[AI]重新审视“幻肢”现象背后的意识机制

"幻肢"实验

"幻肢"实验是研究幻肢现象的经典实验方法。实验对象通常选择已经失去一肢如手或脚的病人。实验主要步骤是:首先安装一台镜头对残肢部位进行实时视频监测。然后,使用外部设备对残肢部位进行触感刺激,如按压、揉搓等动作。与此同时,实验对象通过镜头可以看到"假肢"受到的刺激。研究人员会询问实验对象是否真的感受到对应的触感。如果实验对象表示真的感受到了,即为成功复制出"幻肢"现象。

医学界对此实验结果的主流解释是:视觉和触觉的联合刺激,可以有效地引发和增强残肢部位的"幻肢"感受。实验也发现,视觉和触觉刺激的同步程度越高,产生"幻肢"的效果就越明显。一些研究还发现,残肢部位在视觉上呈活动状态更易产生"幻肢",而静止状态难以产生。这说明视觉信号在大脑处理多感官信息中的重要地位。

解读实验结果

在"幻肢"实验中,实验设置导致视觉和触觉信号在空间上出现分离------视觉信号指向假肢位置,而触觉信号来源于残肢本身。但是,大脑在处理这两种信号时,我认为视觉信息的对于空间定位能力权重较强,因此更易产生主导效应。一些神经成像结果也显示视觉信号在大脑各区域的传导速度更快。这可能是视觉信号在信息处理中的优势原因。

实验还发现,视觉和触觉信号越同步,"幻肢"效应就越明显。这也支持视觉在处理多感官集成信息时的优先地位。只有当两者高度一致时,大脑才会将它们归为同一个外界刺激的结果。否则容易产生分离。

我认为大脑在处理感知输入时,会考虑其时间、空间一致性来判断是否来自同一外部实体。视觉与触觉在本实验中因为实验设置从而来自不同的物理源头,违反了大脑经过大量正常数据训练而得到的本能认知,这就是导致大脑出现一定程度的"分析错误",从而产生"幻肢"现象。

人类意识的初级与高级两层次

如实验所示,初级意识系统在处理感知信息时,会优先考虑视觉通道的空间定位信息。而在本实验中,视觉和触觉输入存在分离,很可能导致高级意识产生一定"分析错误"。这就解释了为什么实验对象会出现"幻肢"感受。

与此同时,实验对象通过高级意识系统明白自己实际上已经断肢。但是在感官冲突下,高级意识出现了与初级感知产生裂缝,进而影响了对外界真实状态的判断。

我们还可以参考哲学上著名的"缸中之脑"的实验。那个接入了一切初级感官信号的大脑,显然不会意识到自己其实之有一个大脑而没有躯体了。人类的意识显然是分层次的,我们尚没有更精确和科学的层次定义,但是我们已经能够确认"意识"和"意识"之间的区别。

实验结果启示

这个实验结果很好地诠释了初级意识和高级意识在正常情况下的互动关系。初级意识系统为高级意识提供原始感知输入,而高级意识可以对初级感知进行主观判断和推理。两者通常是统一的。但在实验中,由于视觉和触觉输入被人为分离,高级意识产生一定"分析错误",从而在对外界判断上出现"幻觉"。这很好得说明了一旦初级感知信号被篡改,将会影响高级意识对客观事物的准确度量。

我们用新的角度诠释了人类意识的本质属性,即它包括初级感知意识和高级推理意识两个层次。这为今后利用视觉、触觉等多感官整合来研究和影响意识提供了新思路,也为理解一些错觉产生机制提出新的解释模式。几乎所有的魔术表演,都是努力欺骗观众的信息感官,而在错误的输入信息之下,人类的大脑事实上并没有出现"幻觉"。从观众的角度,从大脑本身的角度,所有的推理和计算都是无差别的,前后一致、稳定。只有从表演者角度,那个真正知道输入信号和真实世界不同的人,才能得出观众判断错误这个推理结果。

初探高级意识

无论是人类还是其他生物,无论是碳基还是硅基,客观宇宙的存在与这些东西无关。而一个客观存在的生物必然要与客观世界有交互,交互就会产生信息。碳基生物的神经系统就是一种将客观世界信息化的装置,机器人的传感器也一样。信息化过程本身是不会有欺骗的,但是幻肢实验让我们发现高级意识其实不仅仅是基于初级意识,而是基于多个初级意识整合的结果,例如视觉和触觉。基于这个发现,我们或许可以创造出更多的魔术,只要能成功割裂多个初级意识的信息来源。高级意识如何运作的研究似乎有迹可循。

相关推荐
HelpLook HelpLook7 小时前
2025年最佳内网企业办公平台与工具
人工智能·ai·cms·知识库管理·企微·搭建知识库
今天也想MK代码14 小时前
基于ModelScope打造本地AI模型加速下载方案
ai·语言模型·swift·model·language model
dagouaofei18 小时前
利用AI制作《职业生涯规划PPT》,10分钟完成
ai·aigc·ppt
界面开发小八哥1 天前
DevExpress中文教程 - 如何使用AI模型检查HTML编辑中的语法?
ai·.net·界面控件·devexpress·ui开发
极客代码1 天前
【Python TensorFlow】进阶指南
人工智能·python·ai·tensorflow
杨浦老苏2 天前
AI驱动的轻量级笔记应用Blinko
笔记·docker·ai·markdown·群晖
obullxl2 天前
深入解析 Transformers 框架(四):Qwen2.5/GPT 分词流程与 BPE 分词算法技术细节详解
人工智能·gpt·ai·transformers·qwen2.5·bpe
z千鑫2 天前
【人工智能】10分钟解读-深入浅出大语言模型(LLM)——从ChatGPT到未来AI的演进
人工智能·ai·语言模型·自然语言处理·chatgpt·ai编程·codemoss
Bruce_Liuxiaowei2 天前
如何编写有效的Prompt模板:提升大模型性能的关键
ai·大模型·prompt·通义千问·阿里云百炼大模型