相比无意识的时间，当你有意识时，你会有怎样的直观感受？是觉得更加不可预测，还是能够用相距更长的事件进行描述？如果将有意识时的大脑活动记录下来，并找出与无意识时大脑活动的区别，就能够佐证某些对意识的解释。
11月3日，自然子刊《Communications Biology》上发表的论文「The complexity of the stream of consciousness」，通过动力学和复杂度，对比健康人和意识障碍（Disorders of consciousness，即常说的植物人）患者脑活动的时序和空间核磁，发现了意识相关动力学的独特特征，并为已有的数种意识理论提供了佐证。
原文链接：
https://www.nature.com/articles/s42003-022-04109-x
要想了解一个事物，不妨看看其缺失时会发生什么。故此，该研究将人分为 4 类状态，分别是正常（CON）、催眠后静卧（SED）、陷入植物人状态（UWS）以及处于最小意识状态（MCS），并使用磁共振成像记录并提取其时序脑活动数据。
首先基于 TDSM （temporal decay of similarity model）计算不同时间点之间的相似程度。对比不同分组。可以看出，正如预期的那样，无意识状态相比于有意识状态的大脑活动，在短时间内更为相似（图 1）。这可能表明，当一个主体处于无意识状态时，他们过去和未来的状态更可预测地类似于现在的状态，这可能表明在短期连通性状态重构过程中更为迟缓，也可能意味着无意识者的大脑状态在长期上更为相似。
图1 ：TDSM 模型中的元矩阵相似性可预测不同程度的清醒（有意识）水平
接下来看不同时间点之间的相关性，发现无意识状态下，大脑不同状态间改变的程度更大（图 2c），变化的标准差更大（图 2d）。这意味着相比无意识，有意识者大脑的变化更缓，内部更为一致，网络配置的变化更加稳定，与之对应的，是时间序列的复杂度（即熵）更高（图 2e）。
图2：临近网络转换的描述和分析，对比四种状态下，大脑活动元矩阵变化的均值，方差以及信息熵。
之前关注的是近距离的大脑活动，接下来看时间差距更大的状态间大脑活动的关系，这里考察的是不同状态差异之间的可压缩性（compressibility），如果一个数据更难被压缩，说明其中的有效信息更多。对比不同状态下，大脑活动远端的可压缩性，可以发现清醒，睡眠及最小意识状态时的大脑活动再这一指标上依次降低，而无意识组的下降更加明显。这意味着无意识者的大脑活动，从较长的时间尺度（30s）来看，是更可预测的，这一发现，也与之前的发现（图 2e）能对应。
之后比较不同状态下，各个脑区的功能动态。可以发现，不论是皮层，皮层下还是脑干，无意识状态下的大脑活动复杂性都在下降（图 4），这支持了脑干在意识活动中也发挥作用这一观点，与之前的预期（即由于脑干没有参与高级认知，故与意识无关）不符合，对此可能的解释是脑干在意识活动中提供了反馈。
西雅图艾伦脑科学研究所的首席科学家兼所长克里斯托弗·科赫（Christof Koch）提出了整合信息论（IIT），该理论被认为是意识活动的多种解释中，较有希望的一种。该理论把意识看作系统借以「改变」自身的因果效力（causal power）。科赫说意识是「系统被自身过去的状态影响，并影响自身未来状态的能力。一个系统的因果作用力越强，它就越具有意识」。
通过对比缺少意识的异常状态和正常状态的区别，该研究的结论支持了 IIT 理论，即意识活动会让大脑的活动变得更为复杂，更难以预测。在短时间内的变化，也会更平滑。通过这一研究，从方法论上，指出了复杂性科学，可用来量化意识存在的程度，这种交叉研究可以促进了解意识的本质。而从实际的应用潜力来看，未来也许可以通过核磁，判断处于植物人状态的患者是否更有可能醒来，或者处于辅助判定是否处于最小意识状态。
神经科学和人工智能领域的多位著名学者近日发表 NeuroAI 白皮书认为，神经科学长期以来一直是推动人工智能（AI）发展的重要驱动力，NeuroAI 领域的基础研究将推动下一代人工智能的进程。文章发表后引发热议：神经科学是否推动了人工智能？未来的人工智能是否需要神经科学？
本着促进神经科学、计算机科学、认知科学和脑科学等不同领域的学术工作者的交流与合作，集智俱乐部联合北京师范大学柳昀哲、北京大学鲍平磊和昌平实验室吕柄江三位研究员共同发起了「NeuroAI」读书会，聚焦在视觉、语言和学习领域中神经科学与人工智能的相关研究，期待能够架起神经科学与人工智能领域的合作桥梁，激发跨学科的学术火花。
