研究速遞：大腦複雜網絡動力學下的創造和意識

導語

意識如河流般遷流不斷，又能流轉變異乃至瞬息萬變。如何描述大腦中這些既具有魯棒性又對輸入信號極度敏感的認知過程與意識形成？最近發表在 Physics Reports 的新研究通過亞穩態和異宿網絡建立了大腦信息過程的序列動力學，用一組以各種認知過程中可轉移模式為解的非線性微分方程，解釋了大腦的認知、意識和創造力過程。該工作有望推廣向社會心智、機器人、人工智慧和生物醫學等領域研究。

大腦是一個複雜的動力學網絡，全腦網絡結構與相應的心理過程、局部特異化功能和全腦協調之間有著複雜的動態關係，用動力學方程給出大腦活動一個普適的描述一直是個棘手的問題。最近幾位跨國協作的科學家在《Physics Reports》上發表的一篇論文《Sequential dynamics of complex networks in mind: Consciousness and creativity》中，通過引入亞穩態（metastable states）和耦合異宿網絡（coupled heteroclinic networks）對大腦網絡的動力過程的表示，建立了符合腦成像和實驗觀察的網絡序列動力學模型，並解釋了創造力的產生機理以及與意識、情感、注意力等各種認知活動之間的關係。

論文題目：

Sequential dynamics of complex networks in mind: Consciousness and creativity

論文地址：

https://www.sciencedirect.com/science/article/abs/pii/S0370157320302908

亞穩態與異宿網絡

很多實驗研究表明，大腦使用離散的經濟策略來表示、生成和處理認知信息。例如能夠實現低維描述的分層循環腦網絡分析，以定位與環境交互的自我意識動態[1,2] 。其中大腦的序列瞬態動力過程可以看作是可觀察的亞穩態序列轉換的結果[3-5]。亞穩態是一種物理和化學中的概念，它指比穩態（基態）的時間更短、比激發態時間更長的一種特殊的激發態，對動力系統而言，它包含很多非穩態情況的不變子集。

圖1：亞穩態與穩態

一個動力系統會沿著穩定的流形在一定時間內充分接近亞穩態（以某種非穩態平衡或非穩態周期軌道），並沿著不穩定流形（Manifolds）離開[6]。在動力系統理論中，不同亞穩態之間的路徑（相空間軌跡）被稱為「異宿軌」（heteroclinic trajectories/orbits），其中異宿環（heteroclinic cycle）指的是連接平衡點、周期解或混沌不變集（如吸引子）之間解軌跡的集合，它通常以馬鞍形狀匯集連接。這些解軌跡集合的網絡即異宿網絡。相對的，相同亞穩態之間的路徑被稱為同宿軌（homoclinic orbits），在下圖中可以看到它們之間的區別。

圖2：同宿軌與異宿軌

作者認為，大腦要想有效地適應處理多種靈活的認知過程，就必須能夠在瞬態模式下切換到特定的認知任務工作，因此這種狀態就不能僅僅是一種平衡態或完全周期性振蕩，在相應相空間中不能用穩定點、極限環或吸引子來有效表示。而異宿網絡則因為會存在很長時間接近某種平衡態，然後迅速轉變狀態的間歇性行為性質，所以特別適合用來理解和描述神經動力系統。

如下圖所示，A 表示靜態信息項的的亞穩態序列，綠色和藍色之間的 Sk（k=i，i+1，i+2，……） 為異宿軌的馬鞍平衡點；B 表示動態亞穩態序列，在這種情況下代表異宿軌的就是馬鞍形的周期性軌道。

圖3：能在相空間中實現魯棒性瞬態動力過程的異宿軌

這樣一來認知過程就可以描述為類似信息模式的操作，例如在空間模式集上，通過不同的亞穩態的多種切換序列模式來實現眾多目標[3,7]，其中各種可轉移狀態就代表了與認知編碼相關的信息項目，如一種感知覺（視覺、聽覺、嗅覺模式）、一個認知決策、一種記憶圖示等。

論文研究的另一個基礎是大腦全局心智活動中的無贏家競爭原則（Winnerless competition principle）。這個原則在許多不同的非線性耗散多主體系統（生態、社會、生理等）中都被觀察到過，它意味著大腦會對功能網絡的興奮和抑制進行調度，並以此整合各種時空尺度的認知信息，可以解釋諸如工作記憶局限、注意力集中轉換、情感和認知之間的動態關係、言語產生等許多現象。

圖4：異宿網絡反映了大腦多層級尺度的認知現象

作者認為異宿網絡的性質證實了著名心理學家威廉·詹姆斯關於意識的描述：大腦中的活動就像一個充滿各種不連續事件的意識流，並據此滿足以下約束條件給出了大腦認知活動描述的一組瞬態序列動力學方程：

1. 方程解對應認知過程的可轉移模式

2. 滿足無贏家競爭原則、具有瞬態切換的創造力和潛在魯棒性

3. 作為開放的耗散系統，在抑制和激發之間保持總體平衡

4. 對記憶和環境信息敏感

圖5：大腦的序列動力學模型和方程

創造力的動力學

根據序列瞬態序列動力學，可以對大腦很多認知活動進行解釋，例如創造的產生。創造的出現意味著產生了新的隱喻，這對應於大腦自我活動中信息變化在分叉時的突然改變，即動力系統在異宿軌上向某個混沌不變集激活了新的自由度。

創造的動力過程是三種認知模態相互作用的結果：

1. 默認網絡（如頭腦風暴和白日夢）

2. 自傳體記憶的執行控制網絡（當需要將注意力集中在某個目標時，該網絡就會被激活）

3. 突顯網絡（Salience network）：檢測環境刺激，並在執行控制和默認網絡之間切換注意力[8]。

如下圖所示，注意力、記憶和情緒等認知資源基本模態之間的振蕩抑制互動圖式，由一系列分層的異宿網絡構成。在序列動力學方程中這些模態用變量X0、X1、X2表示。圓圈邊緣對應抑制性連接，圈內則是一些更低層的異宿網絡，代表諸如一首詩的段落，一個爵士樂旋律的基本塊，舞蹈編排中一個基本動作等信息模塊。

圖6：注意力、記憶和情緒三種基本模態之間的互動創造過程

根據大腦的序列動力學方程，還會推導出兩種不同的創造模式，如下圖所示，一種持續時間無限長，可以作為音樂、詩歌等時間過程來回憶 (a,b) ，一種則是新出現的短暫的非常規序列信息，如波洛克的油畫或偶發性的烹飪菜餚 (c,d)。

圖7：(a,b) 軌跡劃向無限的綠色隱藏吸引子）；(c,d) 被吸引出現在穩定平衡附近的其它軌跡 [9]

走向認知與意識的通用框架

作者認為，大腦的序列複雜網絡動力學是一個通用的框架，可以解釋很多大腦活動並應用到廣泛的研究領域中。例如，意識同樣可以被視為大腦中一個短暫的多模態時空過程，是許多特化功能在全腦網絡整合活動的結果，動力學方程可以很好地描述意識活動的時序、多模態約束、同步或節律化等。這還包括情緒和注意力的產生，以及如何在社會群體中不同個體大腦之間進行遷移和協作等，這意味著這組動力學方程可以解釋諸如集體心流（group flow）之類的現象。作者認為接下來分析研究社會群體中信息過程的時空結合動態會是一個很有前途的方向。

此外，還有對機器人、人工智慧和生物醫學方面的應用。無論是基於規則的決策系統，還是機器學習，異宿網絡和無贏家競爭原則都可以廣泛應用於具有認知交互的多智能體的系統中，反映各種內部和外部信息模態的表徵和動力轉換過程，使得其具有創造力、產生「機器意識」，甚至能為形成「人機統合心智」（human-robot mind）提供一種可能的協調控制機制。在生物醫學方面則可據此發展出各種節律刺激性技術等。

總之這篇論文意義十分重大，十分需要和期待後續研究者在各個領域進行驗證、補充、拓展和應用。

作者|十三維

審校|鄭木華

編輯|鄧一雪

商務合作及投稿轉載｜[e-mail]
◆ ◆ ◆

搜索公眾號：集智俱樂部

加入「沒有圍牆的研究所」

讓蘋果砸得更猛烈些吧!