生命是处于非平衡态的复杂系统，不断地与环境交换物质和能量。大脑也是如此，无论是休息还是工作，大脑和环境之间的能量流动都驱动着大脑远离平衡态，快速传递信息，产生协调的意识活动。那么，大脑动力学如何帮助在充满无序的环境中建立秩序？科学家发现，大脑利用的是湍流原理。
研究领域：非平衡热力学，时间之箭，神经科学，湍流，深度学习
Morten L Kringelbach，Gustavo Deco | 作者
潘佳栋 | 译者
梁金 | 审校
邓一雪 | 编辑
根据热力学，任何生物体都在不断地与环境交换物质和能量，因此，该系统处于非平衡态。在《生命是什么？》（What Is Life?, 1944）一书中，奥地利物理学家和诺贝尔奖获得者埃尔温·薛定谔（Erwin Schrödinger）提出，维持生命的前提正是要避免平衡态：”生物体如何避免衰亡？通过吃、喝、呼吸和……吸收，技术术语是新陈代谢。”根据这一观点，最终的平衡态是死亡，因此，生存有赖于尽可能地远离平衡态。
薛定谔首先是一位物理学家，主要以其在量子物理学方面的工作而闻名。在量子物理学领域，很多人都会知道他关于“薛定谔的猫”的思想实验，矛盾的是，这只猫可能同时被认为是活的和死的。这源于1935年与阿尔伯特·爱因斯坦（Albert Einstein）关于量子力学哥本哈根诠释的讨论。
然而，到了晚年，薛定谔转向了另一个重要问题：发现生命的基本力和理解热力学如何提供帮助。在那时，对人脑的科学研究还处于起步阶段，因此不是薛定谔关注的一部分。但自此之后，神经科学取得了巨大的进步。人们已经非常清楚，大脑必然是生物体避免平衡和死亡的主要驱动力。事实上，最近的发现[1]开始为大脑如何在非平衡态下茁壮成长提供新的线索；同时揭示动荡的、非线性的大脑动力学如何帮助在很大程度上无序的环境中找到秩序，从而提高生存机会 [2] 。
图1. 大脑会复杂多变的环境之间不断发生能量流动，驱动大脑远离平衡态。
在过去几十年里，脑科学家们一直致力于研究当我们从事特定任务时，大脑似乎主要由环境的瞬间刺激驱动。然而，正如美国神经科学家 Marcus Raichle 的开创性研究所表明的那样，越来越清楚的是，大脑并不仅仅由来自环境的信息驱动。相反，大脑主要由内在的静息状态活动驱动，在解释、响应甚至预测环境需求时在不同大脑状态之间切换。
这一观点得到了以下事实的支持：维持大脑内在静息活动的代谢能量消耗远大于外在任务驱动需求（例如在观看视觉刺激或解决认知任务时）所使用的能量消耗。根据一些估计，超过20%的总能量消耗是由大脑承担的，而大脑只占体重的2%，因此 Raichle 诗意地谈到了大脑的“暗能量”[3]。
在这里，我们建议融合薛定谔和 Raichle 的观点，提出这样一个想法：大脑和环境之间的能量流动驱动着维持生命所需的非平衡态。这就引出了一种新的心智热力学（thermodynamics of mind）理论，这一理论借鉴了物理学的思想，使研究人员能够非常精确地量化和描述导致非平衡态的大脑处理过程。
根据克劳修斯（Rudolf Clausius）和卡诺（Sadi Carnot）在19世纪提出的热力学第二定律，随着时间的推移，一个系统往往会从有序走向无序。用热力学的语言，无序程度的增加可以表示为“熵”。因此，该定律指出，当熵增大于零时，这对应于一个非平衡且时间不可逆的系统。所有生命系统都是如此。相反，如果系统中没有熵增，这是一个平衡系统，在时间上是可逆的。这在熵增、非平衡和不可逆性之间建立了牢固的联系，英国物理学家爱丁顿（Arthur Eddington）在1927年将其描述为“时间之箭”。
玻璃破碎时，会出现一个与熵和“时间之箭”有关的非平衡系统的极好例子。熵随着系统从有序到无序而增加，事件的因果顺序，以及“时间之箭”非常清晰。相反，当我们以倒着观看同一部电影时，会立即意识到，玻璃不可能从无序状态恢复到有序状态。这些事件的不可能性非常明显，并且“时间之箭”必须逆转。
图2. 玻璃破碎的过程是不可逆的，展示了“时间之箭”的存在。| 来源：Quanta Magazine
有趣的是，导演克里斯托弗·诺兰（Christopher Nolan）在其最新的电影《信条》（Tenet，2020）中结合了这样的视觉片段，事件在时间上向前或向后进行。这最初会造成混乱，但我们很快就会学会辨别不同的视觉元素——比如高速公路上的汽车奇怪地从毁灭中翻转回来——并立即识别出这种违反预期的向前的“时间之箭”。
热力学的美妙之处在于，“时间之箭”可以用熵增来优雅地进行数学描述，当一个系统从有序到无序时，例如当玻璃破碎时，熵就会增加。可以计算出总的熵增，如果它大于零，就可以说一个系统是不可逆的，处于非平衡态。换句话说，玻璃被打碎是一个明显的非平衡和不可逆系统的例子（除了在虚构的现实世界——物理学定义的“信条”世界）。
与此相反，作为平衡系统的一个例子，想象一下观看碰撞台球的录像。当向前和向后看这部影片时，你很难分辨出每部影片的“时间之箭”。在热力学概念中，这是因为这个过程没有产生熵，创造了一个内在可逆的过程。
这些热力学概念是强大的工具，原则上可以应用于任何事物。因此，我们和其他研究人员已经开始将它们应用于大脑信号。这使我们能够通过简单地测量大脑信号中的不可逆水平，来测量环境如何驱动大脑。我们正在研究这些工具如何能够捕捉到大脑中的“时间之箭”和熵增，从而精确评估外部世界和我们的身体在不同情况下如何驱动大脑达到非平衡态。这甚至可能用来描述在出现任何明显的症状之前，患病的大脑中平衡的变化。
最近，我们将热力学与一种叫做深度学习的机器学习技术结合起来，来描述大脑信号中的“时间之箭”[4]。深度学习方法在创造有用的工具方面已经非常成功，例如从一种语言到另一种语言的自动机器翻译。关键的想法是让深度学习算法在大型数据集中学习模式，然后将这种学习推广到新的情况。举个例子，以语言学习为例，深度学习将输入两种或更多语言的文本，然后学习当一个词在特定语境下出现时做出推论泛化。这使得该算法能够生成比以前的技术好得多的机器翻译，在使用谷歌翻译时就可以感受到这一点。
我们将深度学习作为工具，学习区分向前和反向的大脑信号。最初，在学习阶段，每个大脑信号都被贴上向前或人工生成的反向的标签，深度学习算法学会以高精确度区分它们。在测试阶段，新的大脑信号被送入深度学习算法并根据规则进行分类。
作为对诺兰的敬意，我们把这种算法称为TENET（Temporal Evolution NET）。该算法的优点在于，对大脑信号使用TENET的准确程度直接提供了给定大脑状态的不可逆和非平衡程度。通过这种方式，我们可以评估环境在不同条件下（无论是休息还是执行任务）驱动人类大脑的程度。
图3. 大脑信号中的“时间之箭”。| 来源：Quanta Magazine
我们的研究结果证实，总的来说，大脑是由环境驱动的，更重要的是，与休息时相比，人类大脑在执行不同任务时更接近非平衡态、更不可逆。相比之下，当使用TENET来描述患有双相情感障碍、ADHD和精神分裂症的神经精神病人的静息状态大脑活动时，我们发现这些患者的大脑比健康参与者的大脑更接近平衡态。这表明神经精神病人的大脑与环境更加隔绝，更可能受内在驱动。例如，这与抑郁症患者的反刍导致与外部世界的恶性隔离进而导致抑郁症相吻合。
总的来说，使用热力学方法来描述大脑活动的特点，有可能在提供新的生物标志物方面非常有用，可以帮助在第一个严重症状发生之前，提前确定那些有患病风险的人。事实上，进一步建立疾病中大脑活动的全脑模型可能有助于确定干预策略，以减少大脑变得更接近平衡态、更难参与世界的风险。
这些发现是有希望的，但仍有挑战需要克服。对深度学习的主要批评之一集中在其“黑箱”[5]性质上，它对解决复杂问题可能有相当大的实际效用，但对如何从机理上实现这一目标几乎没有产生新的见解。这种黑箱批评并不适用于我们使用深度学习来学习大脑信号中的“时间之箭”，因为我们只是把它作为一个高效的工具来发现大脑信号中的可逆性水平。事实上，我们后来还使用了其他不相关的技术来估计大脑信号的熵增和可逆性，这有助于我们更深入地了解大脑热力学。
作为对这些热力学研究结果的补充，为了真正理解非平衡大脑状态的非线性生成，我们还使用了湍流的原理。这项研究使我们不仅仅是在非平衡系统中建立“时间之箭”。
大多数人主要将湍流与水的漩涡或飞机上的恐怖经历联系在一起。但湍流首先是自然界中一个基本且非常有用的原理，它提供了最佳的混合特性，允许能量和信息在空间和时间上有效传输。事实上，过去一个世纪的研究表明，湍流是在多个尺度上跨时空级联能量的最佳方式，这是物理系统的基本组织原则。在非常实际的层面上，这已经被证明有许多重要的相关应用：从烹饪时的湍流搅拌帮助混合配料，到寻找更节能的方法来改进化工厂、飞机和风车。
从历史上看，“湍流”是达芬奇在1508-1514年创造的。达芬奇在试图捕捉看似随机的水流漩涡运动的基本规律时，面临着一项最困难的挑战。然而，他没有回避试图理解和描述这种拥挤动力学的基本生成原理。他用意大利语提出了 turbolenza 这个短语，这个短语源于 turba，在拉丁语中是“聚集”（crowds）的意思。这种不同尺度的涡旋特征明显早于数学天气预报先驱、英国博学者刘易斯·弗莱·理查森（Lewis Fry Richardson，1881-1953）的开创性观察，他描述了重要的湍流能量级联原理（turbulent energy cascade principle）。
理查森在达芬奇的观察基础上，发现流体中存在不同大小的涡流或漩涡，每个漩涡都对应着一个旋转运动。大漩涡和小漩涡之间的相互作用以速度或动能的形式交换能量；这被称为能量级联，它在不同尺度之间传递能量，这些尺度大致与不同漩涡的大小相对应。理查森在一首幽默的诗中描述了这种能量级联：“大漩涡将速度传递给小漩涡，小漩涡有更小的漩涡，以此类推，形成粘度……”一部关于蚤类（分类目虹吸翅目）的戏剧，使用了英国数学家奥古斯都·德·摩根（Augustus De Morgan）的一首短诗：“大跳蚤的背上有小跳蚤咬它们，/小跳蚤的背上有更小的跳蚤，如此直到无穷”——这本身是对乔纳森·斯威夫特（Jonathan Swift）一首诗中一句话的解读。
图4. 达芬奇画作《洪水》（c1517-1518）。在生命的最后几年，达芬奇在绘画和写作中反复提到了一场淹没风景的灾难性风暴的主题。| 图片来源：The Royal Collection Trust/Her Majesty Queen Elizabeth II 2022
俄罗斯数学家安德烈·科尔莫戈罗夫（Andrey Kolmogorov，1903-1987）在其开创性关于湍流的现象学理论中将这些诗意的观察形式化。这一极具影响力的理论证明了一个基本的指数标度律，揭示了流体动力学的关键底层机制，即平衡动力学和粘性耗散的能量级联。空间指数标度律是湍流的一个标志，它为理查森早期的级联涡旋概念提供了数学描述。这与达芬奇的观察结果显著相关，达芬奇观察到，朝向漩涡中心的圆周的收缩比水的动力减弱的速度更快，这就是为什么水在中心附近旋转得更快。
大脑热力学规定，大脑必须尽可能远离平衡态来确保我们的生存。不幸的是，大脑相当缓慢，信号在神经元之间传输的时间长达数十毫秒，这使得我们没有太多的时间对环境中的危险事物作出反应。因此，大脑如何仍能如此快速地处理如此多的信息多年来一直是一个难题。考虑到湍流是自然界各个层面的能量/信息交换的指导原则，它是这个深刻问题的关键答案。
最近我们证明，整个大脑中必要的快速信息共享由湍流信息级联实现（turbulent information cascades）[6]。此外，我们证明，在复杂环境中生存所需的协调工作，是利用罕见的长距离解剖学连接、通过湍流信息级联实现的。这为大脑这个小的全局区域工作空间提供了信息传输的必要速度，使其成为意识协调的指导者[7]。
总的来说，薛定谔关于什么使我们生存下来的问题，同样可以从大脑如何允许内在和外在信息之间具有最佳混合的角度提出。事实证明，湍流是大自然以最有效的方式跨越时间和空间来混合和传输能量/信息的最佳方法。这里提出的新结果表明，为了生存，大脑利用湍流来保持远离平衡态。
因此，对于大脑如何受环境驱动并在环境中导航这个问题，湍流和热力学非平衡态是同一枚硬币的两面。这些原则不仅让我们得以生存，有时还会让我们茁壮成长。因此，我们当前的一个主要目标是利用这个框架，通过研究大脑状态，如冥想、音乐和迷幻药等已知能唤起幸福感和繁荣状态的大脑状态，来发现潜在的大脑机制。
[1]https://arxiv.org/pdf/2012.10792.pdf
[2]https://aeon.co/essays/consciousness-is-not-a-thing-but-a-process-of-inference
[3]https://www.science.org/doi/10.1126/science.1134405
[4]https://www.biorxiv.org/content/biorxiv/early/2021/07/04/2021.07.02.450899.full.pdf
[5]https://aeon.co/essays/our-world-is-a-black-box-predictable-but-not-understandable
[6]https://pubmed.ncbi.nlm.nih.gov/34437842/
[7]https://psyche.co/ideas/the-brain-has-a-team-of-conductors-orchestrating-consciousness
原文链接：https://aeon.co/essays/what-can-a-thermodynamics-of-mind-say-about-how-to-thrive
随着电生理学、网络建模、机器学习、统计物理、类脑计算等多种技术方法的发展，我们对大脑神经元相互作用机理与连接机制，对意识、语言、情绪、记忆、社交等功能的认识逐渐深入，大脑复杂系统的谜底正在被揭开。为了促进神经科学、系统科学、计算机科学等领域研究者的交流合作，我们发起了【神经动力学模型读书会】。
集智俱乐部读书会是面向广大科研工作者的系列论文研读活动，其目的是共同深入学习探讨某个科学议题，激发科研灵感，促进科研合作。【神经动力学模型读书会】由集智俱乐部和天桥脑科学研究院联合发起，将于3月19日开始，每周六下午14:00-16:00（或每周五晚上19:00-21:00，根据实际情况调整）进行，预计持续10-12周。期间将围绕神经网络多尺度建模及其在脑疾病、脑认知方面的应用进行研讨。
详情请见：
神经动力学模型读书会启动：整合计算神经科学的多学科方法
点击“阅读原文”，报名读书会
本篇文章来源于微信公众号: 集智俱乐部
