关于意识，人们长期被困在两个彼此对立的解释里。

　　大脑的运作方式并非像运行程序的数字机器那样。意识可能源于一种独特的物理计算

　　一种观点认为，意识本质上是一种计算结果。只要一个系统拥有正确的信息处理结构，不管它是由神经元还是硅芯片构成，只要“程序对了”，意识就会出现。这被称为计算功能主义。

　　另一种观点则完全不同。它认为意识无法脱离生物大脑而存在。神经元、身体、代谢过程并不是“承载意识的外壳”，而是意识本身不可分割的一部分。这被称为生物自然主义。

　　这两种立场看似对立，却都解释了一部分现实。但它们之间长期无法调和，本身或许已经说明：我们对“大脑如何计算”这件事的理解，可能出了问题。

　　最近，一篇新论文提出了一个不同的视角，作者把它称为“生物计算主义”。这个名字本身就带着挑衅意味，但它的核心问题很直接——也很现实：我们是否从一开始，就误解了大脑的计算方式？

　　在传统计算机领域，我们可以清晰地划分软件和硬件。但在大脑中，不同尺度之间并不存在这种界限。

　　在很长时间里，人们习惯把大脑比作计算机。神经元是硬件，认知是软件，意识是运行结果。这种类比直观、好理解，也推动了早期人工智能的发展。但问题在于，大脑并不是一台冯·诺依曼计算机。

　　如果继续用传统计算机的框架去理解大脑，就会不断出现牵强的解释。

　　在这篇论文中，作者试图扩展“计算”这个词的含义，并指出，真正发生在大脑中的计算，至少具有三个关键特征。

　　首先，大脑的计算并不是单一形式的。

　　在传统计算中，我们要么讨论离散的符号操作，要么讨论连续的模拟过程。但大脑两者兼而有之。神经元会以脉冲的形式发放信号，突触会发生看似“事件式”的变化；与此同时，这一切又嵌入在连续变化的物理环境中，包括电场、化学梯度、离子扩散和不断变化的导电特性。

　　这些连续过程会影响神经元是否发放脉冲，而脉冲本身又会反过来改变这些连续场。大脑不是数字系统，也不是纯模拟系统，而是一个层层嵌套、相互反馈的混合系统。

　　其次，大脑的计算无法被清晰拆分。

　　在计算机中，我们可以区分软件和硬件，可以区分算法和实现。但在大脑中，并不存在这样一条清楚的分界线。从离子通道到树突结构，从局部神经回路到全脑动力学，各个尺度同时参与因果过程。

　　在这种系统中，改变“实现方式”，就等于改变了计算本身。算法并不是抽象地运行在某个物理底座之上，而是和物理结构紧密纠缠在一起。

　　第三，也是最容易被忽略的一点：大脑的计算始终受到能量的严格约束。

　　大脑是一个极度耗能、却又必须节省能量的系统。代谢限制影响着它能维持哪些活动模式，能稳定哪些表征，如何进行学习，以及信息如何在不同区域之间协调。这种跨尺度的复杂耦合，并非多余的设计，而是一种在能量约束下形成的优化结果。

　　把这三点放在一起，就会得到一个让人不太舒服的结论。

　　在大脑中，计算并不是抽象的符号操作。它不是把信息从一个位置搬到另一个位置，也不是简单执行形式规则。在这里，算法就是物理过程本身。大脑并不是在“运行程序”，它本身就是一种随时间展开的计算过程。

　　这一视角，也暴露了当代人工智能的一项根本差异。

　　无论模型多么强大，现有AI系统依然是在为完全不同目的设计的数字硬件上运行的程序。它们擅长学习输入与输出之间的映射关系，能够表现出惊人的泛化能力，但这些能力并不发生在与大脑相同的物理时间和能量结构中。

　　相比之下，大脑的计算发生在连续场、离子流、树突整合和局部振荡的耦合之中。这些过程不是可以随意忽略的生物学细节，而是构成计算本身的基本单元。

　　需要强调的是，这并不是在宣称“意识只属于碳基生命”。

　　论文提出的观点更加谨慎。如果意识依赖的是这种特定形式的计算方式，那么即便在非生物系统中实现，它也可能需要类似生物的计算组织结构。关键不在于材料是否来自生命，而在于系统是否具备混合型、不可分割、受能量约束的计算特性。

　　这也对“制造意识”的目标提出了新的问题。

　　如果大脑的计算无法与其物理实现分离，那么单纯扩大数字人工智能的规模，可能并不足以跨越那道门槛。问题不一定出在算法不够强，而可能出在我们一直在优化错误的对象。

　　或许，真正需要被重新设计的，并不是“更聪明的程序”，而是能够让计算与自身物理动力学密不可分的系统本身。

　　这正是生物计算主义试图推动的转变：

　　把注意力从“运行什么算法”，转向“什么样的物理系统，才能让计算成为它自身的一部分”。

　　在意识这个问题上，答案也许从来不在代码里，而在计算发生的方式本身。