5.5神经涌现
最近的工作已经提供的详细的证据表明：涌现属性对于大脑本身的运作是基本的。如果我们熟悉大脑解剖的细节，这一点也就不足为奇了。事实上，自谢林顿（Sherrington）和巴甫洛夫（Pavlov）以来，理解全局分布属性就一直是神经科学追求的一个难以企及的目标。造成这些困难的原因既有技术上的也有概念上的。存在技术上的困难是因为要搞清楚分布在大脑中的无数神经元同时在做些什么是极不容易的。直到最近才有一些方法收到了成效。但也有概念上的困难，这是因为在60年代和70年代神经科学家强烈偏好于用认知主义眼光打量大脑。因此，比起将大脑描述为一个涌现网络来说，将其描述为冯·诺伊曼计算机的这样一个信息加工的隐喻则更有声势。
然而，信息加工隐喻的用处是有限的。例如，尽管视皮层神经元确实对视觉刺激的具体特征有独特的反应，但是这些反应仅仅出现在内部及外部环境都高度简化了的被施以麻醉的动物身上。当动物被置于更正常的感官环境并且处在清醒和活动的状态中时，越发清楚的是：已经模式化的神经反应变得对环境高度敏感。比如，身体的倾斜或听觉刺激都会造成不同的效果。另外，神经反应的特征直接依赖于位置远离其接受领域的神经元。
在保持同一感觉刺激时，即使姿势的一个变化也会改变基础视皮层的神经反应，这就证明了即使看似遥远的运动中枢与感觉中枢也会发生共振。对具有这种构造的系统进行符号的、逐阶段的描述似乎并不合适。
因此，对神经科学家而言，日益明显的一点是，我们需要将神经元作为巨型神经元集合的一分子来研究。通过神经元的协作互动，这些巨型集合经常消失又出现，其中每个神经元都根据它们的环境而有多种的、变动的反应。这种大脑构造的一个原则就是，如果区域（神经核、神经层）A与B联结，那么B反向与A联结。这种互惠性（reciprocity）规则只有两三个小的例外。因此，大脑是一个高度协作的系统：组分间密集的相互联结意味着所发生的一切最终都是所有组分协作行动的一个功能。
这种协作性既局部发生也全局发生：它在大脑子系统以及这些子系统相互联结的层次上发挥作用。根据细胞和区域的种类，大脑可以分成不同的区域，比如丘脑、海马体、皮层脑回（cortical gyri），等等。这些分区由复杂的细胞网络组成，但是它们彼此之间也以一种网络形式相互联系。结果，整个系统以一种复杂的模式达到了内在协调，即使我们无法确切地说出这一切是如何发生的。例如，如果有人人为地调整网状系统（reticular system），生物体在行为上会出现从清醒到睡眠的变化。然而，这种变化并不意味着网状系统是清醒（wakefulness）的控制器。确切地说，那个系统是大脑中允许产生特定的内在一致的结构形式。但是当这些协调产生的时候，它们并不只是由于任何特定的系统。对于特定的协调状态，比如清醒和睡眠，网状系统是必要的，但并不充分。睡眠或清醒的是动物而不是网状神经元。事实上，存在许多研究这种神经涌现的解析层次，范围从细胞属性层次到整个大脑区域层次，每个层次都要求不同的方法论。
考虑一下视知觉的外围阶段所发生的情况。视神经将眼睛与丘脑中的侧膝体（LGN）的区域联结起来，并且将侧膝体与视皮层联结起来。标准的信息加工描述（在教科书以及流行的解释中仍然能够看到）认为信息通过眼睛进入并连续地通过丘脑被传送到皮层，在此，信息获得进一步加工。但是如果更仔细地审视整个系统被组织起来的方式，我们几乎找不到支持这种连续性的论证。明显的是，侧膝体接收的80%的信息不是来自视网膜而是来自大脑其他区域的密集联结点。另外，我们可以看到从皮层到侧膝体的神经纤维数量多于相反方向的。认为视觉通路构成了一个连续处理器似乎是完全武断的；我们能够很容易地看到相反方向上的连续移动。
因此即使在视觉系统的最外围终端，大脑所接收的来自眼睛的信息也会遭遇来自皮层的更多的神经活动。在这两种神经活动集合相遇的时刻就会涌现新的一致构形，而这取决于共振的种类或感觉活动与初级皮层内部状况（setting）间的主动的（active）匹配-失配。然而，初级视皮层只不过是LGN层次上这个特定的局部神经回路的合作者之一。其他合作者，比如网状结构，来自上丘（superior colliculus）的纤维，或控制眼球运动神经元的推测放电（corollary discharge），都起着同样积极的作用。这样，整个系统的行为就更像鸡尾酒会上的谈话，而不是一个命令串。
当然，我们对LGN和视觉所作的描述是适用于整个大脑的统一的原则。
视觉作为研究案例是有益的，因为相对于其他神经核和皮层区，我们对视觉的细节了解得更多。单个的神经元参与很多这样的整体模式，若将单个神经元单独地对待，它们并没有什么太大的意义。由此看来，视觉对象或者视觉特征认知的基本机制可以说是共振的神经元集合间全局状态的涌现。
事实上，斯蒂芬·格罗斯伯格（Stephen Grossberg）已经开创了对这种适应性共振神经网络的详细研究；这些模型是有趣的，因为它们与我们刚概述过的视觉通路的整体结构是匹配的，同时它们具有数学上的精确性，这样我们就可以进行模拟和人工实现（artificial implementation）。在对许多任意输入模式的任意序列作出反应时，ART能够自组织、自稳定（self‐stabilizing）和自比例（self‐scaling）一个识别“编码”（一组稳定的内部构形）。ART的核心是两个相继的阶段，它们对短期记忆（STM）中的激活模式作出响应。通过激活长期记忆（LTM）痕迹，这种自下而上的流遭遇自上而下的流。ART的其他部分调整STM和LTM的过程，比如细粒控制（grain control）或者波重置（wave resetting）等。
卡朋特（Carpenter）和格罗斯伯格发现，在自组织阶段，“注意”机制对于学习是关键的；当自下而上的模式与自上而下的模式不匹配的时候，这些机制就会出现。人们已经表明这些共振系统能够快速学会分类各种输入流，诸如信件分类，而无需一个预先定义的列表。ART的所有规则都描述了并行网络交互作用的涌现属性。
在这点上，我们将回到涌现的生物学过程这一主题以及前一章讨论的五蕴。在那里，我们提出了诸蕴是连续还是同时生起的问题。在传统的佛教文本中，很少提到这个问题，很大程度上这是因为诸蕴并不构成一个信息加工的理论；确切地说，它们是作为心理学和现象学的（自我指向经验的）自我-心智（ego‐mind）的描述，以及作为在对自我-心智的经验作第一手考察时所使用的一套范畴来发挥作用的。然而，对于我们而言，这个问题是值得追究的，因为对经验解析的关注是认知科学和正念/觉知传统交汇的诸多引人注目的重点之一。对诸蕴持一种序列的观点似乎类似于对脑活动持有一种序列的观点。色将首先通过视网膜和膝状体层次的前注意片断（preattentivesegmentation）出现，接着感觉和知觉在网状和丘输入（reticular andcollicular）上出现，概念和意识将在更“高层”的脑中心的不同阶段出现，比如V4、MT或者下颞叶皮层。然而，如果不能将知觉活动如此简单地分析为一个直截了当（straightforward）的序列，那么就很难将色这一“低”的层次从比如感觉或识别（discernment）这样的“较高”层次中分离出来。色的生起始终涉及对我们结构部分的预先倾向（predisposition on the part of our structures）。如果我们将积聚（a heap or pile）（skandha）看作是神经网络涌现构型的一个隐喻，那么我们就会将蕴作为涌现时刻的共振模式。这类共振模式确实需要花时间才能出现，因为它们涉及许多参与局部网络之间往复活动的循环。在上一章我们详细讨论过这些模式的瞬间生起如何在一个时间帧中在知觉和电活动上是可观察的。此外，根据我们观察这种瞬间生起的能力所达到的程度，我们在那里甚至讨论了在更加细微的时间尺度上细节是怎样被识别的。这种短暂构型的“块型”（chunkiness）似乎是大脑这种网络的涌现属性所不可避免的结果。
那么，将积聚（a heap or pile）看作是我们现在称之为自组织过程的一个隐喻是可能的。就像在一个共振网络中那样，诸蕴将作为一个涌现的瞬间生起，严格来说，在这样一个网络中并不存在同时的（既然涌现模型本身作为一个整体出现）与序列的（既然对于生起的模型而言必然有参与元素间的往复行动）之间全有或全无的区分。当然，正如我们上面所说的，诸蕴并不构成一个信息加工的理论。虽然如此，我们刚才加以勾勒的神经心理学进路与基于正念/觉知静心的直接观察似乎是一致的，这就使得这样一个事实更为显着：即这种传统不断地证实可以将经验解析为一致的涌现瞬间。
