的检测器而起作用，而另一个则检验B作为起始字母。
在进一步的实验中，增加了字母数，改变了网络结构。尽管这些实验看来仅仅是说明了有限的能力，它们至少是原则上体现了无指导的神经系统中的认知行为的形成。它们已经开始了某种有趣的研究，在复杂系统的框架中把神经生理学与认知科学联系起来，4.4节中将更详细地对此加以讨论。另一种通过竞争学习进行的自组织认知系统的研究方式，是托伊沃·科亨仑提出的。他是一位物理学家，也对于联想记忆进行了生理学的研究。他的神经系统的数学建模在人工智能的工程应用中已显示出重要性（参见第5章）。科亨仑的思想是通过自组织特征的映射来给大脑建模，这种想法源于自动化和生理学上已经确立了的事实。大脑中的大多数神经网络是二维的层状处理单元，它们可以是细胞或细胞组。这些单元是通过侧面的反馈而相互联结的。例如，在新皮质中，每一个主要细胞大约有10000个相互联结。
对于神经元与其近邻的突触耦合，只要神经元之间的距离小于一定的临界值，这种耦合就是激活的。神经元之间的距离大于此临界值则是抑制的。而距离更大一些时，耦合又是微弱激活的。侧面相互作用的程度在数学建模时使用的曲线，其形状类似于墨西哥帽子（图4．13a）。
显然，侧面耦合的互相影响倾向于在空间结合成群。图4．13b示意了一个二维成群的例子，它是由一个21×21个处理单元的方格来模拟的。这种成群现象（“活性泡”）取决于正反馈或负反馈的程度，它们可能受到神经网络中的化学效应的影响。在神经的实在中，“活性泡”并不具备计算机辅助模拟的规则形式。图4．13c示意了浣熊的脑皮层中活性的分布，它并非是一个形状规则的形象，而是相当混乱的图像。
然而，成群现象在大脑的自组织过程中可以是有用的。虽然起初神经网络的活性是均匀分布的，但根据自组织学习过程我们可以观察到神经区域的逐步的专业化。在提供了输入模式以后，具有最大活性的神经元及其邻居被选用来进行学习。神经权重的变化，落在以最大活性神经元为中心的一定半径中的环状邻域中。这种学习规则可以用来检测和划分输人的图形或说话模式数据的相似性。
在形式上，科亨仑考虑了从输入信号u的空间V到二维映射A上的非线性投影P。图4．14说明了学习的步骤：输入值u选定一个中心s。在s的邻域中，所有的神经元都在u的方向上转移其权重Ws。转移的程度随着与中心s的距离的增加而减少，这里用不同的灰度来表示。
映射通过自组织收敛于某个具有不同活性区域的平衡态。投影应该将输入信号的规则性映射到神经映射上。因此，P在数学上被称为拓扑不变映射。实际上，由感觉输入信号规则性所表示的大脑环境的结构，应该被投影到大脑的神经映射上：大脑应该获得适当的关于世界的模型。
大脑通过自组织映射进行建模的现实性如何？神经区域的数值的变化，取决于物种生存所感受到的感觉刺激的重要性。在神经区域中，有一些中心，它们能够以比环境更大的精确性对刺激进行分析并将其再现出来。例如，在哺乳动物的眼睛中，对于视觉信息的精细分析是由“小凹”进行的，小凹是一个沿视网膜光轴的非常小的区域，其中有非常高密度的光敏接受子。因此，信号的分解主要在神经区域的这种中心进行，要比在周围的区域强得多。类似的不成比例的表象，也可以在体感系统和原动皮层中观察到。手对于人的生存的重要性表现在体感和原动皮层占有相当大的区域，比代表体表的区域要大。
与这些结果相反，猫、狗和猿的听觉皮层并不将外部世界的频率投影到特定的中心。蝙蝠具有特殊的定向系统，这对于它的生存是必要的，这是一个例外。蝙蝠能够发出许多种不同的超声频率，并通过这些信号的反射来测定物体的距离和大小。蝙蝠相对于其他物体的速度可以用超声波反射中的多普勒效应来测定。甚至是细微的昆虫也能够被这种灵敏的系统检测出来。
蝙蝠的特性，能够用其听觉皮层上的自组织映射在实验上确证。图4．15a中将蝙蝠脑中的听觉皮层示意在矩形图中。图4．15b中把该矩形图放大了，示意出听觉皮层中最佳频率分布。一维频率谱不断地单调地从听觉皮层的后区提供给前区。引起神经元最大激活的频率称作那个神经元的最佳频率。划线区域是初级听觉皮层。图4．15c显示了图4．15a中斜线区域中的最佳频率分布。绝大多数测量点都集中在超声回波频率的周围。前一后区中一半以上用来分析超声回波的多普勒效应。十分显著的是，用自组织映射进行的计算机辅助模拟中，产生出如图4．15c所示的听觉皮层的实际表象。
灵长目动物的脑由许多区域构成，其中有若干神经网络拓扑。例如，视网膜在个体发生的早期已经发育起来。它的神经拓扑有5个独立层：光感受器，水平细胞，极性细胞，无长突神经细胞，视网神经节细胞。人的光感受层大约有120×105个感受细胞。视网输出，由所有的神经节细胞的脉冲速率的空-时模式来代表，沿着光神经传向丘脑。对于人，大约有1．2×106个神经节。因此，视网膜的确是一个复杂系统。然而，人们还没有完全理解大于200×106个视网神经元的复杂性。大脑皮层是系统发育上最年青的大脑区域。大脑皮层在大脑中的百分数在进化中不断地增加。鱼那样的低等脊椎动物并没有进化起来大脑皮层。大脑皮层在爬行动物和鸟类中只占小部分，到狗、猫，直到猿和人，它就越来越多。在灵长目动物中，大脑皮层分化成了不同的多层神经网络拓扑的区域，例如视觉、感觉、原动和联想皮层。小脑由小脑皮层构成，其中有许多具有特定感觉原动功能的多层亚区域。
大脑系统的多样性被描述为一个密集的神经元集合，其中具有特殊的网络拓扑，通过许多神经而相互通信，神经由以千计的轴突构成。与数字计算机有独立的中心处理、记忆和贮存单元不同，大脑和中枢神经系统可以作为一个多目标平行处理网络的集合体来建模。每一网络都能够独立进行感觉、原动和联想功能的信息处理和信息贮存。
显然，人们熟悉的程控中心化数字计算机原理并不适用于生物脑。神经网络的自组织过程对于大脑的结构是十分重要的。在非常长的系统发育过程中，复杂的结构形式产生出来。我们往往并不完全清楚它们的目的。在宏观尺度上，特定的神经区域联系着特定信号，具有不同的感觉功能，也可以是不同水平的信息处理操作，还可以是对于人以及对于有机体的动物性和植物性功能。尽管它们分布在大脑的不同区域，它们却可以理解为自组织的复杂性或集体效应。
自组织作为一种学习程序，揭示了有机体并非完全由基因所决定，基因中包含了详细描述有机体的蓝本。大脑组织化的每一阶段都涉及某种自组织。基困难以存贮大脑的复杂结构。大脑皮层有大约10[14]个突触，个体发育难以从所有可能性中选择出正确的联结图式，如果这些可能性都是类似的。因此，个体发育必须运用神经系统的自组织去处理其复杂性。但是，不认识个体发育的原理，就不能理解其大脑皮层的结构。
在前面的章节中，我们已经研究了物理学、化学、生物学、地质学和天文学的复杂系统中有序模式的形成。整体有序是在其中有大量局部相互作用元素的复杂系统中形成的。在液体或晶体中有相互作用着的原子或分子，在进化的恒星系统中有相互作用着的子系统，在如同大脑这样的复杂神经系统中有相互作用着的神经元和突触。我们还向读者提示了贝纳德涡旋（“滚动柱”），它们是在液体的热涨落中出现的。
整体的有序是如何由局部的相互作用来安排的？例如，分子之间的相互作用力在液体中发生着非常短距离的相互作用，而由分子相互作用引起的涡旋运动的模式却可以是大尺度上的有序。这种有序在物理学、化学和生物学进化中出现的原理，对于大脑极其重要，其中相邻细胞元素之间的局部相互作用，创造出来整体有序的状态，导致有机体中的相干行为。此种有序模式是由复杂系统中的元素之间的作用力和起始条件、边界条件所安排的。在贝纳德涡旋的例子中，作用力是流体相互作用、热传导、膨胀和引力。例如，边界条件是液体的温度。在大脑中，联结的模式是由细胞单元相互作用的若干种规则安排的。因为神经元往往是由非常长的轴突联结起来的，两个神经元的局部的相互作用并不意味着它们在脑解剖学上的空间接近，而是它们由轴突的紧密联结。
尽管这种一般结构对于所有类型的神经元和突触都是普遍的，但是也有许多质的和量的差异。例如，无脊椎动物的神经系统是确定论的，个体神经元的特定部位具有高度编码的信息。而哺乳动物的新皮层中的联想系统，对于特定输入模式的特定反应，却是由促进着对于外部信息进行反馈的学习规则实现的。
复杂系统模型对于真实的神经网络适合程度如何呢？从方法论的观点看，我们必须清醒地意识到，模型不可能朴素地与实在的每一功能和元素相一致。模型是为了特定目的进行的抽象，它能或多或少地解释和模拟中枢神经系统的某一部分，而对其他部分则没有涉及。有时，模型网络受到批评，说它们如同黑箱，仅仅在一定程度上正确地实现了输入－输出功能。但是，关于生物神经网络是怎样实现其功能的，却什么也没有揭示出来。隐含单元如同量子物理学中的隐变量仅仅是理论概念，被假定是系统实现所观察、可测量的输入和输出值之间关系的一种内在因素。除了可能的多层网络的构造之外，动力学和学习程序是模拟中的根本性问题。
模型网络的参数调节程序减少到最小误差的现实性怎样？许多模型网络的学习规则，对于一组权重收敛到正确地进行分类，需要难以接受的过多的时间。尽管有时也会得到一个成功的权重调节，但是这决不意味着它的优化。1960年，瓦丘和霍夫提出了一种简单而优秀的学习规则，它受到技术优化推理的启发，而不是从生物观点来看待大脑。瓦丘－霍夫规则及其种种翻版，近年来在技术网络中已经得到了广泛的运用（参见第5章）。
该规则假定，对于一种输入模式，可由适应性神经元对于输入模式的输出进行分类，它们的取值为a＋1或a－1。因此，这里假定了“教师”，他知道对于该输入的答案是什么。适应性神经元计算出输入活性的加权和乘以突触权重。在假定的输出与计算出来的和之间，系统可能给出错误的信号。根据它们之间的差，突触的权重进行了调整，重新计算出和，使得错误的信号变成零。
瓦丘和霍夫策略的目标在于，把错误信号的平方减少到其最小可能值。所有输入权重系数的可能的值，导致某个误差值。在图4．16中，这种情况由权重空间的误差面表示出来。
误差面的最小值并不被人精确地知道，因为不可能见到整个误差面。但是，局部的拓扑图是可以测量的。因此，绝大多数减少误差的调整方向是可以计算的。所谓的梯度下降方法，在微分几何学和物理学中是大家熟悉的，对于权重的调节总是改变权重使得系统沿误差面的最陡下降方向运动。
在图4．16中，对误差面的梯度进行了计算，以找到最陡下降方向。权重按增量值△W沿着这一方向变化。重复该程序，直到权重达到W理想，这相应于最小的误差。对于非线性的网络，误差面可能有许多个极小值。一般地说，梯度下降的问题涉及落入局部极小值。然后，凹底也就不代表全局的最小误差。
瓦丘和霍夫证明，存在着一个简单的二次误差面，其中只有一个全局最小值。数学上，计算出某一点的梯度意味着计算出误差平方对于权重的偏导数。瓦丘和霍夫证明了，这种导数正比于误差信号。因此，对于误差信号的测量就提供了运动的方向，以能矫正误差。技术上，具有完整知识的“教师”的存在可以为特定的目标进行调整。但是，假设自然界中的学习过程是有指导的学习程序却是不妥当的。
在网络模型中，所谓的后向传播是人们最为熟悉的有指导算法。它是简单的瓦丘和霍夫规则的推广。总之，后向传播是神经网络中一种调节权重的学习算法。每一单元的误差是预期值减去实际输出值，可以在网络的输出端进行计算，并反复地返向网络中。这种方法使得系统可以决定如何改变网络中的权重，以改进其总体表现。图4．17示意了通过整个多层网络的后向传播方法。
尽管后向传播的模型可以像生物学网络一样发挥作用，但它并没有假定真实的大脑也是由后向传播组织起来的。真实网络中的许多参量值往往都是通过解剖学、生理学和药理学中的测量和实验获得的。例如，细胞类型和细胞的数目可以大致估计出来。拓扑和构造可以得到描述，特定的突触究竟是激活的还是抑制的也可以得到确定，如此等等。但是，特定的权重却是未知的。当它们数以千计时，大脑网络的全局最小值和模型网络精确一致、权重相等的几率，却是相当低的。
因此，模型网络的误差极小化策略一般说来可能只是一种假设，但是它们对于处理可能有数千参量的复杂性问题却是必要的。如果模型网络与大脑网络的拓扑、构造和突触动力学的相似度相当高，它们就允许人们预见大脑网络的某些局域或全局的性质。神经生理学中的后向传播可以正当地作为一种寻找局域极小值的研究工具，但不是作为对于神经生理学分析的一种替代，神经生理学分析可以揭示神经网络的真实的学习程序。
误差极小化策略在自然进化中有悠久的传统，而不是在脑的学习程序中首次出现的。例如，生态群体的自然选择就可以作为一种模型，此过程将误差梯度逐渐减小到代表了某种环境生存生境的误差极小值。但是，参数调节程序可能仅仅找到了某个局域极小值，而不必是全局最小值。据我们所知，进化一般并不能找到最好的可能解，而仅仅能找到某种对于生存是充分好的满意解。在整个进化过程中，只有局部极小值才是可以从经验上对其进化生存价值进行评价的。这种评价取决于所选择的模型的观察和测量约束。
因此，从方法论的观点看，那样一种总是全局地、完整地优化自然的观念不过是一种形而上学的虚构。思辨性的叫做“自然”或“进化”的神性观念，产生于乐观主义的文艺复兴时代，它不过是为了取代带着创世计划的基督教上帝。康德已经批判地指出，总体自优化的自然只不过是一种人的虚构，在任何意义上都不可能从经验上得到证实。不可能存在具有独立的中心处理单元，能够将进化策略进行整体、长期优化的超级计算机，在真实的进化过程中，存在的只是局域性的有一定满意度的解，它甚至带有许多缺陷，是不完善的。它们的复杂性与拉普拉斯的简化的完备世界模型是相抵触的。
4．3大脑和意识的形成
如何用复杂的脑模型中神经相互作用来解释认知特征呢？莱布尼茨已经提出了一个问题：如果把大脑解释为只不过是一台机器，意识、思维和感情是不可能在大脑的元素中找到的。康德强调，要使得一个物理系统具有生气，组织力是必要的。直到这个世纪，一些物理学家、生物学家和哲学家仍然相信某种非物质的组织生命因素：“生命力”（柏格森）或“隐德来希”（杜里舒）。从复杂系统的观点看，科勒的格式塔心理学是一种有趣的探索方式，涉及到这样一种物理系统，其中复杂的心灵结构自发地从系统自己固有的动力学中产生出来。通俗地说，被感知客体的宏观的“格式塔”（形式），大于其原子组件的加和，不能归结到微观尺度上。
科勒有这样一种思想，视觉现象的产生不可能在热力学模型的框架中得到解释。但是在那时，他指的是波耳兹曼的平衡态线性热力学。他提出：“静态视觉场下的物体过程是稳恒平衡分布的，从光学系统自身固有的动力学中发展起来”。科勒甚至认识到，有机体并不是封闭系统，并力图把有序态的形成解释成一种直觉理解的协同作用。在这方面，科勒已经正确地将一个协同系统中的基本相互作用的微观水平和形成有序态的宏观水平清楚地区分开来了。但是，他仍然缺乏适当的复杂动力学系统框架为远离热平衡的热力学提供某种形式化处理。
对于微观尺度上脑过程的神经相互作用和宏观尺度上的认知结构的形成，复杂系统探究方式提供了一种建立模型的可能性。因此，看来有可能填补起来大脑的神经生理学与精神的认知科学之间的鸿沟，这在传统上被看成是无法解决的难题。
复杂模型包括了描述系统动力学的态空间和非线性演化方程。人的大脑中有大约1011个非感觉神经元，可以用1011维的空间来表示。甚至典型的子系统中也包含有10[8]元素。在一个108维的并且只有10层激活神经的态空间，就至少有
个表示激活矢量的不同位置。如果我们假定，每一神经元与另一子系统的10[8]神经元之间有103个突触联结，那么就必须区别出大约1011个突触。结果，如果每一突触仅仅有10种相区别的权重，我们在一个子系统中就获得了个权重这样一个巨大的数字。这种复杂性对于编码、表示和处理信息提供了数目巨大的可能性，在数学上可以用矢量和张量变换对此进行建模。
在科亨仑的竞争学习网络中，系统的自组织使得近邻矢量映射到近邻的网络点上。业已假定，类似的印象由类似的矢量来表示，它们与原型矢量之间只有微小的距离。在复杂系统的框架中，原型矢量被解释为吸引子。因此，两个相区别的范畴或类型就由态空间的两类不同的吸引子来表示（图4．7b）。认知辨识的学习过程，就由网络的训练过程来建模，其中包括调节权重使输入矢量（例如某个视觉或听觉模式）以最大相似性归属于原型矢量。
神经态空间的原型概念，允许某些有趣的认知过程解释。当输入印象只是部分地给出时，一个网络如何能够认知一个模式呢？对于动物在野外的生存来说，矢量完善的任务是至关重要的。让我们想像一下，一只沙漠中的郊狼察觉在草丛中的兔子尾巴（图4．18）。输入到郊狼的视网膜上的，只是那只兔子的尾巴。郊狼的视觉系统以习得的兔子原型矢量来完成输入矢量，从而能够假定或“假设”在草丛中有一只兔子。在此意义上，我们可以认为，郊狼有一个由大脑中相应的原型激活模式来代表的兔子的“概念”。
保罗·丘奇兰德甚至提出将人的高级认知能力用原型矢量探究方式来解释。因此，解释性的理解就被归结到被充分训练的网络中的特定原型矢量的激活。原型矢量包含巨大的信息量，对于不同的人来说可能是不同的。原因在于，不同的人并不总是拥有相同的项来满足某一原型束的约束。的确，人们很可能有不同程度的解释性理解，尽管他们以几乎相同的方式来划分一种客体或情形。例如，一个细木工人，比起其他绝大多数人来，对于什么是一把椅子具有更高程度的理解。然而，他们在绝大多数情况下都将有一致的见解。因此，原型-激活模型是相当现实的，因为它考虑了人的概念和理解的模糊性。
认识论和认知心理学中，通常都对不同种类的解释进行了区分。分类解释（“为何鲸鱼是哺乳动物？”）、因果解释（“为何石头下落？”）、功能解释（“为何鸟有翅膀？”）以及其他的解释，它们相应于集束的因果关系、功能性质等等的原型激活。甚至把握社会状况也是一个激活社会相互作用原型的过程，这是在生活中受到的训练和教育。
在复杂系统探究方式中，精神状态是与大脑的神经激活模式相关联的，这里是用复杂态空间的状态矢量来建模的。涉及对外部世界的感知的外部精神状态，是可以检验的，并与大脑的神经激活关联起来。我们如何来检验和解释并不涉及外部世界事件，而只是涉及精神状态自身的意识的内部状态？
众所周知，我们甚至能够反思我们的自我反映，并反思关于我们自我反映的反映，如此等等，处于某种重复作用过程中，它原则上是没有极限的（图4.18b）。自我体验和自我反映导致了自我意识的概念，它在传统上被看作精神哲学和认知心理学的基本概念。自我意识被定义为人格的关键性特征。在历史上已经讨论过的自我意识的定义，并非只具有哲学上的意义。显然，这些不同程度的思辨性定义，在医学和法律上都有重要的影响。对于人具有意识——因而应对其行动负责——必须满足何种标准？有没有关于意识的医学标准？意识是如何受到扰动甚至消失的？动物的意识是怎样的？我们的感受是否跟我们的邻人或动物的感受相同？
这里的基本问题是：①意识的形成是否由特定的脑过程引起；②是否可以用复杂系统为脑过程的意识形成建立模型。方法论的困难表现为，像疼痛、气味等等主观感受只在反省时才是可能的。这些主观感受和意识状态常常被叫做现象状态。一些哲学家批评过，大脑状态的物理学描述没有抓住什么是现象状态的本质。相反的观点则认为，现象状态概念可以归结为大脑的神经生理学状态的概念。这些争论只不过是传统的物理主义和精神主义（或反物理主义）的现代变种。两种立场都是空想的还原论和夸张，它们既不能得到研究的支持，也不可能对研究有很好的帮助。
按照复杂系统探究方式，神经生理学状态和精神状态都用数学公式来建模，而没有还原论的雄心。一些哲学家由于对于数学的偏见而出现严重失误，因为他们似乎相信公式只能标示“物理’狱态。例如，读者可以回想一下，霍普菲尔德系统包含着一个“能量”公式是用物理自旋系统的能量公式进行的类推。然而，在霍普菲尔德系统的框架中，不要把所谓的“能量”与固态物理学中的能量混为一谈。数学表达式仅仅决定了网络的动力学，这是可以由神经生理的脑或硅片的计算机或来自某个未知星系的有机体来模拟的。
如果数学模型适合于观察到的数据，它是经验上可证实的。在其他的情况下，它必须要改变或放弃。我们必须意识到，关于精神状态和意识的可检验的、可证实的理论，并不能使我们与他人有同样的感受。例如，一位内科医生或外科医生，他希望医治一个病人的胃痛并不需要如同病人那样感受胃痛。他必须拥有良好的关于胃的解剖学、生理学、生物化学、心理学等等的知识。用复杂系统探究方式的术语来说，他必须知道胃及其动力学的可能状态。在此意义上，精神和意识状态的模型可以发展起来并经受检验，而不需要任何的还原主义主张。
显然，在意识的现象状态和大脑的神经生物学功能之间有许多可检验的相关作用。人们都知道，短时间的缺氧可以导致意识丧失。电刺激、精神病药物、麻醉和身体损害也都可以影响意识的程度。这不仅仅是可以通过自我实验（自动脑电仪）来体验，而且还可以通过对功能缺损进行观察和测量来进行临床检验。原因在于，大脑是一个开放系统，其状态依赖于远离热平衡的与环境之间的物理学、化学和生物学代谢。
意识和无意识状态表现出依赖于相当复杂的神经生理学系统，此系统中包含了各种水平上的反馈圈和相互关联。图4．19示意了大脑皮层及其初级感知皮层和联想皮层的网络。来自感官的特定的输人（“传入”），通过特定的传输子系统和途径，达到初级皮层投影区。来自子系统的非特定的输入达到皮层称作“中脑网络的形成”。网络的形成标志了一种复杂的神经元和神经纤维的网络，包括广泛分布的突触联结。众所周知，他在声觉、唤醒和注意中起着根本性作用。
复杂网络中的损害会导致对意识的种种干扰。这种种干扰可以是全局的或局域的，造成整体唤醒中特定的意识经验缺损。神经生理学可以从实验上表明，意识的程度取决于大脑皮层中对特定的和非特定的两股不同传入信号流的处理。于是问题便成为，意识的精神状态是如何从这些网络中形成的。用莱布尼茨的术语说，我们见到了如同碾磨机嵌齿轮那样相互作用的元素，但是却无法填平神经生理学机制与意识的精神状态之间的鸿沟。传统的神经生理学持有约定论观点，认为神经网络之间具有突触的严格联结，就如同莱布尼茨的机械的碾磨机模型中的嵌齿轮的严格联结那样，电脉冲通过神经网络的传播，就使得大脑功能成为可能。
复杂系统探究方式提供了一种自组织网络改变其突触联结的观点，突触联结的改变是由突触的激活引起的，并依赖于激活的程度。在神经复杂系统的框架中，相互作用的神经元的微观水平，与自组织产生的细胞集合体整体模式的宏观水平相互区别。在前面的章节中，已经提到了，自组织神经细胞集合体的概念是霍布引入的。克里斯多夫·冯·德·马尔斯伯、科亨仑和其他人进一步改进了它。如果网络中某些神经元的同时激活是由具有一定模式的输入所引发的，那么根据霍布类型的学习规则通过同步激活就会形成集合体。
由马尔斯伯提出的修改是，集合体的生成并非一个缓慢过程，而是由快速的突触变化产生的。这些所谓的“马尔斯伯突触”被用来建立快速权重调节的动力学的模型。今天，经验已经表明，大脑中存在霍布型和马尔斯伯型具有高度可塑性的突触，其相互作用规则可以由分子机制来实现。网络中集合体的形成取决于其神经元的激活程度。
关于意识和无意识状态，假定一个细胞群体的整体激活，如同皮层中的网络组织形成所造成的情形（图4．19），一般将增加集合体形成的概率。因此，汉斯·弗格尔已经提出，意识程度的不同在于其生成集合体的速率不同。例如，细胞集合体的生成速率，决定着表示外部世界的数量、复杂性和持续性的感觉模式。意识是自反映的自参照状态（图4．18a）。因此，意识状态是以表示内部状态（而不仅仅是外部世界状态）的细胞集合体为基础的。例如，我不仅仅有一棵绿树的印象，我还意识到我在看着这棵树。而且，我对于我意识到我在看着这棵绿树的状态可以进行反思，并连续地重复产生出元-元……表示，终于从现象的印象和感受达到抽象的、高度精致的自反映状态。一旦超过了产生速率的临界阈值，现象状态就必定出现。意识的缺损出现在临界阈值水平之下。
运用特殊的脑电图变化，即以相应的集合体生成速率的增加来代表注意的一定程度，可以对这个假说进行检验。由于细胞集合体的生成速率是以特定的改变着权重的突触为基础的，意识的程度可以由干预突触联结进行检验。实际上，用影响突触可塑性的化学物质麻醉了的病人，体验了生动梦境、虚幻感觉、视听幻觉以及没有组织起来的思想。在此意义上，意识可以被看作系统产生表示和元表示的能力的结果。
具有高速率生成集合体的神经网络比低速率生成集合体的神经网络，可以产生出更为复杂的表示。因此，在生成速率充分大时，复杂系统将发展起自参照和元认知活性。我们可以设想一种意识程度的尺度，它们相应于生命进化中复杂程度不同的神经系统的意识程度，包括从昆虫到人。随之而来的是，在复杂系统的框架中，意识的形成决非是进化的副现象。它是一种合规律的整体状态的出现，即按照复杂系统的动力学，在临界条件得到满足时，通过其元素的微观相互作用而产生出宏观有序模式。
如果复杂系统探究方式是正确的，那么生物进化的神经系统则不过是自参照系统的特定实现，其他很可能是以不同于人脑的生物化学的物质材料为基础的具有自参照能力的技术系统，也就原则上不能排除在外（参照第5章）。我们甚至有能力把一种复杂系统的表示翻译成另一种不同系统的表示。由于两种系统的表示并不精确地一致，我们可能难以获得与他人、动物或其他的不同系统完全精确一致的感受。但是，我们会得到关于它们的感受或思想的某种知识形式的表示或某种理论。在此意义上，主观性保留了下来，即使在技术模拟的情形下，人类通信中的解释学也保持着宽广领域。
关于传统的心-身问题，复杂系统探究方式表明，认知活动既不完全独立和相异于脑活动，不是简单地等同，也不是一种附带现象。思维和感受被假定为，既是神经过程的产物，也是生产者，而它们不必等同。在复杂系统框架中，脑模型是一种自组织系统，它处在远离热平衡和接近于不稳定点的阈值之处发挥作用。在神经不稳定态，不同的集体激活模式都向相干宏观模式演化，这样的宏观模式在神经生理学上是以某种细胞集合体为基础的，在心理学上表示为一定的感受和思想。
我们都有这样的经验，在情绪不稳定态下某种感受可以支配其他实际感受，甚至引导我们的行动。在协同学中，稳定模和不稳定模的竞争用役使原理来解释。读者可能还记得，在进行决策时，一种思想或概念开始“役使”其他可能的思想或概念。这些非平衡的相变，在最小信息的意义上，受非常少的几个序参量所支配。的确，作出决策以后而行动，意味着巨大复杂性的减少。过多的知识对于行动是阻碍，或如歌德所说：“行动的人总是肆无忌惮。”
认知现象被当作脑动力学的宏观性质和序参量，序参量支配着其间的微观过程。因此，所谓的心-脑相互作用，不过是一种不适当的、陈旧的形而上学的过时表述而已，它们假定了某些诸如力学中的碰撞球那样的相互作用实体。复杂神经系统中相变过程，从微观的神经相互作用中形成宏观性质，这可用来为脑科学和认知科学的交叠领域建立模型。
协同学中把相变解释为某种对称破缺，这可以用对称势中粒子的阻尼运动来形象地说明（图4．20a）。
在势能的极大值，粒子的位置是对称的，但却是不稳定的。微小的涨落决定了粒子将到达两个同等稳定状态中的一个状态。在复杂系统探究方式中，图4．20a中的两个低谷被解释为两个吸引子。显然，感觉的模糊性和视觉系统自发地决定采取其中的一种解释，这是一个人们熟悉的心理学对称破缺的例子。在图4.20b中，存在一种图形的背景不稳定性。我们是否看见了白色或黑色的交叉？图4．20c显示了一种意义的模糊性。图中是一位老年妇女还是一位青年妇女？
在心理学中，对称破缺是由复杂系统的非线性因果关系支配的（“蝴蝶效应”），这大体上意味着，一个小的原因将引出大的结果。起始个体透视方式的微小细节，也是一种认知的倾向，可以“役使”其他的模式，并导致一种支配性观点。一个神经生理学的模型，必须模拟相应的细胞集合体的相变。
动物行进例如马的步态中的相变是大家所熟知的。随着速度的增加，马的运动模式也改变了，从行走变成了小跑再到奔驰，以使能量消耗最小化。这是在非平衡相变中经常观察到的滞后现象，这种现象被解释为神经系统中稳定态或吸引子的结果。思维中也出现相变。“啊哈-经历”和突然的“洞见”却是从涨落和不稳定性情形中出现的令人惊奇的现象。历史上，有许多著名的例子，科学家、工程师、艺术家和作曲家在“创造性”的不稳定性和困惑情形下，突然发现新的问题答案、作出新的发明、闪现出绘画新思想、创作新旋律等等。
复杂系统探究方式并未提供封闭的心理学信条，而是提供了一种跨学科研究纲领，去探索认知科学中的老问题和新问题，并使得它们更靠近经验的和实验的分析。因此，人们已经提出，要探讨细胞集合体的变化速率和学习、创造性、认知灵活性和形象化能力之间的相关性。认知不稳定性现象被假定是神经过程的微观不稳定性的宏观性质。思维和期望被解释为支配着整个系统的活动性的序参量，如果它在接近不稳定点起作用。在心理学实验中可以见到这种理论的确证，实验通过暗示引起幻觉，并引起相应的可测量的生理效应。通过记录区域的脑血流量，表明甚至是思维或行动的意向也会增加原动区的神经活性。
有谁会否认思想可以改变世界而并非仅仅是解释世界？在心理疾病现象领域，例如，安慰剂效应表明，单纯信念或主导思想就不仅仅可以改变情绪状态，而且还可以改变生理状态。显然，心理疾病状态是接近不稳定点的。相应的序参量并非只是心理学家的理论概念，还是控制和支配着（“役使着”）中枢神经系统活性的真实模式。
最后的例子表明，自组织复杂系统在心理学中的应用不能仅仅由它们的预见性和定量可测量性来进行评价。复杂系统的一种固有性质是，它在微观尺度上的非线性动力学和对于初始条件的敏感性依赖，不允许人们对于系统的终态作出预见。在大脑和认知研究中，我们面临着巨大的复杂性，难以进行精确计算和长期预报。然而，复杂系统探究方式，揭示了心-脑系统的本质特征，比如它对于细微的内在涨落和外在世界变化的高度敏感性。
4．4意向性和脑爬虫体
除了意识之外，人的精神还有另一个基本特征——意向性，这是历来受到强调的。
意向性是神经状态对于外部世界的事物对象或状态的参照性：我看见了某事物，我相信某事物，我期望某事物，我害怕某事物，我想要某事物，等等。有意向的精神状态可以与没有任何参照性的无意向状态区别开来：我紧张，我害怕，我累了，我幸福，我沮丧，等等。
意向性现象也可以用简单的例子来形象地说明。在图4．21中，每一观察者都看见一个方块，尽管在此并没有给出任何物理上的方块形状。线条的构型对视觉系统提示了，存在着一特殊的封闭对象。在观察者和刺激物构型之间出现了意向性参照。
意向性对象或状态可以是虚构的也可以是真实的。显然，人类文化充满着关于意向性对象或状态的记号和符号，包括从交通信号到宗教符号。甚至从纪念碑和教堂到工厂这样的建筑物，也可以代表意向性对象。在人类文化的长期发展中，构筑起来语言的意向性意义。在传统的认识论中，某些哲学家如弗兰茨·布伦特诺甚至主张，意向性是人的精神指称世界的一种特殊能力。意向性被理解为精神的一种特性，它不可能归结为物理学的、化学的或生物学的性质。
一些现代哲学家如约翰·西尔斯主张，意向性是人类精神的一种本能特征。但是，他们也认为人类大脑的生物学进化也发展了精神参照世界的意向性能力。
实际上，意向性并非大脑所独有。它也是某些复杂系统的特性，可以用生命进化中的吸引子动力学来为其建立模型。社会昆虫的筑巢就是一个集体意向性动力学的例子。这种复杂系统的特性是自催化机制。通过这种机制，建筑巢穴生态系统——白蚁群体与其环境——的目标定向的工作得以进行下去。在复杂系统探究方式中，人们假定，这种社会系统已经说明了诸如大脑和中枢系统那样的较高级发展系统中观察到的规范性质。
巢穴的构筑过程涉及微观水平上500万只以上昆虫的协调，并导致一定的宏观建筑模式的演化。例如，非洲白蚁构筑的巢穴高度超过15英尺，重量超过10吨。每一白蚁都是独立于其他白蚁进行工作的。但是，它们的行动局部上由某些化学物质的分布所决定，这些化学物质是白蚁自己分泌出来的。建筑材料用化学物质打上了标记。最初，建筑材料是随机分布的，然后以某种不断增加着规则性的方式，直到建筑结构的出现，它是在受到化学物分布支配的昆虫的局部相互作用中出现的。
此模式决定了几个作为集体活动目标的中心，在数学上这可以解释为扩散场的吸引子。在前面的章节中，吸引子是作为解引入的，它为从不同初始条件出发的多条轨迹所共有。局部的轨迹对于吸引子，或是收敛的或是发散的。在物理或化学场的模型中，吸引子定义了局部区域，其中势能梯度呈现下降趋势，指向零。包围吸引子的区域叫做吸引盆，由向吸引子收敛或发散的梯度流来定义。昆虫的流的模式总体上是由它们的工作空间的吸引子的布局来组织的，这是昆虫动力学的相图。众所周知，吸引子并非总能实现的。如果某些控制参量改变了，一种模式也可能变得不稳定而被破坏，随之又出现新的吸引子模式。
图4．22a显示了围绕着两个吸引子的化学扩散梯度，它将是两根柱子的基础。因为两根柱子对于白蚁是两个竞争的吸引子，就决定了它们之间有一个鞍点。在后来的建筑步骤中，图4．22a的起初的二维场之后出现了三维场（图4．22b），支配了柱状构造的方向。在图4．22c中，以一个化学扩散梯度的吸引子示意了拱的形成。
显然，在生态尺度上的意向性并不要求其中单个的系统组件必须意识到其行动的总体后果。意向性仅仅是系统动力学在较长的发展中从总体上展现出来的。图4．22d示意了筑巢的意向性复杂系统的自催化循环。因为它并非有指导的学习过程，那里也就没有诸如“上帝”或“自然”那样的指导性权威的“目标”或“计划”。那不过是一种简化的拟人隐喻，它没有正确地描述所论自组织复杂系统的非线性因果关系。然而，总体上，从复杂的非线性相互作用中出现了意向性的集体行为。
由于大脑和中枢神经系统都是复杂系统，其非线性的动力学支配着它们的神经元和突触，它们实现了意向性行为模式也就不奇怪了。意向性并非是从天上掉下来的一种奇迹，一种引导着人的精神并将其与自然区别开来的奇迹。它是一种整体模式，是特定的复杂系统在一定条件下形成的。但是，意向性有不同的水平，这取决于增加着的进化复杂性。
意向并非必定是意识。在图4．21中，我们视觉系统的意向性对象是一块方块，我们并没有施加有意识的意志。所谓的幻觉也是我们的视觉系统一种意向性模式，它自发地产生出来而没有加入我们的有意识的意志。图4．23展示了流形的弯曲效应，它显得是由不同的形象吸引子的排斥于梯度引起的。两条等距平行线显得被左边一对排斥子梯度和被右边的一个排斥子梯度改变了它们的曲率。观察者视觉系统的态空间，由于不同视觉梯度场的结果，表现出不同的曲率，尽管线段在物理图形中仍然保持等距和平行。
甚至有意识的意向性模式也并非人所独有。一条狗的跳跃不只是为跳跃，而是为了捕食、欢迎主人等等。在有意识的目标定向的意义上，意向性在不同程度上是所有动物的特性。随之而来的问题是，意向性行为如何用复杂系统探究方式来建模，模型又如何在实验中进行检验。
在这方面，意向性定义为一种有倾向性的行为模式，它可以改变其固有行为模式的动力学性质，例如稳定性。因此，心理学家可以为行为模式的内在动力学建立模型，尽管这样的模式可能被其他有倾向行为的动力学模式所改变。这里我们提醒读者，支配着某些行为模式的内在动力学，是可以用非平衡相变和序参量来建模的。凯尔索、哈肯和其他人已经分析了如下的简单例子：要求人们平行地运动他们的手指（图4．24a），在频率低时他们容易做到这一点。当要求受试人增加其手指的运动频率时，手指会突然地以对称的、反平行的方式运动，失去了有意识的意向性（图4．24b）。
为了给这种行为模式的相变建立模型，频率被解释为一种控制参量，描述手指运动的宏观变量是相中。该行为可以在与相变化相联系的能量地形中建立模型。该地形必定是对称的，因为左手指和右手指具有同等的功能。相的角度必定是周期的（图4．25）。如果频率增加了，地形及其起始形状较陡的低谷就会变形。最初的缓慢运动中，模式是稳定的，相应于处于x值的稳定相（图4．25a）。最后，处于x值的低谷消失了，起初处于该低谷的小球也向下滚进到最深的最小值，这相应于手指的对称运动（图4．25c）。
在一些实验中，要求主观上有意向地去实现双手协调的两种模式之间的转变。短暂的过程所相应的转变时间，已经进行了测量。两种模式的稳定性，用序参量的涨落来度量。相对的相动力学用非线性演化方程来进行建模。
图4．26a示意了按照这个具有两个势能极小值方程的内在动力学。意向性信息对于相对相的动力学的贡献，用图4．26b中的势来表示。把内在的和意向性的动力学加和，得到完整的动力学，结果示意在图4．26c中。在地形中的小球，在O＝0时比O＝180时沿着陡峭斜坡要滚动得快一些，这相应于经验上测量的转变时间。显然，意向可以通过使得其中一种模式失稳而另一种模式稳定化，从而改变内在动力学。意向性信息在此被看作模式动力学的一部分，吸引着系统向所倾向的模式运动。在此意义上，意向性信息定义了态空间的一个吸引子，此内在动力学模型就建立在此态空间中。
意向性和语言的意义常常被当作人类思维的根本性特征。意向性状态的例子有疼痛、酥痒、骚痒、信念、害怕、希望、**、感觉经验、行动经验、思维、感受等等。它们都使用相应的语句来表达，如“我觉得胃疼”、“我希望得到一辆小汽车”、“我相信上帝”等等。西尔斯提出，精神状态与其他的生物状态如乳汁分泌、光合作用或消化一样地真实。他认识到，精神状态是生物脑的一种宏观态，由微观尺度上的神经元之间的神经生理相互作用引起。因此，它们是不可能由单个神经元的神经生理状态来验证的。
在大脑的微观态和宏观态之间的区分，是用例如与液体的微观态和宏观态的比拟来加以说明的：液体的宏观态不可能还原为单个分子，或换言之，单个分子不可能是液体。在此意义上，信念、**、口渴、视觉经验都是大脑的真实因果特征，如同桌子的固体性或水的液体性一样真实。意向性状态自身可以由大脑的结构引起并由大脑的结构来实现。西尔斯主张，对此并不存在形而上学障碍。
然而，他特别指出，任何纯粹的模型都不足以充分地模拟意向性，因为形式性质并非意向性的组成部分。他持有这种看法的理由是以“中文小屋’思想实验为基础的。把一个只懂得英文的人锁在一间小屋内，室内贮藏了大量的中文符号，并有一套用英文写下的复杂的翻译规则，籍以对中文符号序列进行操作。他不断地通过一条窄缝接收中文符号序列（图4．27）。他应用那些翻译规则，进一步产生出中文符号序列，并通过窄缝显示出来。
对于小屋中的那个人来说，并不了解储藏的序列中包含了大量的用中文写下的关于某一主题的信息。通过窄缝输入序列的是关于这些主题的问题或见解。输出的序列的是对于这些收到的输入见解的反应或建议。所用的翻译规则是一种形式程序，模拟了以中文为母语的说话人的通常行为。在中文小屋中的那个人，正确地应用此形式翻译规则，但不理解中文符号序列，这些中文符号序列对于他是无意义的。
西尔斯认为，形式符号的操作本身并没有任何意向性，因为它们对于使用者来说是完全无意义的。在此情形中，意向性是形式符号如字词、句子等等的特征，它们涉及到“所指”的事物（符号的语义关系）以及使用者（符号的实用关系）。西尔斯断定，这种特征仅仅是大脑的精神状态所固有的。
他的论证是针对“计算机模拟”的缺陷的，因为他把模拟限定在由程序控制的图林计算机的形式算法。但是我们已表明，大脑具有典型的自组织、自参照复杂系统的特征，这与程序控制的计算机完全不同（参见第6章）。复杂系统的自组织和自参照性并不局限于人类或哺乳动物的大脑。它们仅仅是特殊的复杂系统的生物化学和神经生理学的实现，是在生物进化中产生出来的。因此，原则上，不可能排除，这些具有特征动力学的复杂结构可能通过人的技术以完全不同的材料来实现。结果是，正如自参照和自组织的特征使得意向性成为可能，那么，用不同于生物脑的复杂模型来加以至少是部分地模拟意向性，也就是原则上不能排除的。
在传统哲学中，意向性常常以所谓的人的“自我”为基础，被认为能够涉及世界和自身（作为自参照性的“自我意识”）。但是自我隐藏在大脑的何处？传统的观点，如种种柏拉图主义或唯灵论或唯物主义，甚至仍然为一些现代的脑研究人员所持有。例如，在约翰·艾克尔斯爵士看来，自我表现为一种与大脑相互作用的心灵实体，只在本性上完全不同。但是应该怎样坚持或拒绝这种假设呢？它只是一种以高度形而上学为代价的假定，人们可以相信它也可以不相信它。
假设也许是该受批判的，可能是虚假的，但是对于进一步的研究是有益的。因此，形而上学的代价是太高了。哲学上的奥卡姆剃刀要求我们扔掉多余的假设，保留形而上学实体的经济假定，把看来是经验研究所不可或缺的假设数目限制到最小。复杂系统探究方式是一种数学的跨学科模型的研究纲领，避免了形而上学教条。从长远看，它可能失效。但是这种建模策略已经在若干科学和技术中得到许多成功的确证，而且更重要的是，它为进一步的经验研究提示了一些富有成果的概念。另一方面，传统的唯物论以单个神经元来解释神经生理学过程的精神状态，则是错误的。
然而，在脑研究中，出现的问题是：大脑中的哪一部分是“自我”中心？皮层是大脑的一部分，它使我们能够进行学习、记忆和思维，并创造出所有的人类文化和人类文明。但是，如果皮层主要当作具有一定学习程序的复杂联想记忆存贮来进行建模，那么它就仅仅是一种复杂的、高度精致的设备，是在生物进化中为增进适者生存而进化起来的设备而已。
的确，皮层是人的大脑进化中最年青的部分。大脑中有一些老得多的但更为初级的结构，这样的结构也可以在鸟类、爬行动物、两栖动物和鱼类中找到。一些科学家假定，基本的感受性如**、疼痛和所有的伺服机制，是爬行动物的生存所必要的，从根本上说是在这些早期的大脑结构中实现的。这种中心将会刺激所有各种活动，把皮层仅仅用作为巨大而有效的联想装置。因此，在这种解释中，“自我”就被大脑中的小爬虫体代替了，大脑以某些高度复杂的设施如皮层来发挥作用，从而在越来越复杂的环境中生存下来。意向性由于皮层而变得可能，但却是由人的大脑中的爬虫体的基本本能激起的。
具有高度有效的神经生存手段的爬虫体的概念，比起上一世纪流行的达尔文信条——猿是人的祖先，显得更加损伤我们的虚荣心。当然，从科学的观点看，这不是我们自尊心的受损，而是促使我们对“神经爬虫体”概念进行批判。主要的根据在于，我们的感受性并不停留在爬虫体水平上，而是在生物和文化的进化中得到了发展。
我们的**和疼痛感受性都是相当复杂，因为它们受到由人脑产生出来的相当复杂、精致的文明的影响。因此，从爬虫体时代直到今天，是某种复杂的反馈改进了我们的感受性和**。文学、艺术和心理学的历史表明，**和疼痛都是处于永恒进化中的人脑的高度精致的状态。因此，甚至传统的人的灵魂的概念，在复杂系统框架中仍然是一个或多或少有些敏感的问题。但是，我们必须放弃关于人的精神和灵魂的传统观念，它们被看作某种奇怪实体，以某种原则上不可思议的方式控制着人的身体并与之相互作用。