摘要：神经科学可能终结的方式有很多。最平淡无奇的一种可能，便是社会对其失去兴趣。在我们有限的资源可以被用于的众多领域中，研究大脑只是最近才成为一个选项；未来的某一天，它可能会重新化为尘埃。其他事务或许会变得更加优先，例如养活全球人口或防止小行星撞击地球。或者，神经科
神经科学可能终结的方式有很多。最平淡无奇的一种可能，便是社会对其失去兴趣。在我们有限的资源可以被用于的众多领域中，研究大脑只是最近才成为一个选项；未来的某一天，它可能会重新化为尘埃。其他事务或许会变得更加优先，例如养活全球人口或防止小行星撞击地球。或者，神经科学的终结可能是某种偶然的副产品——战争的后果、政府被鲁莽地解体，或者被一块太空岩石侧面撞击的连带影响。
但我们更希望它在我们自己的掌控下结束。我们希望神经科学的终结意味着我们已经彻底理解了大脑。但这就引出了一个显而易见的问题：这是可能的吗？要让答案为“是”，必须满足三个前提：首先，存在一个有限的信息总量；其次，这些信息在物理上是可获取的；最后，我们能够理解我们所获取的全部信息。
然而，每一点都可以被合理地质疑。知识是否是有限的，并非一个已知的事实。有些观点认为，知识的增长不仅可能是无限的，甚至是不可避免的。物理学家大卫·多伊奇（DavidDeutsch）提出了一个看似无害的观点：知识增长的方式，是我们为某一现象找到一个好的解释。好的解释有一个关键特征——其细节难以更改，否则就会破坏其预测能力，从而使其失去解释力。相反，坏的解释是那些细节可以被随意调整，而不会影响其结果的。例如，古代人把四季变化归因于众神，这就是一个坏的解释，因为我们可以随意变更这些神及其行为，而四季仍然会按照固定顺序交替出现。而我们现在认为四季变化是由于地球绕太阳公转时的轴向倾斜，这是一个好的解释，因为如果去掉这个倾斜，就无法解释四季现象以及南北半球季节相反的情况。
一个好的解释意味着我们已经足够精准地把握了宇宙的某种属性，以至于可以在此基础上构建新的知识。多伊奇指出，由此可推导出一个结果：好的解释必然会产生新的问题。一个好的解释会引发不可避免的“为什么”问题：为什么这些细节难以更改？或者，为什么这些细节就是如此而非其他？对多伊奇而言，这意味着我们永远不会穷尽所有问题。如果我们真的有一天“没有问题可问”，那就意味着存在一个终极解释。但真正好的终极解释不可能存在，因为如果它的细节可以被调整，那它就是一个坏的解释（例如“众神决定如此”）；而如果它是一个好的解释，那它就无法解释为何这个版本是唯一正确的。因此，从原则上讲，我们可能拥有的知识量是无限的。
假设我们不接受这个论点：我们凭直觉认为，知识的总量是有限的，因此，完全理解大脑仍然在我们的掌握之中——只要这些知识在物理上是可获取的。但我们有充分的理由认为，事实并非如此。
我们所处的宇宙的物理法则，对我们能获取的知识施加了严格的限制。想象一下，我们想观察宇宙中任意地点正在发生的事情，但我们无能为力。因为尽管光速快得令人难以置信，它仍然是有限的。我们所能观测到的宇宙范围，仅限于自宇宙大爆炸后光子开始传播以来光所能到达的距离。然而，在这个光视界之外，宇宙仍然存在，我们却永远无法直接观测它。这种无法逾越的限制，始终是科学研究面临的潜在威胁。正是由于我们无法获取所需的空间尺度或维度的信息，弦论、圈量子引力（loopquantumgravity）等试图调和量子力学与广义相对论的理论，至今仍更多停留在猜想层面，而非可验证的科学。
类似的物理限制，可能也会阻碍我们对大脑的理解。假设我们发现，要完整地建立神经活动与即时行为之间的因果联系，需要同时记录人脑中大量神经元的活动，同时对另一部分重叠的神经元进行刺激。如果光学成像和光学刺激被证明是唯一能实现这种精度的手段，我们很可能会碰上物理上的不可能性。
想想我们需要多少光子。如此庞大的光子数量在穿透脑组织时会发生大量散射，使得信号与噪声比过低，无法分辨出众多的单神经元活动。而增加光子的数量会导致更多热量积累，从而诱发或抑制神经元的放电，使大脑状态发生改变，偏离我们试图观测的原始状态。事实上，在这样的成像尺度下，改变大脑状态几乎是不可避免的——将光线和透镜引导至更深层结构的过程中，可能会损伤大量神经元。我们或许能够清楚地知道自己需要了解哪些信息才能理解大脑，但却可能根本无法获取这些信息。
让我们乐观一点：也许人类的智慧终将找到绕过这些限制的方法，使得我们能够获取关于大脑的全部知识。那么，接下来唯一需要做的，就是理解这些知识。
长期以来，心灵哲学家一直在质疑我们是否能真正理解人类大脑。托马斯·内格尔（ThomasNagel）曾提出一个著名的思想实验，让我们想象自己成为一只蝙蝠，拥有皮革般的翅膀和声呐导航。他认为，我们当然无法真正知道蝙蝠对世界的主观体验。由此，他推论出，如果我们无法描述蝙蝠的主观体验，那么我们就无法构建独立于物种的意识的客观描述，因为我们永远无法真正知道自己试图客观测量的是什么。如果是这样，对大脑的某些理解将始终不可及。
科林·麦金（ColinMcGinn）更进一步提出，人类大脑在原则上永远无法理解人类意识，因为我们的思维受限于自身的感知能力，因此在认知上封闭于理解人类意识所需的概念。就像一只犰狳试图理解数学一样：数学确实存在，并且是世界的一种真实属性，但无论犰狳收集多少证据或多么努力地学习，它都无法掌握数学。同样，神经科学也面临一个独特的问题：它是唯一一个研究者的理解由其研究对象本身生成的学科。如何解读这些论点由你决定，但有理由相信，即便我们掌握了关于大脑的完整知识，我们仍可能无法真正理解它。
我们一开始假设，如果以下三个前提成立，我们就能真正理解大脑：关于大脑的知识是有限的；这些知识对我们是可获取的；我们有能力理解这些知识。然而，上述论点对这三个前提都提出了质疑。我们可以用概率的方式表达这种怀疑，即将每个前提的成立概率赋值，并计算神经科学是否能以理解大脑为终点的整体概率：P（有限知识）×P（可获取知识）×P（可理解知识）。
这样写出来，我们就能看到复合概率的标准困境：即便每个前提单独成立的概率都很高，三个条件同时成立的概率仍可能很低。例如，如果我们给每个前提都赋予最大值0.79，那么三个条件同时成立的概率仍小于50%——更可能的情况是，神经科学不会以我们期望的方式终结。
这意味着可能存在三种不同的结局，具体取决于哪个前提不成立：
1.神经科学永远不会终结，因为知识是无限的。
2.神经科学会终结，但由于物理上的获取限制，我们无法完全理解大脑。
3.神经科学会终结，我们原则上已经获取了理解大脑所需的一切信息，但我们缺乏理解它的能力。
无论是哪种情况，我们都无法完全理解人类大脑。但或许，这从来就不是目标。一个更合理的替代方案是，我们能足够深入地理解大脑活动与行为之间的联系，从而在其出现问题时加以修复。我们可以依赖预测来实现这一目标，而无需彻底理解它——我们可以根据神经活动预测行为，反之亦然；我们可以预测干预措施对两者的影响。
至少，过去十年人工智能的发展已经向我们展示了一个事实：我们的预测能力远远超出了我们的理解能力——从人脸识别到语言生成，莫不如此。这种预测能力让我们有充分理由相信，总有一天，神经科学会知道如何修复或预防任何大脑功能障碍，如果我们愿意的话。而这样的结局，或许已经足够好了。
来源：牛腩与科学