如果意識真的能被「算」出來，那道算式長什麼樣子？

如果意識真的能被「算」出來，那道算式長什麼樣子？

你已經知道意識科學把「困難問題」暫時擱置，務實地去找意識的神經相關物（NCC），也知道全局工作空間理論（GWT）與整合資訊理論（IIT）兩大陣營在前額葉與後部皮質之間爭執不下。入門篇停在「兩個理論都還沒被證實」這句話。

但這句話其實藏著一個更尖銳的問題：一個關於意識的理論，要怎樣才算「可以被否證」？ 如果某理論宣稱「意識的多寡可以用一個數字 Φ 來度量」，那這個數字到底怎麼算？算得出來嗎？算不出來的話，它還算科學嗎？反過來，如果我們真的能在病床邊用一台 EEG 機器「測出」一個昏迷病人有沒有意識，那台機器背後的數學原理又是什麼，它憑什麼可靠？

這篇進階文章不再重述兩大理論的立場，而是把手伸進它們的引擎室——看 IIT 的 Φ 如何被定義又為何幾乎算不出來、看「擾動複雜度指標」背後那條把意識壓成一個壓縮率的數學、看預測處理（predictive processing）如何提供第三條完全不同的路線，以及這些理論在數學上被怎樣狠狠地批評。準備好，這一篇會比入門篇硬。

Φ 的定義：意識作為「不可分割的因果結構」

入門篇說 IIT 的核心是「整合資訊量 Φ（phi）」，意思是「無法被切割還原成各部分之和的資訊量」。這個一句話的摘要其實掩蓋了一套相當激進的形式體系。要理解 Φ，得先理解 IIT 不是一個「神經理論」，而是一個從現象學公設出發的數學主張。

托諾尼（Giulio Tononi）的策略是：先列出主觀經驗無可否認的五條「公設（axioms）」——每個經驗都是內在存在的（它對自己而言存在）、有結構的（由各種區辨組成）、訊息性的（這個經驗就是它，不是別的）、整合的（不可化約為部分）、排他的（內容與時空尺度都是確定的、有邊界的）。接著，把每條公設翻譯成系統必須滿足的物理「設準（postulates）」。

關鍵的數學動作發生在「整合」與「排他」這兩條。要量化「整合」，IIT 問的是一個反事實問題：如果我把這個系統切成兩半，它作為一個整體所能產生的因果效應，會損失多少？ 具體做法是對系統的所有可能切分（partition）逐一計算「切開前」與「切開後」的因果結構差異，取那個損失最小的切分（稱為最小資訊切分，minimum information partition）。在這個「最容易被切斷」的薄弱環節上，系統仍然保有的整合資訊，就是 Φ。

換句話說，Φ 衡量的是一個系統「最不團結的那條接縫」有多牢固。如果隨便一刀下去資訊就所剩無幾，這系統其實只是一堆獨立零件的拼貼，Φ 接近零；如果連最薄弱的切分都還損失慘重，代表整體真的「大於部分之和」，Φ 就高。

看一個例子：為什麼小腦的 Φ 趨近於零

入門篇提過一個反直覺事實：小腦的神經元數目約是大腦的四倍，卻幾乎不貢獻意識（小腦受損的人仍然清醒、仍有完整的主觀經驗）。IIT 用 Φ 給了一個漂亮的機制性解釋，我們把它攤開來看。

小腦的微結構是高度模組化、近乎前饋的：一個個小迴路平行排列，彼此之間橫向連結稀疏。當你對這種結構做最小資訊切分，會發現——切開任何兩個模組，幾乎不損失任何整合資訊，因為它們本來就各做各的。所以小腦像一台「很多獨立計算單元並排」的機器：資訊量巨大，整合度卻極低，Φ 自然趨近於零。

對比之下，後部皮質的「熱區」是格狀、高度回返（reentrant）的連結——每個區域都和許多其他區域有來有回的雙向對話。這種結構你怎麼切都會損失大量因果效應，Φ 居高不下。IIT 因此預測：意識主要「住在」這種高 Φ 的後部皮質結構，而非神經元雖多卻整合度低的小腦。這個推論與臨床觀察一致，也正是 IIT 最常被引用的成功案例之一。

注意這裡的論證方向：IIT 不是先看到「小腦受損不影響意識」才去解釋，而是它的數學獨立地預測了哪種連結結構會有高 Φ。這種「先預測、後對照臨床」的結構，正是它自認為夠格作為科學理論的底氣。

Φ 的詛咒：一個算不出來的數字

聽起來很美，但這裡有個致命的實務問題，也是 IIT 最常被攻擊的軟肋：Φ 在計算上幾乎不可能算出來。

問題出在「要對所有可能切分逐一檢查」。一個 n 個元件的系統，其可能的切分方式隨 n 超指數增長。對一個只有幾十個神經元的玩具系統，現代電腦或許還能硬算；但人腦有約八百六十億個神經元，要對它計算真正的 Φ，所需的運算量遠遠超過宇宙的壽命。這不是「電腦不夠快」的問題，而是組合爆炸的本質。

於是實務上，研究者只能退而求其次，使用各種近似版本——例如 Φ* 或 geometric Φ，在大幅簡化的假設下估算。但這也帶來一個尷尬：當你在論文裡讀到「某狀態的整合資訊較高」，那個數字往往不是 IIT 原始定義的 Φ，而是某個遠房近似親戚。理論的精確定義與可實際測量的代理量之間，存在一道不小的落差。

這個落差衍生出一場著名的學術風暴。2023 年，一百多位神經科學家與哲學家共同連署一封公開信，措辭強烈地指 IIT 是「偽科學（pseudoscience）」，理由之一正是：一個無法在真實大腦上實際計算、其核心預測高度依賴近似與詮釋彈性的理論，是否真的提出了可被否證的主張？支持 IIT 的一方則反駁，「原則上可定義、實務上難計算」在物理學裡比比皆是（許多多體系統的精確解也算不出來），不該因此剝奪它的科學資格。這場爭論至今未歇——而它本身就是一堂絕佳的「什麼樣的理論才算科學理論」公開課。

「展開論證」：一記直擊 IIT 數學心臟的批評

如果你要更深入，有一個技術性更強、也更優雅的批評值得認識，叫做展開論證（the unfolding argument），由 Doerig 等人在 2019 年提出。它鎖定的不是「Φ 算不算得出來」，而是 IIT（以及所有強調「回返／回饋連結」的因果結構理論）的一個更根本的弱點。

論證大致是這樣：IIT 主張，一個有大量回返連結的系統（會有高 Φ、有意識）和一個純前饋的系統，即使兩者對任何輸入都給出一模一樣的輸出行為，前者有意識、後者沒有。換句話說，IIT 認為意識取決於「內部因果結構」，而非「輸入輸出行為」。

但這裡有個數學事實：任何一個有限的回返網路，在有限時間內的輸入輸出對應關係，原則上都可以被一個夠大的前饋網路完全複製（這正是「展開」——把循環在時間上攤平成一層層前饋）。於是兩個系統在所有可能的實驗中行為完全無法區分，IIT 卻說一個有意識、一個沒有。批評者由此推論：IIT 的核心主張在原則上無法被任何行為實驗否證——而一個原則上無法被實驗區分的差異，是否還是個科學主張？

IIT 陣營的回應是承認並擁抱這個結論：他們主張意識本來就不該用「輸入輸出行為」來定義（這正是 IIT 要對抗的功能主義），所以「兩個行為相同的系統意識不同」對 IIT 而言不是 bug 而是 feature。你站哪一邊，取決於你對「意識能不能脫離行為來談」這個更深的哲學立場。這正是意識科學迷人之處：最前沿的爭論，最後總會回到最古老的哲學岔路口。

換一條路：意識作為「受控的幻覺」

GWT 與 IIT 之外，近十年崛起的第三條路線——預測處理（predictive processing）與自由能原理（free energy principle）——提供了截然不同的意識圖像。這條路線值得獨立認識，因為它把意識和「大腦如何主動建構世界」綁在一起。

核心想法源自德國哲學家黑爾姆霍茲（Hermann von Helmholtz）十九世紀的洞見：知覺是一種無意識的推論。 你的大腦並不是被動接收感官訊息，而是不斷地由上而下產生對「外界現在應該長什麼樣」的預測，再拿這個預測去比對由下而上傳來的實際感官輸入。兩者的落差稱為預測誤差（prediction error），大腦的工作就是想方設法把這個誤差最小化——要嘛更新內部模型，要嘛採取行動去改變感官輸入（這就是「主動推論，active inference」）。

在這個框架下，神經科學家賽斯（Anil Seth）有一句廣為流傳的概括：你所經驗到的世界，是大腦「受控的幻覺（controlled hallucination）」。 你看到的紅色、聽到的旋律，並不是外界訊號直接進入腦中，而是大腦根據感官證據「校準過」的最佳猜測。當這個猜測被感官有效約束時，我們稱之為「正常知覺」；當約束失靈時，就是幻覺。兩者只是同一套生成機制在不同約束強度下的表現。

這條路線最吸引人的地方，是它把身體拉進意識的核心。賽斯特別強調內感受（interoception）——大腦對心跳、呼吸、內臟狀態的預測——是「自我感」與情緒經驗的根基。「你覺得自己是你」這件事，可能根源於大腦對「維持身體存活」這個最古老任務的預測建模。這也與優心理在情緒理論上的進展（情緒作為對身體狀態的建構性推論）緊密呼應。

動手試試：用「橡膠手錯覺」感受預測在改寫你的身體界線

預測處理不只是黑板上的理論，它可以在十分鐘內、在你自己的身上演示出來。經典的橡膠手錯覺（rubber hand illusion）是這樣做的：

把你的左手藏在桌子隔板後看不見，在你眼前的桌面擺一隻假的橡膠手，方向擺得和真手一致。請一位同伴同時、同步地用兩支毛刷，一支刷你看不見的真手、一支刷你看得見的橡膠手。維持一兩分鐘的同步輕刷。

對許多人來說，一種詭異的感覺會浮現：那隻橡膠手「變成了你的手」——當同伴突然用槌子作勢敲橡膠手時，你會反射性地縮手、甚至心跳加速。

從預測處理的視角，這完全說得通：大腦持續整合「視覺看到刷子刷橡膠手」與「觸覺感到自己的手被刷」兩種訊號。當它們在時間上高度同步，大腦的生成模型推論出「這兩個訊號最可能來自同一隻手」這個最小誤差的解釋，於是把身體擁有感（body ownership）的邊界，重新畫到了橡膠手上。你的「自我」邊界，原來是大腦每一刻都在重新推論、可以被騙的建構物——這比任何抽象論證都更直接地讓你「感覺到」意識的建構本質。

測量意識的數學：從 PCI 到壓縮率

回到臨床。入門篇介紹了擾動複雜度指標（PCI）——用經顱磁刺激（TMS）「敲」大腦、用 EEG 記錄迴盪的複雜度，藉此區分有無意識。這裡我們把它的數學機制打開，因為它是「抽象理論落地成床邊工具」最成功的範例，也最能說明意識科學如何把哲學問題化為一個可計算的數字。

PCI 的計算分兩步，恰好對應「意識需要同時兼顧分化與整合」這個跨理論的共識：

第一步，捕捉「整合」。 TMS 在皮質某點施加一記擾動，如果大腦是高度整合的（清醒），這記擾動會沿著皮質的回返連結擴散到遠處許多區域，引發時空上廣泛分布的反應；如果大腦是去整合的（深睡、麻醉），擾動就被局限在原地、迅速熄滅。EEG 記錄下這片時空反應的圖樣。

第二步，捕捉「分化」，靠的是壓縮。 這一步最巧妙。研究者把那片時空反應二值化成一串 0 與 1，然後用 Lempel–Ziv 複雜度——也就是 ZIP 壓縮背後的同一套演算法——去量它「能被壓縮到多小」。道理很單純：

• 如果反應是刻板、重複、規律的（像深睡時整片皮質一起緩慢起伏），這串訊號高度可預測，壓縮率很高（檔案變得很小）→ 複雜度低 → PCI 低。
• 如果反應既分化又整合——各區反應不同（分化）卻又彼此協調（整合），既不隨機也不重複——這串訊號很難壓縮，壓縮率很低 → 複雜度高 → PCI 高。

把「意識」化約成「一段腦電訊號的壓縮率」聽起來幾乎像魔術，但它的臨床表現相當可靠：清醒受試者的 PCI 穩定地高於某個閾值，無夢深睡與麻醉則穩定地低於它，而做夢時雖然身體在睡，PCI 卻回升到接近清醒的水準——完美呼應了「做夢是一種有意識的狀態」。它甚至能在一部分被診斷為植物人、卻其實保有殘存意識的患者身上，測到高於閾值的 PCI，可能比行為觀察更早抓到隱藏的意識。一個源自抽象資訊論的數字，就這樣變成了可能改寫照護決策的床邊工具。

認知運動分離：當意識藏在無法動作的身體裡

把上述測量科學推到它最有倫理重量的應用，就是「認知運動分離（cognitive-motor dissociation）」這個近年才被正式命名的臨床現象。它比入門篇提到的 Owen「想像打網球」研究又往前了一大步。

入門篇講過 Owen 團隊讓單一植物人患者透過「想像打網球」在 fMRI 裡證明自己仍有意識。進階的問題是：這種「身體毫無反應、大腦卻聽得懂指令」的人，到底有多少？ 這不再是個別奇案，而是一個需要流行病學規模回答的問題。

2024 年發表於《新英格蘭醫學期刊》的一項跨國多中心研究給了震撼的數字：在約兩百四十位對床邊指令毫無外顯反應的腦傷患者中，研究者用 fMRI 或 EEG 請他們「想像做某個動作」，結果有約四分之一的人，其腦活動模式顯示他們確實聽懂並執行了指令——也就是說，他們在意識上是「在場」的，只是被鎖在無法表達的身體裡。

這個發現的衝擊難以言喻。它意味著在加護病房裡，可能有相當比例外表「沒有意識」的患者，其實清醒地聽著床邊的對話、家屬的討論、甚至關於是否撤除維生系統的決定。它把意識的測量從一個學術問題，變成攸關生死與尊嚴的臨床急務，也直接推動了「腦機介面作為溝通管道」的研發——如果一個人只剩大腦能回應，我們能不能繞過癱瘓的身體，直接讓他用腦波回答「是」或「否」？這是意識科學與優生物（神經工程）、AI（神經訊號解碼）三方交會、最有人道價值的前沿之一。

重點回顧

• Φ 是一個關於「因果結構不可分割性」的數學量：它透過尋找系統「最薄弱的切分」（最小資訊切分）來度量整體超出部分之和的程度；小腦因近乎前饋、易被切分而 Φ 趨近零，後部皮質因高度回返而 Φ 高——這是 IIT 對「神經元多寡不等於意識」的機制性解釋。
• Φ 在真實大腦上實際算不出來：可能切分隨元件數超指數爆炸，研究只能用近似量代理。這個「定義精確、計算不可行」的落差，正是 2023 年「IIT 是否為偽科學」公開爭論的核心。
• 展開論證指出 IIT 的可否證性難題：任何回返網路的輸入輸出行為都能被一個前饋網路複製，IIT 卻主張兩者意識不同——這個差異在原則上無法被行為實驗區分，迫使我們直面「意識能否脫離行為定義」的哲學分岔。
• 預測處理提供第三條路線：知覺是大腦「受控的幻覺」，意識內容是最小化預測誤差的最佳猜測，而內感受與身體狀態的預測是自我感的根基（橡膠手錯覺即一例）。
• PCI 把意識化為壓縮率：用 TMS 擾動 + EEG 記錄 + Lempel–Ziv 複雜度，同時捕捉整合（擴散範圍）與分化（難壓縮性）。它能可靠區分清醒／深睡／麻醉，並揭露「認知運動分離」——約四分之一外表無反應的腦傷患者其實保有意識。

深入探討（研究所視角）

對打算深入認知神經科學、計算神經科學或心智哲學的同學，以下幾條線索值得追下去：

一、理論的「測量代理」陷阱與循環論證風險。 本文反覆出現一個方法學主題：理論定義的量（如 Φ）與實際測量的量（如某個近似 Φ、或 PCI 這類複雜度指標）之間有落差。一個必須警惕的危險是循環論證：我們先用「清醒 vs 麻醉」的對照來校準某個複雜度指標的閾值，再宣稱這個指標「驗證了意識需要整合資訊」——但這很可能只是把當初的標定假設換句話說。要避開這個陷阱，理論必須對校準資料以外的新情境做出預測（例如預測迷幻劑 psilocybin 下複雜度會「異常升高」——這個違反直覺的預測後來確實被觀察到，迷幻狀態的腦訊號複雜度高於正常清醒，是相當有力的獨立證據）。批判性地評估「這個結果是真預測，還是換湯不換藥的事後標定」，是讀這個領域論文的必備技能。

二、高階理論與「前額葉之爭」的再升級。 入門篇把爭論簡化為 GWT（前額葉）vs IIT（後部皮質）。研究所層級要再引入第三類玩家——高階理論（higher-order theories），主張一個心理狀態要成為「有意識的」，必須有另一個更高階的表徵「指向」它（粗略說，「意識到 X」= 「對自己正在表徵 X 有一個再表徵」）。這把前額葉的角色從 GWT 的「廣播樞紐」重新詮釋為「後設認知監控」，並與後設認知（metacognition）、信心判斷的神經基礎研究接軌。值得追問：2023 年那場 GWT vs IIT 的對抗性合作未竟之處，能否設計新的對抗性實驗，把高階理論也拉進同一張否證的擂台？

三、迷幻劑與麻醉作為意識的「滴定實驗」。 藥理學給了意識科學最精緻的操控工具。麻醉（propofol、ketamine）與迷幻劑（psilocybin、LSD）從相反方向擾動意識：前者讓主觀經驗消失，後者讓經驗劇烈擴張、邊界溶解。耐人尋味的是，ketamine 這種「解離性麻醉劑」在劑量下可能讓人失去對外反應、卻保有豐富的內在夢境經驗，這對「行為無反應 = 無意識」的等式構成深刻挑戰。系統性地比較不同藥物如何改變神經整合、複雜度與主觀報告，是逼近意識神經機制的黃金路徑，也與優生物（受體藥理）、優心理（變異意識狀態）直接連結。

四、機器意識的判準，以及它對 AI 教育平台的意義（連結 AI 與學習）。 入門篇點到「AI 是否可能有意識」是兩大理論給出相反預測的戰場。研究所視角要更精準：2023 年一份由多位意識學者合撰的報告，嘗試從各家理論抽取出一組「指標屬性（indicator properties）」（如是否具備全局工作空間式的瓶頸廣播、是否有回返的高階監控、是否有主動推論的內感受迴路），用來評估當前 AI 系統——其結論是現行大型語言模型並不滿足多數理論所要求的關鍵架構特徵。這個判斷對 Uedu 這類以生成式 AI 為核心的教育平台至關重要：我們必須把「AI 是否是高效能的學習夥伴」（一個關於功能與表現的工程問題）與「AI 是否擁有主觀經驗、是否具道德地位」（一個關於現象意識的問題）嚴格分開。把語言流暢誤認為內在經驗，既是學術上的混淆，也會帶來部署上的倫理風險。把 AI 助教定位為協作工具而非有感受的主體，正建立在這條清醒的區分之上。

意識科學最深刻的教訓，或許是它示範了一件事：面對人類心智中最私密、最難以言說的現象，我們仍能一步步把它逼進實驗室——定義一個量、設計一記擾動、寫下一條可被否證的預測。那道「意識能不能被算出來」的算式，至今沒有人寫得出完整版本。但光是逼問它該長什麼樣子，就已經重塑了我們對自己心智的理解。