The phenomenal binding problem for neural networks

神經(jīng)網(wǎng)絡(luò)的現(xiàn)象綁定問題

https://www.sciencedirect.com/science/article/pii/S1053810026000115

摘要

我們的目標(biāo)是探索神經(jīng)網(wǎng)絡(luò)的現(xiàn)象綁定機制，即把信息的微觀單元結(jié)合成人類現(xiàn)象學(xué)中常見的宏觀尺度意識體驗。這種體驗復(fù)雜性是有助于解釋現(xiàn)象意識的理論必須說明的一個關(guān)鍵特征。我們以一種有助于轉(zhuǎn)化為計算神經(jīng)科學(xué)的方式為現(xiàn)象綁定提供動機，將其與相關(guān)但不同的主題聯(lián)系起來：功能綁定、意識的硬問題、和意識統(tǒng)一性。我們定義了一個故意簡單的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型，以便探索其實現(xiàn)現(xiàn)象綁定的選項的完整空間。我們證明該模型可以實現(xiàn)功能綁定，但在保持無意識和意識處理之間關(guān)鍵區(qū)別的同時，未能實現(xiàn)現(xiàn)象綁定。我們使用這個設(shè)置來構(gòu)建現(xiàn)象綁定（p-綁定）的可能解決方案的結(jié)構(gòu)，基于它們細化了模型的哪些部分或拒絕了問題的哪些部分。幾種既定的意識理論映射到我們的解決方案結(jié)構(gòu)上，例如整合信息理論（IIT）應(yīng)用的將節(jié)點聚合為復(fù)合物，Orch-OR 中的糾纏坍縮，或意識電磁信息理論（CEMI）中對場結(jié)構(gòu)的利用。我們也討論了其他理論開放的可能解決方案，例如全局神經(jīng)元工作空間理論（GNWT）和樹突整合理論（DIT）。盡管如此，目前，每個解決方案路徑都需要進一步的工作，識別研究人員豐富現(xiàn)有理論以適當(dāng)解釋現(xiàn)象綁定的機會。

關(guān)鍵詞：現(xiàn)象綁定；功能綁定；神經(jīng)網(wǎng)絡(luò)；現(xiàn)象意識；聯(lián)結(jié)主義

1. 引言

我們的日常生活通常充滿了信息復(fù)雜的體驗。當(dāng)代神經(jīng)科學(xué)中的神經(jīng)聯(lián)結(jié)主義研究計劃主張，每種行為（例如走回家）都可以分解為一組不同的計算過程（例如視覺物體識別、導(dǎo)航和運動），這些過程通過各自腦回路（例如視覺皮層、海馬體和運動皮層）中的物理活動發(fā)生（Doerig 等人，2023）。在這種物理主義背景下，各種“綁定問題”追問由此產(chǎn)生的分散電化學(xué)活動模式如何被縫合在一起，形成看似整合的體驗和行為（例如 Roskies, 1999）。

本文基于綁定問題探索人類意識體驗的一個特定方面，即信息復(fù)雜性似乎被同時體驗的方式，而不是作為多個簡單信息單元跨越單獨的個體體驗鏈接在一起。Kozuch (2024a:1) 提供了主觀視覺場的熟悉例子，其中“許多屬性（例如物體、形狀或顏色）”在視覺場的不同部分被同時體驗。我們詢問在一個完全指定的簡單人工神經(jīng)網(wǎng)絡(luò)（ANN）內(nèi)，有哪些架構(gòu)工具可用于構(gòu)建組裝這種同時復(fù)雜性的機制，稱為現(xiàn)象綁定（p-綁定）機制。

標(biāo)準(zhǔn)分類法和綁定機制論文優(yōu)先關(guān)注功能綁定 over 現(xiàn)象綁定（原文為 finding，此處指綁定），前者探索 underlying cognitive processing 的信息轉(zhuǎn)換（例如 Feldman, 2013; Plate, 2007; §2 詳見）。我們將這種有限的關(guān)注視為一個錯失的機會，認為現(xiàn)象綁定對基于人工神經(jīng)網(wǎng)絡(luò)（ANN）建模的現(xiàn)象意識理論構(gòu)成了嚴(yán)肅的約束，其中著名的例子包括全局神經(jīng)元工作空間理論（GNWT）和整合信息理論（IIT）。

本文通過將建設(shè)性的關(guān)注帶給現(xiàn)象綁定，支持人類意識的神經(jīng)網(wǎng)絡(luò)理論的發(fā)展，主要有三個貢獻：

首先，我們提供了現(xiàn)象綁定（p-綁定）的明確定義，這與功能綁定（f-綁定）形成對比。第 2 節(jié)論證了 p-綁定作為一個可觀察現(xiàn)象的動機，該現(xiàn)象需要在多種綁定問題的空間內(nèi)進行專門解釋，將其定位于綁定分類法的文獻中，并將其與意識統(tǒng)一性和意識的硬問題區(qū)分開來。

其次，我們證明簡單 ANN 模型自然地傾向于 f-綁定，但無法在區(qū)分意識與無意識現(xiàn)象的同時解釋 p-綁定。第 3 節(jié)提供了一個簡單神經(jīng)網(wǎng)絡(luò)模型的完整規(guī)范，明確說明了模型中允許的因果相互作用和存在的實體類型（例如，本文語境中稱為的模型“形而上學(xué)”）。第 4 節(jié)展示了我們的核心結(jié)果：該模型可以解釋 f-綁定但不能解釋 p-綁定。因此，本文提供了一個組織框架，用于識別解決此“神經(jīng)網(wǎng)絡(luò)現(xiàn)象綁定問題”的解決方案選項空間。任何調(diào)用 ANN 相關(guān)邏輯來解釋人腦復(fù)雜體驗的理論，要么需要更復(fù)雜的模型，要么需要拒絕我們問題設(shè)置的部分內(nèi)容。

第三，我們探索了對簡化神經(jīng)網(wǎng)絡(luò)模型的潛在擴展或?qū)栴}設(shè)置的拒絕，這些可能解決 p-綁定。第 5 節(jié)描述了文獻中提出的幾種現(xiàn)有解決方案，以及對于尚未完全指定解決方案的理論的可能選項。

我們的方法受到以下因素的啟發(fā)：對激增的且所謂“令人困惑”數(shù)量的意識理論的擔(dān)憂（Doerig 等人，2021:42）；Giere 的基于模型的推理哲學(xué) 1；以及整合哲學(xué)和神經(jīng)科學(xué)意識理論的潛力（Kozuch, 2024b）。例如，Kozuch (2024b) 表明，通過將意識哲學(xué)理論映射到特定的意識神經(jīng)科學(xué)理論，可以使前者更加精確，為這些新變體帶來額外的實證分量。我們的方法以相反的方式走上了類似的道路：選取哲學(xué)/心理學(xué)文獻中詳細探索的觀察結(jié)果（p-綁定），并表明重要的神經(jīng)科學(xué)理論子集需要細化才能解釋它。隨著理論家追求這種細化，我們可以希望獲得一組更強、更窄的理論，其中關(guān)鍵心理學(xué)事實明確錨定在神經(jīng)網(wǎng)絡(luò)模型的特定特征中，促進實驗神經(jīng)科學(xué)中對這些特征的實證質(zhì)詢。

除了其在神經(jīng)科學(xué)文獻中的重要性（Yu & Lau, 2023; 另見 §2.1），我們還注意到 p-綁定對心靈哲學(xué)文獻的重要性。例如，它是 Bayne (2010) 中描述的統(tǒng)一性的先決條件，也是意識理論需要解決的問題的文獻綜述中確定的兩個最常見問題之一（Percy, 2025）。

1. 背景：論證 p-綁定的動機

第 2 節(jié)首先回顧了綁定文獻，論證了現(xiàn)象綁定在神經(jīng)科學(xué)分類法中尚未得到足夠的詳細說明（§2.1）。接著，我們提出了 p-綁定的定義和說明性例子，這在概念上將其與 f-綁定區(qū)分開來，即使某些機制最終可能被證明能夠同時實現(xiàn)兩者（§2.2）。最后，我們將 p-綁定與意識統(tǒng)一性（§2.3）以及意識的硬問題（§2.4）區(qū)分開來，為第 3 節(jié)奠定基礎(chǔ)，第 3 節(jié)將構(gòu)建我們將用于探測候選綁定機制的神經(jīng)網(wǎng)絡(luò)模型。

2.1. 先前的綁定分類

我們對現(xiàn)象綁定的視角植根于神經(jīng)科學(xué)和哲學(xué)文獻中現(xiàn)有的先前綁定類型分類。雖然術(shù)語各異，但大多數(shù)分類法在純粹的功能綁定（f-綁定；與協(xié)調(diào)信息處理相關(guān)）和現(xiàn)象綁定（p-綁定；與該信息的主觀體驗相關(guān)）之間做出了區(qū)分。然而，面向神經(jīng)科學(xué)的分類法對與 f-綁定相關(guān)的問題投入了顯著更多的注意力。

最早的綜述之一是 Treisman (1996:171)，他明確說明了“至少七種不同類型的綁定”，它們在性質(zhì)上都是功能性的（屬性、部分、范圍、層次、條件、時間和位置綁定），隨后注意到與“意識本質(zhì)更深層問題”的潛在聯(lián)系（同上，p175）。關(guān)于綁定的這一現(xiàn)象方面沒有提供進一步的細節(jié)，但將其識別為一個單獨的（盡管相關(guān)的）問題，為差異化分析奠定了基礎(chǔ)。

一個類似的早期例子是 Roskies (1999:7) 關(guān)于“許多綁定概念”的廣泛引用的論文，她解釋說知覺綁定問題涵蓋跨越視覺空間、跨越特征以及跨越皮層區(qū)域的綁定，適用于不同感官模態(tài)內(nèi)部及之間。她接著描述了各種認知綁定問題，以及不同機制可能解決不同類型綁定的可能性。所有這些問題在性質(zhì)上都是功能性的；它們涉及信息如何被處理。

Roskies (1999:9) 以介紹意識問題（在本文語境中等同于現(xiàn)象體驗）作為結(jié)束，稱其為“也許是所有綁定問題中最令人困惑的一個”。

許多其他神經(jīng)科學(xué)家和哲學(xué)家也提出了綁定分類法，其中包括針對主觀性、現(xiàn)象學(xué)或完整意識狀態(tài)的獨特類別，超出了區(qū)分功能綁定類型的類別。例如，F(xiàn)eldman (2013:1) 區(qū)分了“至少四個不同的問題”：一般協(xié)調(diào)、視覺特征綁定、變量綁定和知覺的主觀統(tǒng)一性，其中后者大致對應(yīng)于我們語境中的 p-綁定。Plate (2007:775) 也提到了“第三種 [綁定] 問題 [...] 以現(xiàn)象學(xué)術(shù)語指定”，同時探索不同類型綁定之間可能的共同點。Hirstein (2012:57-58) 提出了五個綁定級別，其中只有第五個級別描述了綁定成“完整意識狀態(tài)”。然而，這些分類法并沒有提供關(guān)于現(xiàn)象綁定的詳細討論，或者可能將其與討論的其他形式綁定區(qū)分開來的標(biāo)準(zhǔn)，除了對體驗或主觀性的一般提及。

更豐富的討論可以在 Revonsuo (1999) 中找到，他通過描述層次區(qū)分綁定類型。Revonsuo & Tarkko (2002:4) 將這些層次總結(jié)為："(1) 在神經(jīng)層次，空間上分離的單細胞活動整合形成連貫的功能神經(jīng)集合（例如，通過同步活動），特別是響應(yīng)全局刺激屬性；(2) 在認知層次，分布式模塊化輸入處理整合形成用于知覺、記憶和行動的連貫表征（特別是通過焦點注意）；(3) 在現(xiàn)象層次，簡單現(xiàn)象特征和感覺整合到統(tǒng)一現(xiàn)象世界和連貫現(xiàn)象對象的體驗：意識的統(tǒng)一性?！?/p>

明確的短語“現(xiàn)象綁定問題”以及與“功能綁定”的區(qū)別由 Garson (2001:381) 正式引入，他認為這兩個問題需要“非常不同的處理”。主要分類法中使用獨特類別促使最初對 p-綁定和 f-綁定進行單獨處理。

解決這些不同綁定問題的方法已在神經(jīng)科學(xué)、認知科學(xué)和計算建模的一系列層次上進行了探索。在功能和心理層次，綁定經(jīng)典地被特征化為注意選擇、知覺組織和索引機制，最突出的是特征整合理論（Treisman & Gelade, 1980），該理論提出注意將分布式特征表征綁定成連貫的知覺對象，以及在相關(guān)的對象文件、視覺索引和偏向競爭框架中（例如，Kahneman 等人，1992; Pylyshyn, 2001; Desimone & Duncan, 1995）。這些說明指定了特征被視為屬于一起的條件和過程，但對于實現(xiàn)這種整合的潛在神經(jīng)或計算機制大體上不做假定。

在機制層次，一組突出的提議是借鑒時間綁定的模型，例如同步或鎖相神經(jīng)活動被視為信號特征整合的地方（例如，Crick & Koch, 1990; Singer, 2001; Fingelkurts 等人，2010）?；谒俾屎妥⒁庹{(diào)節(jié)的說明也被提出，強調(diào)神經(jīng)元放電的協(xié)調(diào)變化作為對象表征的基礎(chǔ)（例如，Roelfsema, 2023）。另一類方法在表征結(jié)構(gòu)和計算層次解決綁定，包括強調(diào)分布式特征表征的層次和拓撲收斂作為對象整合基礎(chǔ)的說明（例如，Damasio, 1989; Han & Sereno, 2024），遞歸和幾何框架其中合取實現(xiàn)為高維狀態(tài)空間的不同區(qū)域（Elman, 1991; Chaudhuri 等人，2019），向量符號和超維表征（Kymn 等人，2024），以及 enable 特征靈活重組的組合架構(gòu)（Greff 等人，2020）。詳細綜述可以在 Yu and Lau (2023), Schneegans and Bays (2019), 和 Burwick (2014) 中找到。

這些說明在其提出的機制和抽象層次上不同，但大體上將綁定視為服務(wù)于下游處理的信息整合問題（f-綁定），而不是當(dāng)下意識體驗的直接問題（p-綁定）。然而，詢問某些 f-綁定機制是否也可能實現(xiàn) p-綁定是合理的。一些最近的工作明確將綁定的計算模型連接到意識體驗，例如通過耦合振蕩器的動態(tài)綁定（Kraikivski, 2020, 2022）和綁定的貝葉斯模型（Laukkonen 等人，2025）。

為了測試此類提議在實現(xiàn) p-綁定方面的充分性，重要的是有一個關(guān)于 p-綁定是什么以及解釋它可能需要什么的清晰問題陳述。我們的論文貢獻了這個問題陳述，從定義開始，提取綁定分類法中識別的關(guān)鍵區(qū)別，并提供 p-綁定機制應(yīng)滿足的最低標(biāo)準(zhǔn)（不一定是完整標(biāo)準(zhǔn)）。哲學(xué)和心理學(xué)文獻提供了重要材料來利用以充實神經(jīng)科學(xué)分類法。例如，在心靈哲學(xué)中，現(xiàn)象綁定問題可以映射到組合問題（Chalmers, 2017），伴有 James (1895) 有影響力的心理學(xué)分析；見 Wiest (2025) 和第 2 節(jié)其余部分的更廣泛討論。

2.2. F-綁定和 p-綁定定義

在本文中，我們希望在特定的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型和意識理論的背景下操作化功能綁定和現(xiàn)象綁定。因此，我們采用了具體的對比定義，反映了§2.1 中討論的分類法中的關(guān)鍵區(qū)別，即為處理整合信息與為主觀體驗整合信息之間：

D1（f-綁定）：一個功能綁定機制將多個信息基本單元整合成一個單一的功能單元，以驅(qū)動響應(yīng)或進一步的信息處理。

D2（p-綁定）：一個現(xiàn)象綁定機制將多個信息基本單元整合成人類現(xiàn)象學(xué)中常見的同時且信息復(fù)雜的意識體驗。

D1 是一個故意通用的定義，可以涵蓋文獻中存在的多種形式的功能綁定，例如感官模態(tài)內(nèi)或之間的綁定。這種通用定義的價值在于與 D2 并列，以突出信息綁定與體驗綁定之間的關(guān)鍵區(qū)別。這些定義在圖 1 中說明。在 f-綁定下，產(chǎn)生對“汽車鳴笛”存在的二元評估的計算可以分解為獨立元素，其中每個元素都無法看到整個計算邏輯。在 p-綁定下，對多個元素的意識在關(guān)鍵階段可用，以支持復(fù)雜體驗作為一個獨立現(xiàn)象，無論其對未來信息處理有任何相關(guān)性。其他機制可以實現(xiàn) f-綁定，超出圖 1 中的二元決策樹，例如§4.1 中討論的機制。

f-綁定的一個簡單例子是在給定適當(dāng)?shù)墓鈴姸纫曈X模式的情況下檢測單個、離散邊緣（Hubel & Wiesel, 1962）。如果我們考慮單個光點為獨立的信息基本單元，一個 f-綁定機制生成一個對應(yīng)于給定邊緣的單一信息構(gòu)造。這個特定的邊緣構(gòu)造僅在足夠多的組成光檢測器被激活時激活，指示該邊緣的存在作為一個數(shù)值，用于后續(xù)信息處理，例如物體識別或路線規(guī)劃。

如上定義的 F-綁定在計算和 ANN 中是常見的。一個神經(jīng)元或神經(jīng)元網(wǎng)絡(luò)可以通過過濾掉輸入空間的其他特征，從而對其不敏感，來突出輸入空間的一些特征，從而執(zhí)行 f-綁定。例如，實現(xiàn) AND 門的神經(jīng)元將其兩個輸入上的狀態(tài) (1,1) 的信息與輸出 1 進行 f-綁定，將狀態(tài) (0,0), (0,1), 和 (1,0) 折疊為輸出 0，將其與其他形式的 f-綁定區(qū)分開來（例如，由 OR 或 XOR 門執(zhí)行的）。F-綁定是信息的減壓閥，允許一個簡單的信息事實代表一個更復(fù)雜的信息事實。

f-綁定機制成功的標(biāo)志是系統(tǒng)是否在整合了多個信息單元后以適當(dāng)?shù)姆绞巾憫?yīng)。識別在大腦中提供 f-綁定的特定數(shù)學(xué)模型和不同物理機制是神經(jīng)科學(xué)中一個活躍的研究領(lǐng)域（例如§2.1 中的引用）。

相反，p-綁定的存在可以通過內(nèi)省觀察到。例如，在普通情況下，我的視覺場可以包含多個物體。我可以同時體驗兩個相鄰的單詞作為單獨的物體——并且有將它們都保持在心中的感覺。p-綁定中的同時性可能是現(xiàn)象性的而不是實際的（即，體驗到的同時性可能適用于在不同時間點激活的物理和信息物體），但仍然需要對現(xiàn)象同時性的某種說明。究竟什么機制可能足以實現(xiàn) p-綁定將在本文后面討論，但在這里清楚存在一個需要解釋的現(xiàn)象就足夠了。

觀察到 p-綁定的復(fù)雜體驗存在于我們的體驗中，足以激發(fā)研究興趣來解釋該觀察，但 p-綁定也可能在特定背景下 serve an important function（發(fā)揮重要作用）。例如，某些 p-綁定機制可能在比較某些信息構(gòu)造方面比其他實現(xiàn)類似輸入/輸出功能但沒有 p-綁定的機制更節(jié)能——或者鑒于特定的進化路徑，它們可能在物理上更容易實例化。探索 p-綁定任何可能好處的前提是理解其獨特特征以及它如何與其他過程相關(guān)。

f-和 p-綁定的定義（D1 和 D2）顯然密切相關(guān)，但它們的區(qū)別需要一些額外的解釋。D1 專注于以某種方式使用統(tǒng)一的信息構(gòu)造。D2 專注于可以與統(tǒng)一構(gòu)造相關(guān)聯(lián)的體驗，該構(gòu)造可能通過 f-綁定機制統(tǒng)一，但也可能合理地通過其他機制統(tǒng)一（見§5.2 和§5.3 關(guān)于 IIT 等理論，其中 p-綁定不一定與大腦使用的 f-綁定機制相關(guān)）。至少，需要一些關(guān)于體驗的解釋來將 D2 與 D1 聯(lián)系起來，along with（以及）一個對應(yīng)的單一體驗實體的定義，該實體可以持有復(fù)雜體驗（包括實體的性質(zhì)、邊界和物理相關(guān)性）。

2.3. 與意識統(tǒng)一性的對比

一些研究人員批評了意識總是完美地統(tǒng)一成單一整體體驗的想法，包括 Dennett (1991), Zeki (2007), Kirkeby-Hinrup (2023), 和 Schwitzgebel (2024)，盡管我們也注意到支持統(tǒng)一性的論點的力量（例如，Bayne, 2010; Albantakis 等人，2023:3）。相關(guān)地，Zmigrod 和 Hommel (2011) 認為統(tǒng)一性的意識體驗既不是特征綁定（f-綁定的一個例子）的先決條件，也不是其直接后果。我們的論證仍然有效，without requiring（不需要）這些研究人員討論的現(xiàn)象統(tǒng)一性的強概念。

就本文而言，一旦任何可概念上分離的體驗實際上被一起體驗，就存在一個足夠的解釋問題。即使在給定時刻我們所有的意識體驗周圍沒有整齊的邊界，一旦有任何包含信息復(fù)雜性的體驗，p-綁定現(xiàn)象就會出現(xiàn)。例如，即使意識僅在我們轉(zhuǎn)向注意它時才統(tǒng)一，當(dāng)它確實發(fā)生時，我們?nèi)匀恍枰w驗統(tǒng)一性的解釋。即使意識被碎片化成多個“草稿”，一旦任何一個“草稿”在其視覺場中包含多個物體并同時體驗它們，就需要某種 p-綁定機制。

2.4. 與硬問題的區(qū)分

硬問題詢問為什么任何心理/認知功能都應(yīng)該伴隨著體驗（Chalmers, 1995）。例如，它的力量來自解釋性差距論證（Levine, 1983）和 p-僵尸的可構(gòu)想性（Kirk, 2023）。

Chalmers (1995) 認為，我們可以構(gòu)想任何功能在沒有意識體驗的情況下發(fā)生，并且作為結(jié)果，我們觀察到的世界中發(fā)生的事情沒有任何變化。Chalmers (1995:210, 原文強調(diào)) 認為，因此我們需要假設(shè)或“橋接原則”來解釋為什么某些功能伴隨著意識體驗而某些沒有。在通常假設(shè)某些功能不伴隨著體驗的情況下，這種直覺更強，例如大腦中無意識信息處理的概念或計算機中圖像識別的功能（即使它可能與人類在做等效功能時會意識到的結(jié)果圖像有相似結(jié)果）。

硬問題的這種可構(gòu)想性論證基礎(chǔ)可以被否認。也許作為現(xiàn)象綁定的結(jié)果，總是存在某些特定的功能差異，即使今天它沒有很好的記錄。如果是這樣，雖然某人可能能夠構(gòu)想該特定功能在沒有體驗的情況下發(fā)生，他們 simply（僅僅）是錯誤的。盡管如此，where someone accepts the Hard Problem（如果有人接受硬問題），p-綁定應(yīng)被理解為一個需要解決的進一步主題，超出硬問題直接要求的回答類型。如果硬問題詢問為什么任何功能都應(yīng)該伴隨著體驗，p-綁定問題詢問為什么該功能應(yīng)該伴隨著單一的、內(nèi)部統(tǒng)一的和復(fù)雜的體驗，而不是分布在多個體驗主體上的多個、分散的、 separate experiences（單獨體驗）。

從計算視角查看一個功能，為什么單個體驗實體不映射到——例如——算法中的單個步驟或神經(jīng)網(wǎng)絡(luò)中的單個節(jié)點激活？無論如何，如果可以構(gòu)想某些功能伴隨著體驗而其他沒有，那么同樣可以構(gòu)想單獨質(zhì)疑這種伴隨發(fā)生的層次。例如，如果一個算法由幾個模塊化功能組成，并且每個功能由各種邏輯門組成——并且如果該算法本身嵌套在更廣泛的操作系統(tǒng)中——為什么體驗單元應(yīng)該在算法層次，而不是其邏輯門、模塊或更廣泛系統(tǒng)的層次？

第二個熟悉的例子可以來自人類視覺體驗。從硬問題視角，p-綁定詢問為什么視覺場景的單個“像素”在“心眼”中被體驗為單一整體圖像，而不是作為單個的、 separate（單獨的）的和 massively parallel（大規(guī)模并行）的體驗，可能對應(yīng)于單個神經(jīng)元激活、神經(jīng)集合或中央凹掃視。從信息處理角度來看，這些替代體驗映射中的任何一個都可以構(gòu)想為提供相同的功能。除了在我們普通視覺場更小尺度上的現(xiàn)象伴隨，也可能僅在更大尺度上存在伴隨。例如，我們可以想象根本沒有對視覺場的意識體驗，僅對從視覺場信息分析得出的結(jié)論和含義有現(xiàn)象訪問（例如“左側(cè)發(fā)現(xiàn)捕食者”，“右側(cè)發(fā)現(xiàn)紅色漿果”）。該系統(tǒng)仍然可以在無意識地情況下完全訪問視覺信息并可以有效地導(dǎo)航，也許類似于自動駕駛車輛，但意識體驗 simply（僅僅）在系統(tǒng)中的其他地方隨附。

利用 p-綁定問題進行研究的一個有力方法是假設(shè)給定理論對硬問題的回應(yīng)，然后詢問該理論將如何實現(xiàn) p-綁定。在那里它難以做到這一點時，我們建議該理論的某些細化或替代值得注意，例如應(yīng)用于 Percy 和 Gómez-Emilsson (2025) 中的整合信息理論。

1. 方法：簡化神經(jīng)網(wǎng)絡(luò)中的 p-綁定

第 2 節(jié)已經(jīng)定義了 p-綁定和 f-綁定，論證了 f-綁定和 p-綁定并非先驗相同，但保留了某些類型的 f-綁定在與額外的解釋或機制結(jié)合時確實實現(xiàn) p-綁定的可能性。第 3 節(jié)現(xiàn)在闡述了我們要探索此問題的方法。我們指定了一個簡化的神經(jīng)網(wǎng)絡(luò)模型，為了測試其實現(xiàn) f-綁定和 p-綁定的能力，結(jié)果將在第 4 節(jié)提供。

3.1. 基于感知器的神經(jīng)網(wǎng)絡(luò)模型設(shè)置

我們考慮一個任意大且任意連接的神經(jīng)網(wǎng)絡(luò)，其中每個節(jié)點可以通過感知器方程建模。實際上，節(jié)點是某種生物實體（例如神經(jīng)元或一組神經(jīng)元），它實現(xiàn)一個函數(shù) f，如方程 (1) 所定義，其中所有項都被假設(shè)為數(shù)值可計算的。

(1) 所有節(jié)點 實現(xiàn)：; 其中：

在簡化模型中，我們的目標(biāo)是解釋權(quán)重和偏差靜態(tài)的網(wǎng)絡(luò)中的不同綁定機制，即不包含學(xué)習(xí)機制。未來的工作可以探索放寬這一假設(shè)，盡管我們注意到神經(jīng)科學(xué)通常將權(quán)重更新理解為長期功能，對于時刻發(fā)生的認知行為或意識體驗不一定需要。

網(wǎng)絡(luò)規(guī)范允許循環(huán)連接，它可以實現(xiàn)時間擴展的過程，如記憶和振蕩（Sussillo & Abbott, 2009）。雖然規(guī)范排除了單個神經(jīng)元層面的連續(xù)值輸出，它可以通過以不同模式激活的節(jié)點組來表示此類輸出的近似值，包括包含在發(fā)放率中的信息而不是瞬時激活（例如，通過在某個連續(xù)時間窗口上平均節(jié)點輸出）。由于網(wǎng)絡(luò)大小或結(jié)構(gòu)沒有邊界，該模型是圖靈完備的，可以近似任何可計算函數(shù)（Siegelmann & Sontag, 1992）。

如§3.1 所述，簡化模型反映了神經(jīng)科學(xué)中通常視為神經(jīng)元和網(wǎng)絡(luò)層面信息處理核心的計算，承認可能需要多個物理系統(tǒng)來實現(xiàn)方程 (1) 功能的不同方面。與所有模型一樣，此設(shè)置是對現(xiàn)實的故意簡化。例如，該設(shè)置將多種神經(jīng)元類型、突觸和激活函數(shù)簡化為單一數(shù)學(xué)對象，并排除了神經(jīng)元下活動、神經(jīng)遞質(zhì)/調(diào)節(jié)劑、膠質(zhì)細胞、循環(huán)系統(tǒng)以及大腦的許多其他物理特征。顯然，這種多樣性和物理特征是大腦作為物理對象實際運作的一部分。問題在于，在一個成功解釋 p-綁定的模型中，此類簡化是否可以安全地被抽象掉。

3.2. 模型中的形而上學(xué)公理

形而上學(xué)公理允許我們明確說明模型應(yīng)如何解釋，其中一些必然源自§3.1，另一些代表應(yīng)用于網(wǎng)絡(luò)的定義。

此模型中的跨節(jié)點信息處理被理解為模仿生物神經(jīng)網(wǎng)絡(luò)內(nèi)的處理。存儲在神經(jīng)元或神經(jīng)集合中的信息在該集合中的神經(jīng)元以適當(dāng)模式激活時，在特定信息處理任務(wù)中被訪問（Carrillo-Reid & Yuste, 2020）。這種方法也是聯(lián)結(jié)主義網(wǎng)絡(luò)中信息處理的標(biāo)準(zhǔn)（概述見 Buckner & Garson, 2025），例如，其中信息處理是“簡單的、類神經(jīng)元處理單元之間通過加權(quán)的、類突觸連接的激活流”（Patterson 等人，2007:985）。雖然其輸入激活可能由連續(xù)值表示，但給定節(jié)點的輸出是二元的：節(jié)點/神經(jīng)元可以是激活的（建模為值 1）或未激活的（建模為值 0）。

這個簡化的、基于感知器的模型的一個關(guān)鍵特征是其形而上學(xué)本體論（關(guān)于什么實體存在的主張）僅包含節(jié)點和節(jié)點之間的連接及其在 (1) 中定義的明確屬性。所有因果性和所有隨時間的信息處理都捕捉在感知器方程中。

主流計算神經(jīng)科學(xué)主要在經(jīng)典力學(xué)和物理主義的因果和形而上學(xué)框架內(nèi)運作。我們的簡化模型做出相同的操作假設(shè)。詳細說明，簡化模型中唯一允許的因果相互作用發(fā)生在局部連接的節(jié)點和連接之間，即任何節(jié)點/連接在下一個時間步的狀態(tài)和動作僅受其在當(dāng)前時間步的直接相鄰連接/節(jié)點影響。沒有非局部效應(yīng)。相互作用在系統(tǒng)內(nèi)完全確定，受制于外生輸入。隨機元素可以通過實現(xiàn)偽隨機數(shù)生成的模塊來近似（Wang 等人，2006）。換句話說，該模型是完全可計算的、確定性的且僅局部的。

模型的公理，在本文術(shù)語中，由方程 (1) 定義，其中方程規(guī)則（給定網(wǎng)絡(luò)結(jié)構(gòu)和初始條件）定義行為公理（§3.1），伴隨的關(guān)于信息處理、僅局部因果性和模型實體全面覆蓋的主張定義其形而上學(xué)公理（§3.2）。因此，我們的任務(wù)包括僅使用這些公理，從微觀尺度相互作用解釋 f-綁定和 p-綁定的明顯宏觀尺度現(xiàn)象。

1. 結(jié)果：模型中的 F-綁定和 P-綁定

第 4 節(jié)證明第 3 節(jié)中的模型具有足夠的構(gòu)建塊用于 f-綁定機制，但不能實現(xiàn) p-綁定的關(guān)鍵特征（跨越多個信息基本單元的信息復(fù)雜性的現(xiàn)象同時性），同時保持意識與無意識體驗之間的嚴(yán)格區(qū)分。如果要如所述維持 p-綁定，則需要對模型進行一些非平凡的擴展，要么通過附加功能（來自§3.1 的行為公理），要么通過附加定義（來自§3.2 的形而上學(xué)公理）。

4.1. 模型內(nèi)的 F-綁定

模型的行為可以被視為輸入空間的空間變換，如圖 2 中的網(wǎng)格檢測網(wǎng)絡(luò)所示。在這個例子中，網(wǎng)絡(luò)被呈現(xiàn)一個圖像，這是一個高維輸入（其中每個像素的強度代表輸入空間的一個單獨維度）。網(wǎng)絡(luò)中的每個節(jié)點以兩種方式降低其輸入的復(fù)雜性。首先，它對輸入進行加權(quán)和（方程 1 的步驟 i-iii），將高維輸入減少為一維輸出。其次，閾值操作 h 將步驟 1 的實值總和轉(zhuǎn)換為二進制值（方程 1 的步驟 iv）。結(jié)合起來，這些簡化變換在網(wǎng)絡(luò)中實現(xiàn)了一種基本形式的 f-綁定。與這種減少相比，p-綁定被概念化為擁有對更大輸入空間的訪問權(quán)，在圖 2B 中可視化為編碼刺激特征的虛線坐標(biāo)框架。

其他形式的 f-綁定是可能的。例如，循環(huán)連接可以引入持久狀態(tài)，實現(xiàn)諸如注意或記憶等過程。模糊匹配是可能的，例如擁有由"M 個輸入中的任意 N 個”功能驅(qū)動的單個節(jié)點，類似于§4.2.2 中的單節(jié)點 f-綁定例子。F-綁定也可以分布在多個節(jié)點上。例如，自動編碼器的中間層可能從輸入層提取兩個特征，使得每個特征啟動一個單獨的動作，并且這兩個動作的組合共同產(chǎn)生一個相關(guān)效應(yīng)（單獨使用任一特征/動作都不會發(fā)生這種情況）。該效應(yīng)可能具有適應(yīng)度益處，強化這種特定的網(wǎng)絡(luò)模式，這滿足了 D1 f-綁定定義中功能統(tǒng)一決策的要求，即使在整個基于自動編碼器的網(wǎng)絡(luò)中沒有任何一個節(jié)點在兩個特征存在時獨特地激活。與單節(jié)點整合不同，這種功能統(tǒng)一性沒有直接映射到信息統(tǒng)一性的物理子結(jié)構(gòu)。

我們使用"f-模塊”來指代通過 f-綁定操作信號指示（可能復(fù)雜的）特征存在的節(jié)點。雖然這些整合可能比圖 2 中的例子更復(fù)雜，但它們共享將包含在更大輸入空間中的信息折疊為更簡約輸出的共同原則，該輸出引發(fā)下游神經(jīng)或行為反應(yīng)。

4.2. 解釋 p-綁定的困難

指定一個 p-綁定機制需要一種邏輯，將組成信息連接在一起，維持一定水平的復(fù)雜性，并描述一個物理結(jié)構(gòu)，以現(xiàn)象同時性的方式體驗連接的信息。這些規(guī)格必須在模型的明確公理內(nèi)運作，在面對潛在物理機制（神經(jīng)元/突觸）時保持合理性，并與意識體驗的其他特征一致。

模型內(nèi) p-綁定的一個候選位置是在 f-模塊的輸入階段，例如，通過將單個輸入的活動保留在它們折疊成單一加權(quán)和之前。然而，現(xiàn)代神經(jīng)科學(xué)預(yù)計我們的現(xiàn)象意識擴展到單個 f-模塊整合的信息之外，而是操作化跨多個腦區(qū)分布的表征（例如，Dehaene & Changeux, 2011; Ahmad & Hawkins, 2015; Baars 等人，2013）。內(nèi)省也表明內(nèi)容具有顯著潛在的復(fù)雜性，合理地超出單個 f-模塊的范圍，例如，歌劇院中單個現(xiàn)象同時體驗可能包含多個音符、復(fù)雜視覺場景、軀體印象、情緒反應(yīng)和敘事思維。我們在 F1（“復(fù)雜體驗”）中明確了這一假設(shè)，作為人類體驗的三個“特征”之一，這些特征由實證神經(jīng)科學(xué)的發(fā)現(xiàn)證明，我們將用它來挑戰(zhàn)模型內(nèi)潛在的 p-綁定機制：

(F1) 復(fù)雜體驗。在至少某些個體時刻，我們同時意識到的信息多于單個 f-綁定模塊所能包含的信息。

(F2) 無意識共存。在至少某些個體時刻，我們并不同時意識到大腦中那一刻正在處理的所有信息。換句話說，無意識信息處理與意識處理存在于同一個互聯(lián)神經(jīng)網(wǎng)絡(luò)中，即使在其不同部分。

(F3) 無意識先行。在早期階段無意識處理的信息后來可以以某些形式用于意識處理，使得我們變得意識地意識到它。換句話說，進行無意識處理的神經(jīng)網(wǎng)絡(luò)的一些部分饋送到其他對應(yīng)于意識覺察的部分。

F2（“無意識共存”）是主流神經(jīng)科學(xué)中的標(biāo)準(zhǔn)立場（例如，Clausi 等人，2017; Dehaene 等人，2006）。人們可能會反對，當(dāng)同時性在非常細的時間分辨率上定義時，意識和無意識神經(jīng)活動實際上從未同時發(fā)生；然而，雖然這種可能性值得探索，但它超出了當(dāng)前實證工作所提供的限制（見§5.4 中的討論）。另一個可能的反對意見集中在措辭上，認為我們不能排除信息處理總是被某個意識實體有意識地感知，即使不是我們通常的“我”。這種可能性不會損害我們的論證，因為捕捉我們體驗內(nèi)容的 p-綁定并不操作于這個其他信息之上，并且 F2-F3 可以參考意識體驗之間的分離（跨獨立的自我）而不是同一自我/系統(tǒng)內(nèi)的意識和無意識活動之間的分離來重新表述。另一個對 F2 的可能拒絕可能聲稱我們實際上意識到大腦中的所有信息，但進化適應(yīng)度已調(diào)整我們只關(guān)注其中極少部分。然而，這將是一個與當(dāng)前證據(jù)相反的主要實證主張。它也超出了語義合理性的范圍延伸了意識覺察的定義：如果我們對某事關(guān)注如此之少以至于它從我們的覺察中消失（甚至無法通過刻意的努力訪問它），我們怎么能聲稱意識到它？

F3（“無意識先行”）捕捉了意識和無意識信息處理之間的連接（例如，Cleeremans, 2014），神經(jīng)科學(xué)中有許多例子，包括視覺信息的無意識預(yù)處理，其中結(jié)果被浮現(xiàn)到意識覺察中（例如，Kanai 等人，2006; Breitmeyer, 2015; Tschechne & Neumann, 2014）。

§2.2 提出了這種可能性，即現(xiàn)象同時性可能是物理精確同時性的結(jié)果，或者是平滑順序但非同時物理動作的結(jié)果，其中后者需要某種跨時間 p-綁定機制。我們將首先使用 F2（“無意識共存”）來排除模型內(nèi)利用精確同時性的 p-綁定機制的可能性，然后轉(zhuǎn)向 F3（“無意識先行”）來排除模型內(nèi)跨時間 p-綁定的可能性。

4.2.1. 使用精確同時性的 p-綁定機制的缺乏

在模型內(nèi)，精確同時性將被解釋為在一個共享的單一時間步內(nèi)發(fā)生的活動：一種樸素同步的形式。困難在于指定擁有體驗的結(jié)構(gòu)。這個體驗實體需要擴展到單個 f-模塊之外（根據(jù) F1：‘復(fù)雜體驗’），但唯一其他自然明確指定的結(jié)構(gòu)是整個網(wǎng)絡(luò)。在單個時間步內(nèi)綁定所有節(jié)點值（甚至僅活動節(jié)點）與 F2（‘無意識共存’）沖突，因為在這種情況下，我們實際上會意識到大腦中其他地方同時發(fā)生的那個無意識處理。

為了挽救物理同時性，我們需要分離意識和無意識過程，但指定新子結(jié)構(gòu)的所有選項都導(dǎo)致對公理的一些調(diào)整。指定子結(jié)構(gòu)的最簡單方法是調(diào)用表現(xiàn)不同的新類型節(jié)點或連接。然而，這種不同的行為，根據(jù)定義，將不再符合所有節(jié)點/連接遵循方程 1 的模型規(guī)則。這個 p-綁定解決方案可能是可行的，但它需要對§3.1 中模型的行為公理進行一些更改或添加。

指定子結(jié)構(gòu)的一種更微妙的方法是維持現(xiàn)有的模型結(jié)構(gòu)/規(guī)則，但定義一個施加 p-綁定的特定模式。例如，一種這樣的 p-綁定邏輯可以是整合所有彼此處于激活相互關(guān)系中的節(jié)點（也許受到 Reimann 等人 (2017) 中單純形模式的啟發(fā)），而另一種可能整合所有具有至少一定數(shù)量激活入站連接的激活節(jié)點。

對于這種基于定義的 p-綁定規(guī)則，實際上有無限的選擇。從§3 中當(dāng)前的行為和形而上學(xué)公理來看，不清楚哪個選項適用。因此，無論哪種模式定義 p-綁定，都需要被指定以便我們的模型完整。即使該模式不需要對方程 1 進行任何闡述，它也對應(yīng)于一個應(yīng)應(yīng)用于網(wǎng)絡(luò)的新定義——并且是一個特別重要的定義，因為它允許一種新類型的復(fù)雜體驗出現(xiàn)。這個定義將在§3.2 中形而上學(xué)公理的更改或添加中找到歸宿。同樣，如果有多個通過新行為公理指定的離散子結(jié)構(gòu)，我們將需要一個額外的形而上學(xué)公理來指定哪組子結(jié)構(gòu)對應(yīng)于 p-綁定。

4.2.2. 使用不精確同時性的 p-綁定機制的缺乏

如果 F2（‘無意識共存’）的主張阻止了物理精確同時性在模型內(nèi)驅(qū)動 p-綁定，那么不精確同時性是否提供了解決方案？

通過這個視角，我們同時意識的體驗可以跨越模型中的多個時間步，其中每個時間步在網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)生成更多信息。模型中明確可用的唯一跨時間步綁定邏輯是跨連接的直接激活鏈。如果綁定可以在連接激活之外的跨時間步發(fā)生，那么不清楚什么物理機制應(yīng)該支撐它，因為在沒有擴展§3.1 中的行為公理的情況下不存在其他信息傳輸協(xié)議。

F-綁定可以容易地利用這種激活鏈來表示集合在共激活變化中的存在，例如圖 3 中 A->B->C 的序列在節(jié)點 X 中表示。F3（‘無意識先行’）阻止我們將這種相同的“樸素因果回歸”邏輯應(yīng)用于驅(qū)動當(dāng)前網(wǎng)絡(luò)內(nèi)的 p-綁定，其中所有節(jié)點/連接必須遵循相同的規(guī)則。這種 p-綁定邏輯需要一個規(guī)則，如“當(dāng)節(jié)點 2 在來自節(jié)點 1 的直接入站連接的貢獻下被激活時，節(jié)點 1 和 2 中的信息被 p-綁定”。這個規(guī)則意味著無論什么節(jié)點激發(fā)了節(jié)點 1，也將與節(jié)點 1 和 2 一起被 p-綁定，以及因果鏈中更靠后的所有節(jié)點。在該因果回歸的某一點，在至少某些情況下，我們將跨越從意識到無意識處理的邊界。當(dāng)我們跨越該邊界時，我們的 p-綁定機制（如當(dāng)前指定）將繼續(xù)運作，因此無意識的東西實際上應(yīng)該被有意識地體驗：這是一個反駁了這種因果回歸 p-綁定機制的矛盾。

與精確同時性一樣，我們需要在意識和無意識信息處理之間創(chuàng)建一個屏障，在模型內(nèi)定義不同的子結(jié)構(gòu)。相同的選項空間可用，增加了跨時間步的結(jié)構(gòu)，例如激活鏈中順序或同時連接的數(shù)量。如前所述，我們將需要對模型公理進行一些擴展/適應(yīng)來證實這種 p-綁定機制，無論是使用新的行為公理還是新的形而上學(xué)公理。

4.3. 通過動態(tài)綁定的方法

任何建立在感知器 ANN 之上的候選 p-綁定機制都必須改變當(dāng)前公理設(shè)置的某些內(nèi)容。框架的優(yōu)勢體現(xiàn)在識別提出的候選方案如何適應(yīng)其中，即假設(shè)一個理論的意識規(guī)范，它可以調(diào)用什么 p-綁定機制來實現(xiàn)復(fù)雜意識體驗，以及這些如何改變我們的問題設(shè)置。我們以“耦合振蕩器”作為實現(xiàn)動態(tài)綁定的說明性候選機制，討論它如何解決 p-綁定以及它在我們的框架中適合的位置。

Kraikivski (2020) 將知覺（percept）定義為一種特定過程：一個暫時重復(fù)的神經(jīng)元序列，例如一個振蕩神經(jīng)集合。知覺也成為意識覺察的候選者，當(dāng)它們滿足“完備性屬性”時，即每個過程的結(jié)構(gòu)可以從分析相關(guān)系統(tǒng)中的所有其他過程完全推導(dǎo)出來，這旨在解決計算過程需要用戶解釋給定過程指代什么信息的擔(dān)憂。在幾個優(yōu)勢中，知覺的持續(xù)“循環(huán)”觀點更好地符合這一事實：信息通常只有在持續(xù)了最短時間段后才會進入（可報告的）意識覺察（例如，Hurme 等人，2017）。

基于這個意識知覺的定義，Kraikivski (2022) 在其理論中闡述了一個 p-綁定機制，該機制具有吸引人的抗噪聲品質(zhì)（Kraikivski, 2024）。兩個意識知覺，對應(yīng)于兩個不同的振蕩集合，當(dāng)它們在交叉耦合機制（例如，兩個振蕩器之間的合適反饋連接）之后開始同相振蕩時，變得被共同體驗（即 p-綁定在一起）。這種耦合振蕩器系統(tǒng)被證明能夠區(qū)分某些輸入，為網(wǎng)絡(luò)提供 f-綁定效用（Kraikivski, 2022:7）。

這些耦合振蕩器動力學(xué)可以通過一個活動受方程 (1) 支配的網(wǎng)絡(luò)來實例化。例如，一系列神經(jīng)元激活可以反饋到自身以創(chuàng)建一個持續(xù)存在直到被破壞的循環(huán)。兩個序列可以通過幾種方式定義為同相。例如，它們可能具有相同的周期和穩(wěn)定的相位差（完成一個完整循環(huán)的時間步數(shù)相同，因此它們始終處于各自周期的相同相對點），它們可能具有完美嵌套的周期（一個的循環(huán)時間是另一個的整數(shù)倍），或者它們可能都依賴于網(wǎng)絡(luò)中其他地方架構(gòu)“時鐘”或相位計數(shù)器中的同一個激活節(jié)點（即一個單獨的高度穩(wěn)定循環(huán)）。

這種方法原則上可以解決 F1-F3 特征。跨多個振蕩集合的多神經(jīng)元活動自動為 F1（“復(fù)雜體驗”）提供了一條路徑。F2（“無意識共存”）在以下情況下得到解決：例如，其他神經(jīng)元可能在大腦中同時激活但不形成振蕩集合。更嚴(yán)格的標(biāo)準(zhǔn)也可以排除那些“碰巧”同時振蕩的集合：它們可能不滿足“完備性”屬性（Kraikivski, 2020），它們可能沒有彼此耦合，或者它們可能不符合同相的正確定義。F3（“無意識先行”）也可以得到解決：無意識處理的信息可以在適當(dāng)?shù)姆答佈h(huán)同步化（待定義）之后轉(zhuǎn)入（并退出）意識覺察，使集合與目標(biāo)振蕩集合同相或不同相。圍繞該模型是否會導(dǎo)致大腦中產(chǎn)生多個體驗自我，或者是否存在某種機制確保一個獨特的自我（對應(yīng)于我們通常的日常體驗），仍然存在疑問。盡管如此，可以設(shè)想出一條通往完整解決方案的路徑。

假設(shè)耦合振蕩器理論能夠令人滿意地指定前一段中的標(biāo)準(zhǔn)和定義，那么該解決方案將適合我們的框架中的哪里？F1-F3 已在不對方程 (1) 進行修改的情況下得到解決。盡管如此，需要新的形而上學(xué)公理來指定網(wǎng)絡(luò)的哪些方面具有體驗意義?？紤]前一段中指出的定義既未在§3.2 中指定，也無法通過檢驗方程 (1) 來唯一識別。

反映耦合振蕩器 p-綁定解決方案的形而上學(xué)規(guī)則可能有充分的理由支持（例如，由完備性原則，由知覺持續(xù)時間證據(jù)），但它們不是唯一的。某些規(guī)則中可能存在無法僅通過理論解決的模糊性。鑒于腦動力學(xué)的噪聲性質(zhì)（Buzsáki, 2006），合理的問題是，在我們認為一個 p-綁定“循環(huán)”已經(jīng)建立之前，需要多少次振蕩以及什么類型的相位耦合。2 精確機制可能需要在人腦中進行實證評估，而不是僅從感知器網(wǎng)絡(luò)的計算分析中推導(dǎo)出來。

這一切并未證明動態(tài)屬性無法解釋 p-綁定，僅僅表明它們在我們的模型內(nèi)若無進一步闡述便無法自動解釋它。鑒于存在多種闡述模型的路徑，要求理論家明確說明他們的屬性如何實現(xiàn) p-綁定，為進步提供了機會。下一節(jié)探討了既定的意識理論如何解決這個問題。

1. 討論：調(diào)整模型和現(xiàn)有神經(jīng)網(wǎng)絡(luò)理論的選項

本文建立了一個問題，其中任何可能的解決方案都必須拒絕或適應(yīng)至少一個問題組成部分，包括定義的 p-綁定的存在（D2），基于感知器的 ANN 模型（在§3 中通過特定行為和形而上學(xué)公理定義），以及人類意識體驗的三個特征（F1-F3；‘復(fù)雜體驗’；‘無意識共存’；‘無意識先行’）。我們現(xiàn)在轉(zhuǎn)向特定的意識理論如何在這個問題框架內(nèi)解決 p-綁定。

5.1. ‘基于功能’的神經(jīng)生物理論和現(xiàn)象化機制

Seth & Bayne (2022) 表 1 中的 22 個神經(jīng)生物理論或框架中的大多數(shù)關(guān)注意識方面而非 p-綁定問題，并將自身呈現(xiàn)為進行中的工作而非完整解釋。從 p-綁定視角來看，該表中的大多數(shù)神經(jīng)網(wǎng)絡(luò)理論專注于指定神經(jīng)網(wǎng)絡(luò)創(chuàng)建一組信息現(xiàn)象意識的特定功能，即特定的‘現(xiàn)象化機制’。此類現(xiàn)象化機制包括網(wǎng)絡(luò)元表征信息（例如，高階理論；HOT），全局廣播它（全局工作空間理論；GWT），重新處理它（遞歸處理理論；RPT），將其納入預(yù)測處理/主動推理算法（PP/AI）的特定部分，根據(jù)注意選擇/優(yōu)先化功能評估它（注意圖式理論；AST）等。

這些‘基于功能’的理論變體很少識別在 D2 p-綁定定義意義上體驗性地綁定信息微觀單元的特定機制，而是借鑒 D1 風(fēng)格的功能綁定原則或作用于神經(jīng)集合的其他計算原則。然而，如§2 所述，此類信息處理并不自動解決現(xiàn)象綁定。

當(dāng)將任何現(xiàn)象化機制轉(zhuǎn)化為特定的聯(lián)結(jié)主義架構(gòu)時，局限性變得清晰，例如§3.1 中的架構(gòu)。無論所需的現(xiàn)象化機制在神經(jīng)網(wǎng)絡(luò)的何處發(fā)生，它都需要在遵循方程 (1) 的多個節(jié)點上發(fā)生。畢竟，這些網(wǎng)絡(luò)僅由連接的節(jié)點集組成。例如，多個節(jié)點將被需要來實現(xiàn)廣播功能或注意功能。根據(jù) F1（‘復(fù)雜體驗’），在該功能內(nèi)操作的信息同樣分布在多個節(jié)點上，使得需要一個跨這些節(jié)點的 p-綁定機制，作為功能操作相關(guān)空間子集的一部分。p-綁定問題仍然存在，它僅僅被移動到了神經(jīng)網(wǎng)絡(luò)的其他地方。相同的解決方案空間仍然存在；如前所述，需要對行為或形而上學(xué)公理（或問題設(shè)置的另一部分）進行一些調(diào)整。

例如，考慮一種可能的‘現(xiàn)象化機制’模式，基于標(biāo)記因果激活鏈中的節(jié)點子集，要么在單獨機制中識別它們，要么將它們的信息復(fù)制到新位置作為一種快速訪問記憶的形式（標(biāo)記可以構(gòu)成實現(xiàn)元表征、注意或廣播的一部分）。這種額外的標(biāo)記提供了一個新工具來區(qū)分意識與無意識處理，潛在地生成所需的子結(jié)構(gòu)。將信息移植到大腦中的某個‘注意區(qū)’可能提供另一個要探索的工具。然而，當(dāng)使用此工具解釋 p-綁定時，相同的選項空間繼續(xù)適用。鑒于模型規(guī)格現(xiàn)狀，所有節(jié)點在功能上是相同的，所有復(fù)雜模式最終簡化為單個節(jié)點與其直接鄰居之間的相互作用。方程 1 中沒有任何東西在節(jié)點之間創(chuàng)建 p-綁定連接，除了對直接輸入的點積，至少在沒有平凡地連接所有節(jié)點、所有激活節(jié)點或先前激活鏈中的所有節(jié)點的情況下 [創(chuàng)建連接] 是沒有的（這與 F2-F3 中捕獲的無意識處理特征沖突）。因此，新模式要么生成超出方程 1 在網(wǎng)絡(luò)中應(yīng)用的功能（在這種情況下，方程 1 需要通過改變行為公理來闡述），要么劃定一組節(jié)點來持有體驗但在網(wǎng)絡(luò)信息處理上沒有差異（在這種情況下，需要激發(fā)一個新的形而上學(xué)公理，以便排除其他將識別不同節(jié)點劃分的合理形而上學(xué)公理）。

這些模型迄今為止可能專注于功能綁定而非現(xiàn)象綁定，但這并不意味著它們不能解決現(xiàn)象綁定。相反，這意味著它們這樣做的當(dāng)前選項空間相對開放。確實，Seth & Bayne (2022) 中和其他地方的其他理論已經(jīng)探索了‘基于功能’理論可能希望納入的 p-綁定解決方案。我們現(xiàn)在描述文獻中的各種明確解決方案，針對我們的問題設(shè)置進行結(jié)構(gòu)化。我們不評論這些解決方案有多合理或完整，但認識到描述一個明確的解決方案是評估理論可行性的必要第一步。

5.2. 僅通過新形而上學(xué)公理解決 p-綁定的理論

理論可以通過識別神經(jīng)網(wǎng)絡(luò)的特定方面并將其定義為實施 p-綁定來尋求解決 p-綁定，即對其等效于方程 (1) 的內(nèi)容沒有任何更改或添加。

例如，IIT 建立在人工神經(jīng)網(wǎng)絡(luò)的因果圖之上，該網(wǎng)絡(luò)只有局部因果連接，在關(guān)鍵方面類似于§3.1 中描述的感知器網(wǎng)絡(luò)。IIT 然后通過添加一個形而上學(xué)公理來解決 p-綁定，該公理定義了一種新類型的實體（一個“復(fù)合物”），每當(dāng)滿足某個嚴(yán)格動機的數(shù)學(xué)條件時，該實體作為模型中的子結(jié)構(gòu)存在。根據(jù)定義，這種子結(jié)構(gòu)跨越多個節(jié)點擴展，并將所有該信息綁定成一個單一實體。此類 p-綁定結(jié)構(gòu)不一定映射到與復(fù)合物完全相同層面的 f-綁定功能（盡管在某些情況下可能存在此類映射）?？紤]復(fù)合物通常不是系統(tǒng)在信息處理中操作的內(nèi)部變量。特定復(fù)合物存在的事實是系統(tǒng)物理結(jié)構(gòu)的結(jié)果，而不是一個自動表示為系統(tǒng)可用于 f-綁定的信息單元的事實。

IIT 闡述其形而上學(xué)公理以確保該子結(jié)構(gòu)避免成為因果冗余。相關(guān) p-綁定子結(jié)構(gòu)（一個“復(fù)合物”）作為新實體的生成導(dǎo)致其組成節(jié)點在 IIT 存在定義下停止存在。因此，該子結(jié)構(gòu)在模型中的信息處理上保持完整的因果歸屬。然而，這種形而上學(xué)可能難以接受，因為它依賴于一種存在定義，其中單個神經(jīng)元在形成正確類型的模式時停止作為因果實體存在（McQueen & Tsuchiya, 2023）。盡管如此，如果沒有這條規(guī)則，系統(tǒng)中意識存在的層次將導(dǎo)致因果冗余，即它的存在/缺席不會改變模型中節(jié)點層面的行為任何內(nèi)容。

復(fù)合物由 IIT v4.0 數(shù)學(xué)規(guī)則定義（相對于其他數(shù)學(xué)規(guī)則，包括早期 IIT 版本）這一事實僅由形而上學(xué)論證動機化，而不是網(wǎng)絡(luò)中節(jié)點層面規(guī)則的功能性后果。然而，其他理論聲稱通過改變模型中的行為公理并指定特定行為為 p-綁定來解決 p-綁定。

5.3. 通過新行為公理解決 p-綁定的理論

解決 p-綁定而不改變因果性或存在定義的另一種方法是識別額外的物理現(xiàn)象，這些現(xiàn)象可以實例化綁定但目前未包含在模型中。一個這樣的例子是大腦中的電磁場，它們在各種意識理論中已被援引為綁定機制（例如，Jones, 2016; McFadden, 2020; Pockett, 2012; John, 2001）。

大腦中的電磁場主要源于神經(jīng)群體（及其支持基礎(chǔ)設(shè)施）的活動，并由神經(jīng)元層面激活中包含的信息塑造。場已被描述為在該信息上實現(xiàn) p-綁定的自然實體，潛在地憑借作為本身內(nèi)在統(tǒng)一、空間擴展的物理對象，或以整體方式整合信息（McFadden, 2020）。

存在 EM 理論變體，其中只有特定場模式是有意識的，為解決 F2-F3 問題（‘無意識共存’；‘無意識先行’）提供了一條路徑。一個突出的 EM 理論認為這些場模式對于大腦中的信息處理是副現(xiàn)象的（Pockett, 2012），盡管它仍然是一個在其他地方具有因果影響的物理現(xiàn)象（例如，對 EM 場測量儀器）。一個副現(xiàn)象場解決方案不需要對方程 (1) 進行任何更改來說明網(wǎng)絡(luò)的信息處理行為，但確實需要添加新的互聯(lián)方程來定義生成的場結(jié)構(gòu)，以及形而上學(xué)公理來指定相關(guān)的有意識模式。這樣的解決方案也代表了一個 p-綁定機制，它不是驅(qū)動大腦信息處理的 f-綁定機制的子集。

其他 EM 理論變體認為場確實影響信息處理（例如，McFadden, 2020），觀察到臨床在大腦中觀察到的電場耦合（ephaptic）效應(yīng)的雙向因果性（例如，在獼猴的視覺皮層中；Pinotsis 等人，2023）。在這種情況下，方程 (1) 也需要調(diào)整，例如通過捕獲局部場活動強度并允許該強度影響單個神經(jīng)元發(fā)放傾向的項，例如，通過與閾值參數(shù) bi 相互作用。然而，鑒于經(jīng)典 EM 場模型的麥克斯韋方程在本質(zhì)上是局部的（每個點僅受其直接鄰居影響，類似于此處針對簡單神經(jīng)網(wǎng)絡(luò)提出的問題），需要更多關(guān)于 EM 場究竟應(yīng)該如何驅(qū)動 p-綁定的細節(jié)。EM 場的量子模型可能提供解決方案，但這些需要在評估之前加以闡述。

在尋找物理基礎(chǔ)的綁定中，其他理論家檢查了量子糾纏，其中物理學(xué)潛在地直接納入非局部相互作用。例如，Orch-OR 明確納入量子尺度現(xiàn)象來解釋意識，部分由關(guān)于麻醉劑的實驗證據(jù)提供動機（Hameroff, 2021）。在 Orch-OR 內(nèi)，Wiest (2025) 認為糾纏實體的同時坍縮可以實現(xiàn) p-綁定。該 p-綁定解決方案的進一步闡述包括驗證在面對退相干驅(qū)動因素時維持量子效應(yīng)的機制，在大腦中維持足夠尺度的糾纏以代表意識體驗中可能的最大信息復(fù)雜性，并將多個量子實體關(guān)聯(lián)到每個大腦的‘單一心智’的共同感覺。

5.4. 通過拒絕 F1-F3 解決 p-綁定的理論

樹突整合理論（DIT; Bachmann 等人，2020）可以以一種特定的非標(biāo)準(zhǔn)方式重新解釋，該方式通過拒絕 F1（‘復(fù)雜體驗’）來解決 p-綁定。

也許每個合適的 5 級錐體神經(jīng)元 p-綁定足夠的信息來解釋人類體驗的復(fù)雜性，注意到單節(jié)點 p-綁定已經(jīng)在簡化模型中扎根（見§4.2）。某些單個神經(jīng)元可以包含大量信息，進一步支持這種可能性。例如，小鼠小腦皮層中的浦肯野神經(jīng)元可以整合來自約 200,000 個顆粒神經(jīng)元的信息（Nguyen 等人，2023）。也許我們‘豐富’的意識體驗并不像看起來那么豐富，減少了我們需要解釋的復(fù)雜性壓力（例如，Zheng & Meister, 2025; Cohen 等人，2016; Simons & Chabris, 1999; 但見 Block (2007) 或 Kozuch (2024a) 支持豐富體驗的論證）。DIT 仍然需要解決為什么我們的普通意識顯得單一，當(dāng)有許多合適的錐體神經(jīng)元每個都有其單獨的意識時，但存在這樣做的選項（例如，Gómez-Emilsson & Percy, 2023 的即時記憶解決方案）。

其他候選解決方案可以通過拒絕 F2（‘無意識共存’）的嚴(yán)格解釋來探索。例如，足夠嚴(yán)格且協(xié)調(diào)良好的時間編碼（Fries, 2015）可以確保振蕩周期的特定相位僅包含意識體驗的信息。在較不嚴(yán)格的解釋下，通常非意識的活動可能發(fā)生在完全相同的窄時間窗口內(nèi)（并且成為 p-綁定到意識體驗中），但也許這種活動是足夠小的比例或從周期到周期足夠不一致，以至于我們的意識大腦簡單地忽略它，類似于圖像中的單個錯誤顏色的像素。鑒于大腦中有大部分具有非意識活動（例如，小腦模塊），這樣的解決方案可能也需要引入一種機制來隔離神經(jīng)網(wǎng)絡(luò)中的特定子系統(tǒng)。

5.5. 未承諾理論的前進路徑

我們以 GNWT 為例，這是一個被廣泛討論的理論，目前還沒有明確的 p-綁定解決方案，無論是在其經(jīng)典變體（Mashour 等人，2020）、包含元認知的變體（Shea & Frith, 2019），還是與預(yù)測處理整合的版本（Whyte, 2019）中。

GNWT 表明，向多個專門化腦模塊的信息廣播是創(chuàng)造體驗的原因，正如 Dehaene 在 Mudrik 等人 (2025:2) 中所描述。特定的廣播模式可能會 p-綁定被廣播的內(nèi)容，但有多種方法可以實現(xiàn)這一點，以保持與 F2-F3 中捕獲的無意識處理觀察的一致性?？赡艽嬖谝环N特殊類型的神經(jīng)元，它是“廣播節(jié)點”，具有不同于方程 (1) 的特征：也許其突觸激活比其他神經(jīng)元更快或更強大，這將在新的行為公理中描述。也許“廣播節(jié)點”仍然遵循書寫的方程 (1)，但它們必須有最低數(shù)量的出站連接才有資格（也許在網(wǎng)絡(luò)空間中延伸最低距離），其中廣播和非廣播節(jié)點之間的定性區(qū)別是通過形而上學(xué)公理分配的。也許廣播節(jié)點是那些與物理結(jié)構(gòu)整合以提供統(tǒng)一性本體論基礎(chǔ)的節(jié)點，例如依賴§5.3 中關(guān)于 EM 場或協(xié)調(diào)糾纏行為的參考文獻。

這些 GNWT p-綁定機制中的每一個都是非常不同的理論描述，并且可以想象出更多。有些可能具有更有說服力的理論動機，供理論家描述和辯論，無論是在 GNWT 機制內(nèi)部還是跨其他理論。例如，一些候選機制可能更好地解決副現(xiàn)象主義問題或識別每個大腦的單一自我。其他機制可能與物理學(xué)原理更連貫，或者鑒于在人腦架構(gòu)中實現(xiàn)的完整網(wǎng)絡(luò)背景（例如注意、廣泛訪問或工作記憶），與特定的心理學(xué)觀察產(chǎn)生共鳴。

一旦腦測繪和干預(yù)技術(shù)能夠勝任此項任務(wù)，每種機制通常也會導(dǎo)致關(guān)于哪些腦結(jié)構(gòu)與關(guān)于意識與無意識信息的自我報告數(shù)據(jù)一致的不同可實證測試的預(yù)測，這是建立在快速改進的工具（Elam 等人，2021; Amunts 等人，2024; Fan & Markram, 2019）和意識研究進展之上的，例如 Cogitate 聯(lián)盟等人 (2025) 的對抗性實驗。精確的實證調(diào)查可能需要等待 20-40 年才能獲得神經(jīng)元層面的大腦測量/模擬技術(shù)（Igarashi, 2025），但在原則上仍然是可能的，并且值得完善實驗方案以備就緒。一般而言，例如，跨越不同意識和非意識狀態(tài)的神經(jīng)元連接和激活狀態(tài)的廣泛地圖，包括關(guān)于什么信息被意識感知到什么沒有的自我報告細節(jié)（注意不同報告范式的價值，例如 Rigato 等人，2021），可以測試標(biāo)準(zhǔn)，以清晰地將連接將信息整合成單一體驗的“廣播”神經(jīng)元與不這樣做的“非廣播”神經(jīng)元分開（例如，出站連接數(shù)量、激活風(fēng)格或結(jié)構(gòu)網(wǎng)絡(luò)位置等標(biāo)準(zhǔn)）。嚴(yán)格的 p-綁定時間編碼解決方案也可以使用相同的地圖進行評估。此類調(diào)查不會直接證明 p-綁定，但可以表明所提出的機制不與本文中的 F2-F3 標(biāo)準(zhǔn)（“無意識共存”；“無意識先行”）相矛盾。

更近期的指示性實證調(diào)查可以將人類體驗復(fù)雜性的巨大變化與 p-綁定候選機制范圍的相應(yīng)巨大轉(zhuǎn)變聯(lián)系起來。例如，研究可以繼續(xù)建立與冥想或化學(xué)誘導(dǎo)的圍繞最小現(xiàn)象狀態(tài)轉(zhuǎn)變相關(guān)的大腦活動變化（例如，Metzinger, 2020; Timmermann 等人，2025）。近似模擬也可以測試是否更有可能觀察到此類活動與不同理論預(yù)測驅(qū)動 p-綁定體驗復(fù)雜性的現(xiàn)象并存，例如 EM 場復(fù)雜性或振蕩編碼的信息量。

1. 結(jié)論

現(xiàn)象綁定現(xiàn)象對神經(jīng)科學(xué)來說既簡單又深刻。內(nèi)省證據(jù)揭示了一種充滿信息復(fù)雜體驗的意識，盡管它植根于一個可分離為信息簡單單元的系統(tǒng)（例如，單個神經(jīng)元、突觸）。

將 p-綁定折疊進 f-綁定的最初吸引人的答案未能提供自動解決方案，鑒于它們不同的要求以及在神經(jīng)科學(xué)和哲學(xué)中各種常見立場上的不同說明。盡管如此，特定的 f-綁定機制可能仍然成功。為了探索這些以及神經(jīng)網(wǎng)絡(luò)可用的其他綁定機制，我們提出了一個故意簡化的模型，實例化了一個明確的局部實在論形而上學(xué)。我們證明該模型未能實現(xiàn) p-綁定的特定定義，同時也滿足來自實證神經(jīng)科學(xué)的三個意識特征。

我們的問題設(shè)置是建設(shè)性的，因為任何可能的解決方案都必須拒絕或適應(yīng)至少一個問題組成部分：定義的 p-綁定的存在（D2），基于感知器的 ANN 模型（在§3 中通過特定行為和形而上學(xué)公理定義），以及人類意識體驗的三個特征（F1-F3：‘復(fù)雜體驗’，‘無意識共存’，‘無意識先行’）。我們描述了不同的意識理論如何在這個框架內(nèi)解決 p-綁定（例如 IIT，場理論，Orch-OR），并考慮了其他理論的選項空間（例如 DIT，基于振蕩的理論，和 GNWT）。一旦候選解決方案針對我們的問題設(shè)置提供了概念說明，其他理論需求就可以被探索。我們的評估表明，現(xiàn)有選項都沒有提供簡單的解決方案——每個都有問題要解決，需要實證工作來定義或支持其立場。有些需要在經(jīng)典力學(xué)的標(biāo)準(zhǔn)形而上學(xué)內(nèi)識別新功能，其他則轉(zhuǎn)向新穎的形而上學(xué)或量子理論尋求解決方案。

有許多其他可能的途徑可探索，包括放寬模型約束。涌現(xiàn)度量和馬爾可夫邊界定義是特別有希望的探索途徑（例如 Hoel, 2025; Barnett & Seth, 2023）。同樣，更復(fù)雜的動態(tài)綁定方法值得發(fā)展為完整的意識理論。任何這些可能的解決方案在準(zhǔn)備接受審查之前都需要進一步的工作，例如指定意識單元，解決人腦中明顯的獨特離散自我，并描述驅(qū)動 p-綁定的機制，其在神經(jīng)網(wǎng)絡(luò)中的最小實現(xiàn)同時保持與 F1-F3 一致，以及是否暗示因果冗余（如同經(jīng)典計算涌現(xiàn)）或被定義消除（如同 IIT）。

我們的中心焦點是人類體驗。關(guān)于體驗在不同動物系統(tǒng)中的多重可實現(xiàn)性怎么辦（Bickle, 2020）？可能存在不同的物理結(jié)構(gòu)（包括非神經(jīng)元結(jié)構(gòu)）來實現(xiàn)一般的心理功能角色，其中 p-綁定在心理層面最準(zhǔn)確地表達和最強有力地動機化。

盡管如此，如果一個理論聲稱這個角色在人類中是通過神經(jīng)網(wǎng)絡(luò)架構(gòu)實現(xiàn)的（至少部分），相關(guān)的神經(jīng)元行為仍然可以在我們的解決方案空間中指定。神經(jīng)元規(guī)格可能不如角色層面描述自然，但它仍然必須滿足 F1-F3（或解釋為何它們不適用）。心理功能理論家可能合理地論證神經(jīng)元（例如）僅憑借它們?nèi)绾螌嵗嚓P(guān)心理角色來解決綁定問題，這為其解決方案提供了動機。神經(jīng)元實例化心理角色的技術(shù)細節(jié)仍然需要指定，作為人類體驗的完整物理基礎(chǔ)理論的一部分，我們?nèi)匀恍枰獧z查機制是否維持了人類體驗中觀察到的意識和無意識處理之間的邊界。

我們將這種對人類體驗的限制延伸多遠？在意識理論在人類證據(jù)中有足夠支持的地方，我們?nèi)匀豢梢詼y試它們提出的 p-綁定機制是否存在于人工系統(tǒng)中。我們也許還能夠從人類系統(tǒng)外推原則，以識別更廣泛的可信 p-綁定機制進行測試，即使我們永遠不能完全排除完全異類的體驗類型（Percy 等人，2025）。此類測試允許評論這些系統(tǒng)是否可能擁有復(fù)雜的現(xiàn)象體驗伴隨著任何可能在內(nèi)部發(fā)生的信息處理，但不能超出哲學(xué)懷疑證明它。在某些情況下，我們也許還能夠利用這些見解來避免在人工系統(tǒng)中生成此類體驗，減輕某些倫理擔(dān)憂。例如，如果嚴(yán)格的時間編碼實現(xiàn) p-綁定，相關(guān)的計算機操作可以錯開以防止精確的時間重疊。即使在特定理論下意識的最小條件得到滿足，控制 p-綁定限制了任何產(chǎn)生的體驗的復(fù)雜性。

任何完整的意識解釋必須對體驗單一時刻中復(fù)雜信息的現(xiàn)象同時性有一個說明。認真對待這個現(xiàn)象結(jié)果是馴服當(dāng)前候選理論激增的一個強大杠桿。接受給定理論提出的意識硬問題解決方案的表面價值，我們可以測試其可用工具用于 p-綁定機制的合理性。尋找一個可能贏得共識的解決方案在增強意識研究嚴(yán)謹性方面有相當(dāng)大的潛力。

原文鏈接 https://www.sciencedirect.com/science/article/pii/S1053810026000115