意識 ﹂ 是 個 複雜 的 東西 ， 但是 所謂 科學 的 方法 就 是 把 複雜 的 東西 分解成 一 小 塊 一 小 塊 來 研究 ， 當 細節 弄 清楚 的 時候 ， 這 個 複雜 行為 的 內在 機制 也 就 水落石出 了 。 所以 克里克 全力 去 尋找 產生 視覺 意識 的 神經元 ， 看 神經元 之間 如何 產生 衝動 ， 又 如何 傳導 以 產生 視覺 。 把 人 的 意識 行為 化約到 神經元 的 層次 ， 認為 這 一 群 神經元 彼此 之間 的 互動 就 會 產生 人為 萬物之靈 的 崇高 認知 行為 ， 在 目前 當然 仍 是 一 個 天方夜譚 似的 假說 。 對 許多 人 而言 ， 這 個 假說 也許 是 驚異 的 、 震驚 的 、 不可思議 的 ， 但是 對 克里克 來 說 ， 卻 是 理所當然 ， 一定 會 是 這樣 的 。 因為 一旦 了 解 了 大腦 運作 的 方式 ， 意識 之 謎 也 就 解開 了 。 一九五三年 ， 當 華生 和 克里克 發現 ＤＮＡ 結構 時 ， 有 誰 會 想到 複製 ︵ clone ︶ 是 可能 的 ？ 那 時候 對 複製 的 看法 ， 就 像 我們 的 老 祖宗 對 人類 登上 月球 的 看法 一樣 ， 但 四十 年 後 ， 全 世界 的 生化 實驗室 都 在 做 複製 。 因為 當 我們 對 去氧核醣核酸 、 核醣核酸 和 蛋白質 的 功能 了解 後 ， 我們 就 解開 了 胚胎 之 謎 。 克里克 認為 我們 可以 用 同樣 的 方法 去 研究 意識 。 這 本 書 是 他 這 二十五 年 來 研究 的 心得 ， 以 極 淺顯 的 文字 、 易懂 的 例子 寫給 一般人 看 ， 是 一 本 極好 的 科普書 。 我 最 欣賞 的 是 他 對 問題 的 看法 ， 你 可以 說 他 把 問題 看 得 太 簡單 了 ， 但是 正 是 簡單 明瞭 的 把 問題 界定 清楚 ， 使得 他 可以 著手 研究 ， 而 我們 這些 批評 他 太 簡單 的 人 ， 還 在 那兒 團團轉 ， 不 知 從 哪兒 下手 才 好 。 讀 ︽ 驚異 的 假說 ︾ ︵ The Astonishing Hypothesis ； 編按 ： 中譯本 天下 文化 出版 ︶ 這 本 書 要 從 克里克 如何 去 看 問題 著眼 ， 學會 了 他 對 ﹁ 解 謎 ﹂ 的 那 股 熱情 ， 學會 了 他 對 實證 科學 的 堅持 ， 你 當 會 受益 無窮 。 有 些 哲學家 批評 他 把 意識 與 腦神經 的 關係 看 得 太 簡單 了 ， 我 想 那 是 誤解 了 他 的 原意 。 克里克 認為 簡單 的 部分 是 由 神經元 產生 意識 的 瞬間 ， 而 意識 所 帶來 的 最後 成品 ， 絕對 是 相當 複雜 的 。 你 認為 呢 ？ ︵ ︽ 驚異 的 假說 ︾ 書評 ， 一九九七年 七月 ︶ 第4 篇 科學 之 妙 1. 深藍 的 藍色 憂鬱 電腦 怎麼 可能 學會 下棋 ？ 若 學會 了 下棋 ， 又 怎麼 可能 會 輸棋 ？ 最近 做 了 一 場 有關 人類 認知 系統 的 演講 ， 對 專家 與 生手 的 知識 落差 該 如何 界定 ， 做 了 大致 介紹 。 由於 專家 在 其 專業 中 做 起 事 來 ， 總是 得心應手 、 瀟灑 自如 ， 而 生手 卻 是 綁手綁腳 、 笨拙 無比 ， 很多 人 就 以為 專家 都 是 擁有 天賦 的 奇才 。 但 近年 來 以 科學 方法 研究 兩 者 的 心智 落差 ， 卻 發現 專家 的 專業 能力 和 心智 能力 ︵ 如 ＩＱ ︶ 往往 只有 普通 的 關聯性 ， 沒有 特別 高 的 相關 係數 。 所謂 隔行如隔山 是 確定 無誤 的 。 專家 的 特別 能耐 絕對 只 限於 該 特定 領域 ， 某 一 行 的 ﹁ 專家 ﹂ 可能 也 同時 是 另 一 行 的 ﹁ 生手 ﹂ 。 專家 知識 只 是 某人 在 某 一 專業 上 經 長期 訓練 所 得 的 知識 ， 加上 不斷 應用 所 知 累積 的 心得 所 共同 組合 的 知識 體系 。 一 位 象棋 棋王 看到 一 副 殘局 ， 對 其 各 子 所 擺 的 位置 可以 過目不忘 ， 但 同樣 數目 的 棋子 ， 隨機 擺在 棋盤 上 ， 這 位 棋王 在 記憶 上 並 沒有 特別 突出 的 表現 。 在 設計 機械人 的 專家 系統 ， 如 程式 工程師教 電腦 下棋 時 ， 就 充分 利用 了 這樣 的 概念 。 演講 後 ， 有 學生 問 ︰ ﹁ 電腦 怎麼 可能 學會 下棋 ？ ﹂ ﹁ 電腦 若 學會 了 下棋 ， 怎麼 可能 會 輸棋 ？ ﹂ 這 兩 個 問題 真的 非常 有趣 ， 前者 只 把 電腦 當作 ﹁ 計算機 ﹂ ， 低估 電腦 的 ﹁ 認知 與 學習 ﹂ 的 能力 ； 後者 則 將 電腦 視為 ﹁ 無敵 鐵 金剛 ﹂ ， 高估 了 電腦 ﹁ 人工 智慧 ﹂ 的 能耐 ！ 我 的 回答 很 簡單 ︰ ﹁ 要 成為 棋王 ， 需要 建立 特殊 的 專家 知識 ， 也就是說 ， 要 把 電腦 ﹃ 灌頂 ﹄ ， 才 能 使 它 成為 棋王 ！ 問題 是 ， 灌 什麼 頂 ？ ﹂ 首先 ， 要 增強 電腦 的 功力 ， 使 它 的 記憶 容量 和 計算 能力 都 達到 ﹁ 超級 電腦 ﹂ 的 水準 。 這樣 ， 對手 下 一 步 ， 它 就 能 往 前 看到 幾十 步 的 可能性 ︵ 一般人 只 能 往 前 預測 三 、 四 步 ︶ 。 這 種 以 計算 與 記憶 的 暴力 獲勝 的 方式 ， 也許 可以 應用 在 五子棋 或 井字 遊戲 ， 但 如 象棋 、 西洋棋 、 圍棋 等 ， 每 一 步 都 有 幾十 步 可能 的 鏈鎖 反應 ， 形成 擴張 非常 快速 的 複雜 體系 ， 則 記憶 再 大 也 不可能 盡 知 其 所以然 。 所以 ， 單 靠 計算 暴力 ， 是 無法 取勝 的 。 再 來 ， 讓 電腦 記下 所有 前人 重要 的 棋譜 ， 藉著 前人 的 經驗 指點 它 的 回應 ， 以為 可以 勝券在握 。 然而 棋譜 的 量 再 多 還是 有限 ！ 棋海 無涯 ， 新 的 可能性 總會 出現 ， 屆時 ﹁ 腦 ﹂ 中 無譜 ， 就 不 知 如何 下手 了 ！ 所以 ， 最 可靠 的 還是 讓 電腦 擁有 學習 能力 。 而 學習 的 基本 要件 是 回饋 ， 讓 電腦 能 從 每 盤 棋 的 勝負 中 去 修改 內部 程式 ， 建立 ﹁ 去 輸 存贏 ﹂ ︵ win-stay-lost-change ︶ 的 回饋 系統 ， 不斷 地 增強 自己 的 武功 。 當然 ， 回饋點 可以 在 最 基層 的 神經 機件 ， 也 可以 在 最 高 的 認知 決策點 ， 或 在 兩 者 之間 網路 流通 的 算則 及 其 能量 的 資源 分配 上 。 學習 ， 提供 了 最 可靠 的 勝利 保證 。 靠 這 三 樣 寶典 的 灌頂 ， 深藍 ︵ Deep Blue ︶ 是 越來越 厲害 了 ， 它 雖 有 打敗 世界 棋王 卡斯帕洛夫 ︵ Garry Kasparov ︶ 的 紀錄 ， 但 仍 不 是 ﹁ 棋王 之 王 ﹂ ， 更 不 是 人類 的