血液實驗前的哲學問題－《血之祕史》

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《這種貧血不單純，可能會致命！嚴重再生不良性貧血治療保養重點提醒，血液專科醫師圖文懶人包》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「那是個 20 多歲的大學生，來到急診的時候已經有嚴重的細菌感染。」成大醫院內科部血液科李欣學醫師表示，「抽血檢查發現患者的白血球、紅血球、血小板數量都嚴重偏低，後續確定診斷為嚴重再生不良性貧血。」

經過詢問，患者在就醫前已經一段時間容易頭暈，也沒特別在意，只有自行吃了一些號稱可以補血的東西，直到發生嚴重感染才就醫，狀況相當危急。李欣學醫師說，貧血的原因很多，在發現血球數量低下時，一定要至血液科就診，找出病因，並接受正確的治療。

再生不良性貧血（aplastic anemia）和一般貧血不同。再生不良性貧血是因為骨髓失去造血功能，導致紅血球、白血球、血小板數量都明顯偏低。李欣學醫師說，做骨髓檢查便會發現骨髓都空空的，原本應該存在的造血細胞已不見蹤影。

我們的血球具有不同的功能，當血球數量太少時，便會造成各種問題。缺少紅血球，患者可能出現頭暈、臉色蒼白、呼吸急促、容易疲倦等症狀；缺少白血球，患者便容易遭到感染；缺少血小板，患者的皮膚常會出現瘀青、出血點，也會有流血不止的狀況。各種血球的數量越少，相關症狀會越嚴重，甚至危及性命！

再生不良性貧血是一種罕見的血液疾病，有兩個好發的年齡層，分別是 10 至 25 歲的族群，或是 50、60 歲以上的中老年人。李欣學醫師說，再生不良性貧血可能與病毒感染、基因遺傳、免疫失調、輻射曝露、有毒化學物質有關，但是絕大多數的病患都很難找到明確的因果關係。

在台灣每年大概會出現一百多個再生不良性貧血案例，民眾對此也較不熟悉，所以容易延誤就醫。李欣學醫師說，患者來到醫院時可能已經有嚴重感染，狀況比較危急。

臨床上有許多狀況都會導致血球數量低下，民眾如果在抽血時發現血球數量異常，建議找專業的血液科醫師仔細檢查評估，以找出血球低下的原因。李欣學醫師說，「千萬不要自行服用號稱可以補血的食品或藥物，以免延誤病情！」

嚴重再生不良性貧血必須積極治療

李欣學醫師說，再生不良性貧血在診斷時，醫師會根據患者血球低下的程度還有骨髓裡面的細胞量，來區分嚴重程度並決定其治療，根據國際上的共識，針對無症狀的輕度再生不良性貧血患者，有些僅需持續追蹤觀察，或進行輸血等支持性治療。

但嚴重再生不良性貧血的患者，因為他們的白血球數量若低於 500／ul（正常值 4000 至 10000／ul），發生感染的機會相當高，血小板數量若低於 2 萬／ul（正常值 15 萬至 45 萬／ul），也會增加出血的風險，嚴重的更有可能危及性命，因此，一定要盡速積極介入治療。

在治療嚴重或非常嚴重再生不良性貧血時會考慮幾個部分。李欣學醫師說，首先要評估患者是否適合做造血幹細胞移植，假使患者較年輕且在兄弟姐妹中有適合的捐贈者，應該要儘快去做造血幹細胞移植。一般認為，造血幹細胞移植對 40 歲以下的患者來說是首選。

假使是年紀較大的患者，或是尚未找到合適的捐贈者時，則應考慮使用免疫抑制療法，利用抗胸腺細胞免疫球蛋白搭配免疫抑制劑來抑制不正常的免疫反應，可以幫助正常的造血幹細胞長回來，血球數量便能夠逐漸恢復。近年來在再生不良性貧血的一個重要進展，則是發現促血小板生成藥物，不論是單獨使用或搭配免疫抑制療法，都可以有助造血幹細胞和血球數量的恢復，對患者很有幫助。

再生不良性貧血患者在接受治療後，可能還需要經過一段時間血球數量才能逐漸回升，所以在日常生活中仍需要小心照護。李欣學醫師說，白血球低下時容易受到感染，請戴口罩、多洗手、避免出入公共場合、避免生食等。

血小板低下時容易流血不止，請避免劇烈運動、使用軟毛牙刷避免牙齦出血、飲食方面要攝取充足纖維避免便秘。請務必依照指示服藥並按時血液科門診追蹤！

筆記重點記起來

1. 再生不良性貧血是因為骨髓被自己的免疫系統攻擊而失去造血功能，導致紅血球、白血球、血小板數量都明顯偏低。
2. 再生不良性貧血患者容易出現流血不止、嚴重感染的狀況，危及性命。
3. 嚴重或非常嚴重再生不良性貧血患者需要積極接受治療，治療方式包括支持性療法、造血幹細胞移植、免疫抑制療法、促進血小板生成藥物等，可以有效恢復血球數目。
4. 再生不良性貧血患者在接受治療後，需要經過一段時間血球數量才能逐漸回升，請務必按時回診，小心照護。

• 本文轉載自 Care Online 照護線上《這種貧血不單純，可能會致命！嚴重再生不良性貧血治療保養重點提醒，血液專科醫師圖文懶人包》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「意識」是什麼？

直到現在，仍是宗教、哲學、心理學、神經科學都還無法解答的難題。

但是今年， 2023 年，一場來自神經學家與哲學家對於「意識」解釋的賭注，在經過長達 25 年的研究後，終於要畫下句點了嗎？到底是誰贏了？對自己頭上頂著的大腦，我們又了解多少了？

25 年前，一場圍繞「意識」之謎的賭局

1998 年，神經科學家克里斯托夫・科赫（Christof Koch）和哲學家戴維・查爾莫斯（David John Chalmers）打賭一箱葡萄酒，如果 25 年後，人們已經能清楚地解釋意識背後的神經機制，那麼就是科赫贏了。反之，如果還是未能解答意識之謎，就是查爾莫斯贏了。

但在揭曉勝者之前，我們要先來談談一個最基本的問題，「意識」到底是什麼？首先我們要先定義清楚，因為在中文中，意識指的可能是一個人的清醒狀態、也可以是對內在自我的一種感知、又或是包含感知、情緒、思考等等的一種總和、又甚至可以是指在精神分析理論中與前意識和潛意識的比較。

若要深入探討意識定義的發展以及不同的哲學論點，那真的不做個三十集做不完，在這集的時間內，就讓我們把重點放在感質（Qualia）的相關概念。感質，指的是個人直接體驗的主觀感受，被認為無法通過客觀描述或第三人稱觀察來完全理解或解釋。我們感知世界的方式、感受事物的質感、觸覺、視覺、聽覺、嗅覺等等都是屬於感質。

舉一個例子。若是把一顆紅蘋果放在大家面前，詢問蘋果這是什麼顏色，相信大家應該都會說這是紅色。然而，雖然科學能解釋紅色是因為有波長約 620 到 750 奈米的光，刺激到視網膜的錐細胞，產生一連串的神經反應，最後形成大腦的表徵，但卻無法解釋我們對紅色的主觀感受是怎麼形成的。

哲學家們也常思考，你看到的紅色，和我看到的紅色究竟是否一樣，是否有可能我眼中的紅其實是你眼中的綠。

舉另一個例子，這件數年前爆紅的衣服，你覺得是藍色與黑色相間，還是白色與金色相間呢？

另外，像是這張圖究竟是兔子還是鴨子？

這張圖究竟是狗還是小女孩？

明明有張客觀的圖片存在，每個人的主觀感受卻有不同的答案。

「困難問題」（Hard problem of consciousness）是找不到答案的問題？

在意識賭局中的哲學家戴維・查爾莫斯，就提出感質以及主觀經驗為什麼（why）存在以及如何（how）產生是所謂的困難問題（Hard problem of consciousness），相較於簡單的問題是討論意識相關的功能和行為，困難問題涉及意識的經驗（現象、主觀），是沒辦法客觀觀察測量。也就是這個問題，是沒有答案的。

舉一個屬於困難問題的例子，明明都只是大腦的神經在放電，為何某些神經放電後會導致飢餓感而不是其他感覺，譬如口渴？他認為即使沒有飢餓這種「感覺」，飢餓衍伸出的行為，例如進食，也可以發生。因此這些產生的感覺，無法單純簡化由大腦等物理系統解釋。

然而，困難問題的說法其實也存在爭論。根據 2020 年哲學期刊文章的互動式學術資料庫 PhilPapers 的調查， 29.72% 的受訪哲學家認為難題不存在，而 62.42% 的受訪哲學家認為難題是一個真正的問題。

也有一群神經科學家們雖然接受困難問題的存在，卻也認為困難問題未來可以被解決，又或是被證明這不是一個真正的問題。並開啟了他們對於意識相關神經區（neural correlates of consciousness）簡稱 NCC 的研究發展，試圖找到足以產生意識的最小神經集合。

但 NCC 的研究被認為最多只能找到神經反應與意識的相關性，解決的仍然只是簡單問題而非困難問題。為了突破 NCC 本身的限制，人們又開始轉往重視意識理論（theories of consciousness (ToCs)）的發展。希望透過意識理論來超越以 NCC 為基礎的方法論，轉向提供更具解釋性見解的意識模型。

在意識模型這邊還在爭論不休，讓我們先把鏡頭換到神經學家這一邊。

研究科技進步，為意識研究帶來哪些幫助？

面對意識這個艱難的大哉問，克里斯托夫・科赫當初怎麼那麼有自信，敢發起這個看起來勝算就不大的挑戰呢？有那麼愛喝嗎？

1998 年，年輕有為的克里斯托夫・科赫已經是加州理工學院的助理教授，並和生命科學領域大咖中的大咖弗朗西斯・克里克，合作研究意識這個主題。沒錯，就是和華生一同發現 DNA 是雙股螺旋結構的克里克。除此之外，克里斯托夫還擁有物理的碩士學位，擁有跨領域的知識，讓他更加相信透過實證的方式，能找到意識的神經機制。

當時有許多大腦研究的技術蓬勃發展，像是功能性磁振造影（fMRI）已經獲得廣泛使用，使得科學家們能在對象進行活動或是受外界刺激時，同步從大腦血氧濃度的變化來推斷神經反應。

此外，光學遺傳學（optogenetics）技術也在那個時期開始萌芽，這讓研究者能用極佳的時間解析度來調控特定的大腦神經元，並藉此解碼大腦的秘密。舉例來說，現在的光學遺傳學能讓科學家們鎖定小鼠的特定神經細胞，並在小鼠頭上裝上 LED 光纖，只要開啟 LED 的光刺激，那些特定神經細胞就會興奮或抑制。藉由觀察小鼠行為的變化，就能了解不同行為表現是由哪些神經元所調控。

厲害的是，在 1979 年光學遺傳學的技術還未誕生前，克里克就認為如果想要了解大腦的運作，精準控制大腦中一種類型的所有細胞是非常重要的，而若想要有極佳的時間和空間精細度，必須使用光的技術，這與後來光學遺傳學的發明不謀而合。

有了這些科技加持，長達 25 年對於意識的賭注也即將來到結局。

所以，誰贏了賭注？

2023 年 6 月 23 日，在科學意識研究協會的年會上，揭曉了這長達 25 年的賭局。神經科學家克里斯托夫・科赫（Christof Koch）最終承認，目前還不能解釋大腦的神經元是如何產生意識，並買了一箱好葡萄酒（1978 Madeira）給哲學家戴維・查爾莫斯（David John Chalmers）實現諾言。

當然，這不是說意識的來源永遠沒有解答，只是當初賭局設下的 25 年時限到了。實際上到了 2018 年，他們兩位根本都忘了這場賭局，直到一位科學記者佩爾・斯納普魯德重新提及這個話題，才讓大家重新想起。

恰巧那個時間點，克里斯托夫・科赫和戴維・查爾莫斯都參與了鄧普頓世界慈善基金會支持加速意識研究的大型項目。該計畫建立一系列意識理論的「對抗性」實驗，希望透過讓兩個或多個持相反觀點的競爭對手共同合作研究，來挑戰各種意識假設。

意識理論的百家爭鳴

而其中包含兩個著名的意識理論，全局工作空間理論（Global Workspace Theory （GWT））和整合資訊理論（Integrated Information Theory （IIT））。

全局工作空間理論（Global Workspace Theory （GWT））的概念，最早是由認知科學家伯納德・巴爾斯和斯坦・富蘭克林在 1980 年代晚期提出。他們認為意識的產生就像是劇場聚光燈一樣，當這個意識劇場透過名為選擇性注意的聚光燈在舞台上照出內容，我們就會產生意識情境。這聚光燈的投射也代表著全局工作空間，只有當感官輸入、記憶或內在表徵受到注意時，它們才有機會整合成為全局工作空間的一部分，被我們主觀意識到。而我們的行為決策，也是透過這個全局工作空間整合訊息，並分配到其他系統所產生。目前認為全局工作是發生於大腦前方的前額葉區域。

與全局工作空間理論打對臺的，是整合資訊理論（Integrated Information Theory （IIT）），最早由朱利奧・托諾尼（Giulio Tononi）在 2004 年提出。這理論認為，意識背後是有數學以及物理為基礎的因果關係。應該先肯定意識的存在，再回推尋找其背後的物質基礎，並認為主觀意識是由客觀的感覺經驗產生的。克里斯托夫・科赫就是此理論的擁護者，他進一步認為，意識背後的那個神經機制，就存在於大腦後方後皮質熱區（Posterior cortical hot zone），包括頂葉、顳葉和枕葉的感覺皮質區域。

讓我們稍微總結一下兩者差異：

全局工作空間理論——

• 意識只能透過訊息投射到一個稱做「全局工作空間」之後才能呈現
• 訊息本身不會形成意識
• 訊息要被注意到才會產生意識

整合資訊理論——

• 意識存在
• 產生的關鍵是需要將大腦處理感覺的皮質區域訊息整合

然而，經過六個獨立實驗室的研究，雖然有較多的證據支持整合資訊理論，但兩個理論都存在缺陷和質疑，直到目前都尚未有明確解答能解釋意識的神經機制，這也讓克里斯托夫・科赫大方承認自己輸掉了這 25 年的賭局。

隨著科學測量技術的演進以及越來越多的研究進展，有一些神經科學家認為意識理論即將崛起，目前的狀態只不過是一種研究過渡期。科學哲學家托馬斯・庫恩（Thomas Kuhn）將這種過渡期以「前典範式」（preparadigmatic science）來形容，認為一門不成熟的科學在成熟前，會面臨相互競爭的思想流派並各說各話。就像是當初達爾文提出演化論的物競天擇前有拉馬克主義、災變論與均變論來試圖解釋物種起源一樣。

下一場賭約？

雖然這次的打賭由戴維・查爾莫斯獲得一勝，但克里斯托夫・科赫在今年加倍賭注，認為下一個 25 年他一定會贏。到時候克里斯托夫已經 91 歲，戴維 82 歲了。

大家別擔心，這一集是會員共同選出來的題目， 25 年之後，我們也會再為各位泛糰做一集討論賭局的結果。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

參考資料

• https://www.sciencealert.com/25-year-… 
•   The Bet on Consciousness 
•  https://www.nature.com/articles/d4158…
• https://consc.net/consciousnesswager.pdf
• https://www.nature.com/articles/s4158…
• https://www.vox.com/future-perfect/20…
• https://www.scientificamerican.com/ar…
• https://www.vox.com/future-perfect/20…