你的大脑在自动驾驶,而你一无所知

640?wx_fmt=jpeg


来源:果壳


想象一下,你的大脑里有着两个小人,它们在不停地打架,试图夺取控制你行动的权力。当然,这两个小人并不是你善意和邪恶的念头。那它们是什么?


在很多人看来,这两者就是我们的意识和无意识:前者是警醒而可控的,后者却潜伏在意识之下,很难察觉。自弗洛伊德时代开始,就有一种普遍的观点认为,人类被一种黑暗、不可控的情绪化力量驱动,而意识的推动力一直在与无意识的隐秘欲望作斗争。



直到现在,我们的流行文化里还存在这种根深蒂固的观念,比如电影《头脑特工队》。小女孩莱莉的无意识被禁锢在封闭的空间里,其中充满了“捣乱分子”和恐惧。正如电影的隐喻所示,人们倾向于认为那些不合适的想法和冲动都能被丢到无意识的空间里,因为我们想相信自己的行为是有意识的。如果意识并不主导我们的行为,我们似乎就没法控制自己的生活。

 

640?wx_fmt=gif


然而,这种非此即彼的想法其实很不准确。近期的研究表明,大脑的意识和无意识过程不是相对的,它们并不乐衷于争夺人类心理的霸权。事实上,人类的心智是一体的,意识和无意识相互交缠。即使是最理性的想法和行为,也主要归功于自动的无意识过程。


大脑一直在做预测


我们的意识和无意识究竟是如何运作的呢?这个问题很难回答,不过一个革命性但已被广泛接受的新理论——预测思维,有望提供一部分答案。


预测思维理论有各种不同的版本,但总体来说,它主张无意识过程是大脑思维的主角。这些程序让我们尽可能快速和准确地预测事件。学习、经验和有意识的思维不停优化着内隐(无意识)的预测,只有失败的预测会引起有意识的注意力。也就是说,我们只对引起我们注意的情况有意识。这种自动化的预测让我们得心应手地生活在这个世界上;在预测失灵时,我们的意识又能被及时唤醒,并根据环境调整策略,从而避免我们的自动预测系统掉入陷阱。

 

举一个简单的例子,当一个球朝我们飞来时,我们大脑中的无意识程序会预测这个球的运动轨迹,并相应调整我们四肢的动作。但如果这个球突然反常地转了个直角弯,意识的程序就会被唤醒。

 

预测思维理论可以追溯到19世纪。当时的物理和生理学家赫尔曼·冯·亥姆霍兹(Hermann von Helmholtz)提出人类能根据感知而自动得出结论的假设。以视觉系统为例:我们可以轻易从三个被切了一角,并以特定方式排列的圆形中看到一个不存在的三角形”

 

640?wx_fmt=jpeg


我们的视觉系统通过想象出一个三角形来“解释”这三个圆形为什么被这样摆放。

— 

Scientific American


亥姆霍兹认为,这种错觉说明大脑内存在预编程序:不用做任何事情,它们就会自动形成我们对世界的感知。在当今的学术界中,预测思维理论的支持者们认为,这种预编程序不只是决定我们如何感知世界,也同时影响其他心智过程,例如判断、抉择和行为。

 

为了让身体正常运作,大脑需要快速而自发地区分身体本身的动作和来自外界的输入。因此,大脑为每个发送给肌肉的指令创造了一份“感知副本”(efference copy)。举个例子:当你前后摇晃头部时,即使你所看到的世界在前后摇晃,你收到的感知副本会告诉你世界其实不在摇晃,而是你自己在主动摇晃。感知副本也可以解释为什么挠自己的脚不痒:脚底板感受到“痒”的时候,大脑中的触觉区域已经知道是你自己而非别人在挠了。

 

大脑在多个平行层面同时工作


无意识过程的工作原理在很多现象中都有体现,例如自动运动、自发联想和过早定论等。其中最有趣的一个例子,是所谓的“阈下刺激”——无法被意识探测的刺激。

 

640?wx_fmt=jpeg


为了探测阈下刺激是否能影响行为,科学家们已经做了一系列的实验来验证。通常来讲,实验人员会将图片、文字,或躯体感受展示给被试,特定的展示方式能让被试察觉不到刺激:要么是因为刺激太短暂,要么是因为刺激不在注意力中心。例如,心理学家会要求被试阅读一段文字,其中某些词会多次出现但并没有被强调标注;随后,对照组再读一段普通文字。如果实验组的被试在读到之前多次出现的词语后,表现出明显的思维、感知和行为变化,研究者就可以假定那些词语产生了无意识的影响。

 

关于阈下刺激的研究证实了我们“一脑多用”的能力。与电脑相比,脑灰质或许工作缓慢,但它能在多个平行层面同时工作。研究者们通常都会把这些工作分成两种,例如诺贝尔经济学奖获得者、心理学家丹尼尔·卡内曼(Daniel Kahneman)提出的系统1和系统2。系统1包括所有快速、自动和不可控的无意识过程;系统2则包括那些更加缓慢、灵活和主动的有意识过程。不过在预测思维理论中最关键的是:这两种过程其实是协力工作的。也就是说,我们大脑中无意识和有意识的过程是同时发生的。

 

下面这句话阐明了这个主张:普人通就以可懂读段这话。虽然的字序顺乱了,你是还全完理解,很易容就能懂搞句这话在说什么。这是都为因大脑奇神的动自功能!


大多数人都能在很短的时间内猜测出下一个词语是什么,因为我们脑中的“自动驾驶”功能在预测到下一个词语时,就能很快地把打乱的字序排列整齐。

 

然而,在神经心理学的层面上,精确区分有意识和无意识过程一直是个难题,我们也并不了解它们究竟如何相互作用。哲学家彼得·卡拉瑟斯(Peter Carruthers)认为,人类只能意识到自己工作记忆中的内容。但工作记忆只能勉强留住我们接受到的信息中很小一部分,并且这些信息很快就会消失不见。大脑接受到的绝大部分信息都不为我们所察觉,而是直接进入系统1被快速自动处理。

 

640?wx_fmt=gif

大脑通过处理这些信息,就能自动回答一些问题:接下来会发生什么?我可能会接收到什么样的刺激?有没有什么逼近的危险?其他人想干什么?这些预测不仅与外界相连,也与我们的身体和内环境息息相关。这样看来,进食的欲望,只是大脑无意识地预测到了迫在眉睫的能量缺失。这些无意识过程致力于保持内稳态,让我们的身体(包括能量摄取和消耗)保持平衡。


大脑如何做预测?


神经心理学家马克·索姆斯(Mark Solms)十分支持预测思维理论,并对无意识与有意识功能有独特的神经生物学解读。他认为人类大脑并不寻求“更有意识”;相反,大脑一直在尽量地少用意识。他解释说:“就像Talking Heads唱的一样,‘天堂是个啥都没,啥都没发生过的地方’。大脑就喜欢这种状态,因为这样能节省能量和时间。这是个生存机制。”

 

索姆斯在与神经科学家卡尔·弗里斯顿(Karl Friston)合作的文章里描述了他的观点。十年前,弗里斯顿提出预测思维理论的数学模型,即自由能原理。根据该理论,脑中的自由能代表预测失败时神经元的状态;而大脑尽一切可能地避免自由能。在最终的分析里,索姆斯和弗里斯顿强调:预测误差等于意料之外,也等于意识:当事情的发展出乎意料时,我们才变得有意识——大脑竭力避免这种情况的发生。

 

这个观点不仅完全反驳了弗洛伊德的理论,也与经典的“皮层为意识之源”的观点相悖。索姆斯认为,这些高级脑区并不是意识的主宰,而是通过接收脑干和中脑里更深层结构的“命令”来工作的。他还认为意识来源于掌管警觉、感情刺激和欲望的脑区——正好是弗洛伊德主张的无意识区域(见下方大脑插图)。他说:“大脑皮层的规律检测机制,在没有意识参与的情况下,效率最高。更深层的情感脑区,即边缘结构,才是意识的真正发源地。”


640?wx_fmt=jpeg


传统观念认为,皮层是高级心智功能的发生地。但是根据马克·索姆斯提出的模型,意识来源于低级脑区,如网状激活系统、腹侧被盖区和丘脑。只有当感觉信息(所有感觉信息都要经过丘脑)与情感或动机相关时才能被我们意识到,因为前额皮质和扣带回皮质把我们的注意力引导过去了。同时,纹状体和楔前叶负责自动运动控制和定向,并让我们得以无意识地就能与环境交流。

Falconieri Visuals


索姆斯的理论有一定的经验支持。比如,因为发育障碍而先天缺失大脑皮层的婴儿,他们的大脑也可以进行特定的有意识过程;如果在进入儿童时期前没有夭折,他们不仅会头脑清醒,还能做出情感回应。在一篇2007年发表的综述中,神经科学家比约恩·默克(Björn Merker)总结称,很多有意识现象的发生甚至不需要大脑皮层的存在。虽然如果没有大脑皮层,我们就不能经历更加复杂的心理过程,例如逻辑思考和自我反思,但我们还是能够体会类似于喜悦、烦躁或悲伤的感情。


大脑真正的主人


很多人都固执地认为,本能的无意识和理性的有意识之间必定有清晰的分界——有意识肯定比无意识更好。但是,正如本文所述,这个看法是站不住脚的。无意识过程才在真正地控制我们的意识。你把注意力放在哪里、你能记住什么、你的想法、你要过滤掉接收的大量信息中的哪些成分、你怎么理解它们、你的目标是什么——这些都归功于我们脑中的自动程序。


640?wx_fmt=jpeg


社会心理学家蒂莫西·威尔逊(Timothy Wilson)认为,我们对无意识过程的依赖性,是我们作为一个物种生存下来所付出的代价。如果我们总是仔细考虑周遭情况中的所有细节,并比较每个可能的选择,人类应该已经早早灭绝了。我们脑中的自动驾驶系统,而不是意识,成就了人类。

 

因此,解决问题和确保人类生存的真正总策划,是大脑中的无意识。因为无意识是不可控的,所以人们对它缺乏信任是可以理解的。毕竟,如果我们甚至不知道它在什么时候、用什么方式影响我们,我们又怎能控制它?然而,虽然我们对无意识的工作原理并不了解,我们知道:它能将我们的身体运作得很好。

 

耶鲁大学的社会心理学家约翰·巴奇(John Bargh)把人类心智比作一个水手:如果要让船从A点行驶到B点,水手需要知道目的地,才能依此调整船的方向。但只能这样还不够。因为如同无意识一样,洋流和风向等不可控因素也会对船只的行驶产生影响。不过,专业水手在让船驶向目的地的同时,也会把这些因素思考在内。

 

我们正确对待无意识的方法也是这样——别挡它的路。当我把家人的照片放到书桌上,以此来激励自己努力工作时;当我选择走楼梯,而不是坐电梯时——我在引导我的无意识大脑,因为我知道:它想要娱乐和放松的本能,对当下的我并没有好处。而我能这样做,恰恰说明了有意识和无意识过程应该是搭档,而不是敌人。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491740.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

常用的损失函数

来自 机器学习成长之路公众号 本文将常用的损失函数分为了两大类:分类和回归。然后又分别对这两类进行了细分和讲解,其中回归中包含了一种不太常见的损失函数:平均偏差误差,可以用来确定模型中存在正偏差还是负偏差。 从学习任务…

吴恩达《机器学习》学习笔记十一——应用机器学习的建议

吴恩达《机器学习》学习笔记十一——应用机器学习的建议一、训练完模型后下一步要做什么二、评估算法与模型选择1.训练集与测试集2.训练/测试步骤3.模型选择4.数据集新的划分——验证集的加入三、偏差与方差1.偏差与方差的理解2.正则化和偏差方差的关系3.学习曲线四、决定接下来…

为什么说深耕AI领域绕不开知识图谱?

来源:AI科技大本营“所有在 AI 领域深耕的人,最终都会发现语义鸿沟仍是一个非常具有挑战性的问题,这最终还需要借助知识图谱等技术,来帮助将整体的 AI 认知取得新进展。”在 5 月 26 日的 CTA 峰会机器学习专场,Hulu 首…

机器学习中的相似性度量总结

来自 机器学习算法那些事公众号 在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。 目录 1. 欧氏距离 …

吴恩达《机器学习》学习笔记十二——机器学习系统

吴恩达《机器学习》学习笔记十二——机器学习系统一、设计机器学习系统的思想1.快速实现绘制学习曲线——寻找重点优化的方向2.误差分析3.数值估计二、偏斜类问题(类别不均衡)三、查准率P与召回率R——代替准确率的评估指标四、查准率与召回率的权衡——…

增强现实:一场正在到来的医疗革命

来源: 资本实验室图像化可以让医生的诊断、决策和治疗更加准确,可以说是医疗史上非常重要的一项技术突破。近几年,通讯技术的发展推动了空间计算的快速商业化。在医疗领域,增强现实(AR)、虚拟现实&#xff…

吴恩达《机器学习》学习笔记十三——机器学习系统(补充)

这次笔记是对笔记十二的补充,之前讨论了评价指标,这次主要是补充机器学习系统设计中另一个重要的方面,用来训练的数据有多少的问题。 笔记十二地址:https://blog.csdn.net/qq_40467656/article/details/107602209 之前曾说过不要…

全球CMOS图像传感器厂商最新排名:黑马杀出

来源:半导体行业观察近期,台湾地区的Yuanta Research发布报告,介绍了其对CMOS图像传感器(CIS)市场的看法,以及到2022年的前景预期。从该研究报告可以看出,2018年全球CMOS图像传感器的市场规模为137亿美元,其…

吴恩达《机器学习》学习笔记十四——应用机器学习的建议实现一个机器学习模型的改进

吴恩达《机器学习》学习笔记十四——应用机器学习的建议实现一个机器学习模型的改进一、任务介绍二、代码实现1.准备数据2.代价函数3.梯度计算4.带有正则化的代价函数和梯度计算5.拟合数据6.创建多项式特征7.准备多项式回归数据8.绘制学习曲线𝜆0𝜆1&…

刘锋 吕乃基:互联网中心化与去中心化之争

前言:本文发表在2019年5月《中国社会科学报》上,主要从神经学角度分析互联网的发育过程,并对云计算和区块链为代表的中心化与去中心化技术趋势进行了探讨。当前,学术界和产业界对互联网的未来发展出现了分歧。随着谷歌、亚马逊、F…

iOS-BMK标注覆盖物

在iOS开发中,地图算是一个比较重要的模块。我们常用的地图有高德地图,百度地图,谷歌地图,对于中国而言,苹果公司已经不再使用谷歌地图,官方使用的是高德地图。下面将讲述一下百度地图开发过程中的一些小的知…

PyTorch框架学习二——基本数据结构(张量)

PyTorch框架学习二——基本数据结构(张量)一、什么是张量?二、Tensor与Variable(PyTorch中)1.Variable2.Tensor三、Tensor的创建1.直接创建Tensor(1)torch.tensor()(2)to…

十年空缺一朝回归,百度正式任命王海峰出任CTO

来源:机器之心百度要回归技术初心了吗?自 2010 年李一男卸任百度 CTO 之后,百度对这一职位就再无公开任命,一空就是 10 年。而今天上午李彦宏突然发出的一纸职位调令,让这个空缺多年的百度 CTO 之位有了新的掌舵手。就…

Windows下卸载TensorFlow

激活tensorflow:activate tensorflow输入:pip uninstall tensorflowProceed(y/n):y如果是gpu版本: 激活tensorflow:activate tensorflow-gpu输入:pip uninstall tensorflow-gpuProceed&#xf…

PyTorch框架学习三——张量操作

PyTorch框架学习三——张量操作一、拼接1.torch.cat()2.torch.stack()二、切分1.torch.chunk()2.torch.split()三、索引1.torch.index_select()2.torch.masked_select()四、变换1.torch.reshape()2.torch.transpace()3.torch.t()4.torch.squeeze()5.torch.unsqueeze()一、拼接 …

'chcp' 不是内部或外部命令,也不是可运行的程序

在cmd窗口中输入activate tensorflow时报错chcp 不是内部或外部命令,也不是可运行的程序 添加两个环境变量即可解决: 将Anaconda的安装地址添加到环境变量“PATH”,如果没有可以新建一个,我的安装地址是“D:\Anaconda”&#xf…

2019年全球企业人工智能发展现状分析报告

来源:199IT互联网数据中心《悬而未决的AI竞赛——全球企业人工智能发展现状》由德勤洞察发布,德勤中国科技、传媒和电信行业编译。为了解全球范围内的企业在应用人工智能技术方面的情况以及所取得的成效,德勤于2018年第三季度针对早期人工智能…

PyTorch框架学习四——计算图与动态图机制

PyTorch框架学习四——计算图与动态图机制一、计算图二、动态图与静态图三、torch.autograd1.torch.autograd.backward()2.torch.autograd.grad()3.autograd小贴士4.代码演示理解(1)构建计算图并反向求导:(2)grad_tens…

美国准备跳过5G直接到6G 用上万颗卫星包裹全球,靠谱吗?

来源:瞭望智库这项2015年提出的计划,规模极其巨大,总计要在2025年前发射近12000颗卫星。有自媒体认为,该计划表示美国将在太空中建立下一代宽带网络,绕过5G,直接升级到6G,并据此认为“6G并不遥远…

PyTorch框架学习五——图像预处理transforms(一)

PyTorch框架学习五——图像预处理transforms(一)一、transforms运行机制二、transforms的具体方法1.裁剪(1)随机裁剪:transforms.RandomCrop()(2)中心裁剪:transforms.CenterCrop()&…