※ 本文由 AI 根據影片內容整理，如有錯漏敬請指正。
📺 觀看完整影片：[大腦點樣產生意識？意識研究竟然係偽科學？｜#未來學 EP64]
---
意識是科學裡最難處理的題目之一。宇宙、粒子、微生物都屬於外在世界，相對容易客觀討論；但我們自己的內在經驗，一開始就帶著強烈的主觀性。這一集《未來學》由江啟明主持，邀請哥倫比亞大學心理系副教授、UCLA 心理系暨大腦研究所教授劉克頑，從 2023 年那場聯署爭議講起，談現有腦部實驗與意識理論的極限，以及意識科學真正可能的突破方向。
一場醞釀已久的公開批評
2023 年，一份簡短的預印本（preprint）由多名學者聯署，直指當時最受矚目的意識理論之一 : 整合資訊理論（Integrated Information Theory，IIT）是偽科學。劉克頑是發起人之一。
他強調，這件事醞釀已久，並非突發。真正的導火線不只在理論本身，而在整個場域的生態：支持該理論的人擁有極高學術權威，經過十多二十年的招兵買馬，形成了一個龐大的陣營；科普 KOL 大多選邊站，立場強硬。結果是，圈內人其實都知道問題所在，卻在輿論上不敢直說。
「大家都歸了邊。」他形容，這某程度上已不是科學問題，而是科學界內部的政治問題。因為科學太難做，人很容易把個人世界觀直接放進去——定義含混、實驗粗糙，說什麼都可以。
諷刺的是，對方陣營的強烈迴響反而令事件發酵，把聲量再放大。
IIT 的兩個問題：搬龍門與無法證偽
IIT 作為哲學觀點其實相當有趣：它主張天下萬物都可能有意識。茶杯、咪高峰、書本、石頭，全部都可以計算出一個「意識值」。
它的做法，本質上是量度一個系統有多複雜——一種 complexity 測試，部分與圖論（Graph Theory）有關。但問題隨即浮現：
- 那些數字算不出來。 實際計算不可行，只能用近似值（approximations），而那些近似值並不收斂。
- 公理來自內省。 那條公式的根據，是一個人坐在那裡自我反省，認為意識有若干「不容懷疑」的基本假設。但這些假設會隨時間被修改——既然改得，就不是不容懷疑。
- 預測等於廢話。 理論最終的預測是：把人放進磁力共振機，視覺系統就會有反應。劉克頑比喻，這就像預測「太陽明天會在東方升起」——沒人反對，但你到底說了什麼？
主持人由此整理出兩個核心問題：第一，這套計算方法似乎會搬龍門；第二，它幾乎沒有任何可以被證偽的性質。若沒有任何可設想的實驗能證明它錯，它就不算科學理論。
GNWT 也逃不過同樣的限制
另一個廣為人知的理論，是中文譯作全局神經工作空間理論（Global Neuronal Workspace Theory，GNWT）。
它源自第一代 AI 的 blackboard system——好比系統中有許多 sub-module，中間放一塊「民主牆」（central blackboard system）讓大家交換訊息。網絡研究確實反覆證明，許多系統中間都有一個 central workspace。GNWT 則主張：當資訊到達這個 workspace，就是意識。
劉克頑認為這套理論「沒那麼衰」，但限制相同：
- 它含混得多，不是高度量化的理論；這既是缺點也是它的護身符，因為它退化成一種 common sense。
- 它偷換了概念。 意識本應指主觀感覺，但談著談著就變成在談認知能力。訊號夠強，整個腦自然廣播，你當然能思考、記憶、說話——但那不是主觀感覺。
- 它的預測同樣無聊。 「你看到東西時腦部訊號多，看不到時訊號少」——這根本不需要理論就講得出，卻被反覆用來「驗證」理論。
近期 AI 討論令這套理論再度浮面：有人指 AI 系統思考時訊號四散，就是 Global Broadcast，是 GNWT 的 signature。劉克頑對此不以為然——訊號若不四散，那個系統根本沒在想東西。
真正紮實的路：由盲視開始
劉克頑指出一個反諷：90 年代之前的意識研究，其實相當科學。
關鍵在於病人案例。昏迷、麻醉、臨終的病人固然失去主觀意識，但他們連基本的資訊處理能力都失去了——那只等於關掉機器，跟意識關係不大。真正有意義的，是那些只失去主觀意識、卻仍能處理資訊的病人。
盲視（blindsight）正是這樣的情況。這些病人因特殊腦損傷而在主觀上看不見，卻能行路避開障礙物；你迫他們猜眼前是什麼，他們猜中的機率在統計上顯著高於隨機。訊號明明入了腦、也被處理了，主觀感覺卻消失。
問題是：這中間到底欠了什麼？找到這個差異，就找到與意識相關的機制。
但這條路極難走。真正有說服力、分野清楚的病人案例**屈指可數**。很多自稱盲視的個案，最後只是「看得不太清楚」。研究者以前要四出追尋病人、建立關係，不同實驗室甚至為聯絡方式互相競爭。
出路之一是猴子實驗。透過信號檢測理論（signal detection theory）模型與心理物理學（psychophysics）技巧，研究者可以用 yes/no 實驗與二選一強迫選擇（two-alternative forced choice）做對照——後者無論看見與否都必須猜，藉此分離主觀感覺與認知能力，再用簡單數學模型證明牠違反了某些基本假設。
AI 會是意識研究的出路嗎
主持人追問：找到相關性只是第一步，離真正的理論還有距離，下一步該怎麼走？
劉克頑的答案是計算。今日的技術容許在猴子身上直接量度腦細胞，逐漸理解整個 circuit 如何運作，而不只是「哪一忽腦亮了」——後者他認為是很悶的問題。由於腦細胞與 AI 模型類似，研究者可以量度每一個 node 在做什麼，甚至 reverse engineer 出這其實是一個 RNN（recurrent neural network）。
方法必須雙管齊下：一方面量度真實神經元，一方面建立多個計算模型作假設，再比較模型與神經元的接近程度。他坦言這部分仍未做得好，也還沒有結論。
至於 AI 為何特別？兩個原因。其一，計算神經科學（computational neuroscience）一向存在，數據模型本來就是理解機制的必要工具。其二——也是更現實的一點——AI 幫得到輿論那個問題。AI 是一門比較能實驗論證的學科，儘管牽涉大量金錢、公司也會製造噪音，但做 AI 研究的人科學根底相對紮實。在這個場域把事情講清楚，雖然困難，卻不如傳統腦科學那麼困難。
最後，主持人引用一句工程師的說法作結：你造不出來，就等於還未明白那件事。若有朝一日真的造出一個自己有意識的 AI，我們或許才真正明白自己的意識。
結語
這一集的爭議表面上關於兩套理論，底層問的卻是同一個問題：當研究對象本質上是第一身經驗，科學要怎樣維持可觀察、可驗證的紀律？
劉克頑的立場很清楚——意識研究並非因為年輕而混亂，而是因為某些路線放棄了機械化解釋的要求。要把意識變回科學，就得回到那個最不浪漫的要求：說清楚它是怎樣被計算出來的。
那麼，若一套理論永遠無法被任何實驗推翻，我們還應該稱它為科學嗎？
學識會員