人类的智慧从何而来?

  • 时间:
  • 浏览:64
  • 来源:万和城

1987年,新西兰奥塔哥大学的政治学家詹姆斯·弗林报告了一个奇怪的现象:随着时间的推移,不同人的智力得到了广泛的提高。在14个国家,几十年来有大量的人的平均智商得分,所有这些国家的平均智商都有上升趋势,其中一些国家的智商有很大提高。

例如,从1951年到1975年,日本儿童在名为韦氏儿童智商量表的测试中平均提高了20分。在法国,1974年,18岁男性在推理测试中的平均得分比1949年的同龄人高出25分

-马特·钦沃斯-

因为这个领域内外的一些人不断引入伪科学的概念,理解人类智能的任务变得更加困难。例如,智能研究有时会受到优生学、“科学”种族主义和性别歧视的影响。

不久前,在2014年,《纽约时报》的前科普作家尼古拉斯·韦德(Nicholas Wade)受到了很多批评,因为他的批评者说他误解了基因研究,认为种族可能与智力和其他特征的平均差异有关。不管这种分析的合理性如何,分类并不是当今智能研究者的最终目标。

剑桥大学的神经科学家约翰·邓肯说:“我对流体智力测试感兴趣的原因不是因为我想知道是什么让一个人比另一个人做得更好。这对每个人都很重要,因为这些功能都在每个人的脑海中。如果能知道它们是如何工作的,那就太好了。”

寻找g。

自斯皮尔曼时代以来,人们一直在寻找测试方法来测量重力和智商。许多研究支持了他的发现,即在不同认知测试中,个体表现之间存在可测量的相关性。研究人员对G感兴趣,因为它的影响远远超出了学术表现和工作表现。大量研究表明,较高的智商与较高的收入和教育水平以及较低的慢性病、残疾和过早死亡风险相关。

早期对脑损伤的研究表明,额叶对解决这个问题非常重要。20世纪80年代末,理查德·黑尔和他在加州大学欧文分校的同事在解决抽象推理问题时,对他们的大脑进行了成像。此时,额叶、顶叶和枕叶的特定脑区被激活,它们之间的通讯也被激活。额叶与计划和注意力有关;顶叶解释感觉信息;枕叶处理视觉信息,所有这些能力都有助于解决难题。

但海尔指出,活动越强,认知能力越强。“事实上,得分最高的人大脑活动最弱,这表明不是你的大脑工作有多努力,而是你的大脑工作有多高效。”

2007年,基于这项研究和其他神经影像学研究,新墨西哥大学的海尔和雷克斯·荣格提出了前额叶皮层整合理论,认为海尔等人发现的大脑区域是智力的核心[3]。然而,海尔和其他研究人员后来发现,即使智力相似的人在执行相同的心理任务时,也会有不同的激活模式。他说,这表明大脑可以用不同的方式达到相同的目标。

有些人认为通过大脑成像定位重力的另一个问题是我们的仪器仍然太简陋,无法得到满意的答案。例如,海尔在20世纪80年代的PET扫描跟踪了大脑中的放射性葡萄糖,它可以在30分钟的时间窗口内获得一个器官代谢活动的图像,但该器官细胞之间的通讯是毫秒级的。

现代的功能磁共振成像扫描虽然在时间上更精确,但只跟踪大脑中的血流,而不是单个神经元的实际活动。邓肯说:“这就像如果你想了解人类语言的原理,你所能听到的只是整个城市的噪音。”

智能模型

除了缺乏复杂的工具,一些研究人员开始质疑以下前提:智力的关键完全取决于大脑的解剖特征。

麻省理工学院皮卡德学习和记忆研究所的神经生理学家厄尔·米勒说:“在20世纪,关于大脑的主流观点是解剖结构决定一切。”但是在过去的10到15年里,人们发现这种观点过于简单。

研究人员开始提出可能是智力基础的其他大脑特征。例如,为了找到关于智商的线索,米勒一直在跟踪多个神经元同时释放时的脑电波变化。在最近的一项研究中,他和他的同事将用于记录脑电图的电极放在猴子的头上,并且他们教猴子在看到与他们之前看到的顺序相同的物体时松开手柄。

完成这项任务需要工作记忆,即访问和存储相关信息的能力。工作记忆刺激高频γ波和低频β波的爆发。当这些集群在任务中的一些常见时间点不同步时,动物就会出错。

智力分析

人们对人类智力差异的生物学基础知之甚少,但神经科学、心理学和其他领域的研究已经开始了解这种差异的原因。

根据对大脑成像和脑损伤患者的研究,一个著名的假说认为智力位于大脑中特定的神经元群中,其中许多位于前额皮质和顶叶皮质。这一假说被称为前额叶-顶叶整合假说,认为这些区域之间的结构、活动和联系存在个体差异,这与认知任务的表现有关。

研究人员还提出了一系列其他假设来解释智力的个体差异。所提出的机制是不同的,这反映出在科学中智力是如何形成的还没有最终的结论。这里有三种假设,每一种都有自己的实验证据,并由相应的计算模型支持。

米勒怀疑这些脑电波“引导”大脑中的交通,确保神经信号在需要时到达适当的神经元。他说:“伽马波是自下而上的,它承载着你的想法。贝塔波是从上到下的。它携带决定你想要什么的控制信号。如果你不够强壮,无法控制γ,那么你的大脑就无法过滤掉干扰。”

大脑交流的整个模式是解释智力的另一个候选者。2018年初,伊利诺伊大学厄巴纳-香槟分校的心理学研究员艾伦·贝比(Aaron Babe)在利用扩散张量磁共振成像等技术追踪不同脑区之间联系的研究基础上,提出了上述观点,称之为网络神经科学理论。

贝比绝不是第一个提出大脑不同部分之间的交流能力是智力核心这一观点的人,但网络神经科学理论的整个大脑本质与之前的模型形成鲜明对比。例如,顶叶和前额叶的整合理论集中在特定区域。贝比说:“一般智能源于人脑整个系统的拓扑结构和动态特征的个体差异。”

哈佛大学的艾米利亚诺·桑塔内奇和锡耶纳大学的西蒙·罗西也认为智力是整个大脑的属性,但他们认为整体可塑性是智力的关键。根据桑塔纳基的观点,可塑性也是大脑的重组能力,可以通过经颅磁刺激或电刺激产生的大脑活动的性质来衡量。

他说:“有些人也会在我们使用的同一网络的其他节点上做出反应。”在人脑中也有“信号开始到处传播”。他的团队发现,通过智商测试测得的更高的智商,对应于更具网络特异性的反应,桑塔尼奇假设这“反映了某种特定的反应”...更高智能大脑的效率。”

尽管他发现了一些关于智力是如何形成的线索,但桑塔纳基发现自己很沮丧,因为他认为对神经科学核心问题之一的研究还没有得到更具体的答案。为了解决这个问题,他现在正领导一个由认知神经科学家、工程师、进化生物学家和其他学科的研究人员组成的联盟,讨论如何寻找智力的生物学基础。

Santarnecchi希望看到大脑被操纵,例如,通过非侵入性刺激,以获得大脑活动和认知能力之间的因果关系。他说:“我们现在对智力了解很多,但我认为是时候尝试用不同的方式回答这个问题了。”

寻找遗传因子

当神经科学家探索大脑结构、活动和智力之间的关系时,遗传学家从不同的角度研究智力。根据他们目前的发现,伦敦政治经济学院的心理学研究员索菲·冯·斯塔姆估计,大约25%的智能个体变异可以用基因组中的单核苷酸多态性来解释。

为了找到有助于智力的基因,研究人员扫描了成千上万人的基因组。例如,2018年初,南加州大学的经济学家丹尼尔·本杰明(Daniel Benjamin)和他的同事分析了110多万欧洲后裔的数据,发现基因组中有1200多个与教育成就相关的基因座,这通常意味着智力。因为在各种关于DNA测序的医学研究中,受试者被问及他们的教育状况,以帮助在未来的分析中控制社会经济因素,所以有很多这样的数据。

尽管教育和智力之间的相关性并不完美,冯·斯塔姆说:“智力和学业成绩高度相关,在遗传学上也高度相关。”他最近共同撰写了《智能遗传学概述》。一般来说,在本杰明的研究中,到目前为止已经确定的基因占教育水平个体差异的11%左右;相比之下,家庭收入占7%。

这种全基因组关联研究在揭示智力和教育成就的生物学方面作用有限,因为到目前为止,关于发现的基因仍有许多事情需要了解。但是,本杰明说,有一些启示。

例如,本杰明在他最近的研究中发现了一种具有已知功能的基因,“它似乎参与了大脑发育和神经元之间交流的所有方面,但与神经胶质细胞无关。”因为神经胶质细胞影响神经元之间信号传递的速度,这表明分布的速度不是教育成就差异的一个因素。

其他基因似乎将智力与各种脑部疾病联系在一起。例如,在2017年出版的GWAS预印本中,阿姆斯特丹自由大学的丹尼尔·波斯特·马(Danielle Posti Ma)和他的同事发现了认知测试分数和变量之间的联系,这些变量与抑郁症、多动症和精神分裂症呈负相关,这可能是一种已知的机制,即智力与较低的精神疾病风险相关。研究人员还发现,智力相关变异与自闭症正相关。

-马特·钦沃斯-

至于如何从大脑的结构或功能中产生智力,冯·斯塔姆对基因数据将在不久的将来产生有用信息的观点持怀疑态度。然而,GWAS能以一种不太直接的方式对认知智力做出贡献。根据他们的研究结果,本杰明和他的同事设计了一个与教育水平相关的多基因分数。

尽管仅仅预测一个人的能力是不够的,本杰明说这个分数应该对研究人员有帮助,因为它允许他们在分析中控制遗传因素,以确定影响智力的环境因素。他说:“我们的研究将使我们能够更好地回答关于什么样的环境干预能提高学生成绩的问题。"

冯斯塔姆计划用本杰明的多基因分数来说明基因如何与环境相互作用。冯斯塔姆说:“我们可以第一次直接测试在贫困家庭长大的孩子在学校里的资源是否更少.................以及他们的基因差异是否能预测他们的学习成绩,就像那些在富裕家庭长大的人一样。后者尽一切可能抓住适合其遗传倾向的学习机会。”

提高智商

操纵智力的想法很诱人,研究人员一直在努力实现它。过去有一种方法似乎对提高智力有一定的希望,那就是使用心理训练游戏。通过练习,玩家可以在这些简单的视频游戏中提高自己的表现,这些游戏依赖于快速反应时间或短期记忆等技能。然而,对大量研究的回顾表明,没有很好的证据表明这种游戏可以提高整体认知能力,这种心理训练现在被普遍认为是令人失望的。

经颅脑刺激,即通过颅骨发送轻微的电脉冲或磁脉冲,在最近几十年里显示出了一些改善智力的潜力。例如,2015年,哈佛医学院的神经科学家桑塔纳尼克及其同事发现,受试者在一种经颅交流刺激下解决问题的速度更快,而2015年的一项荟萃分析发现,另一种电刺激(经颅DC刺激)具有“显著而可靠的效果”。

尽管磁刺激产生了类似的吸引人的结果,但对电刺激和磁刺激的研究也对这些技术的有效性提出了质疑。即使相信它们可以提高认知能力的研究人员也承认,在临床上使用它们之前,我们还有很长的路要走。

研究人员所知的提高智力的有效方法是良好的老式教育。在2018年初发表的一项荟萃分析中,由当时爱丁堡大学的神经心理学家斯图尔特·里奇(Stuart Ritchie)领导的一个研究小组从几份研究报告的数据中筛选出了令人困惑的因素,并发现无论年龄或教育水平如何,学校教育每年平均都会让智商提高1至5个百分点。包括不列颠哥伦比亚大学发展认知神经科学家阿黛尔·戴蒙德在内的研究人员正试图研究教育中哪些因素对大脑最有益。

里奇在给《科学家》的一封电子邮件中写道:“智力可以预测一系列重要的事情,如教育成就、职业成功、身心健康等。因此,如果我们有可靠的方法来提高智力,这将是非常有用的。"

思考思考

不仅智力的生物学问题仍然是一个黑箱,研究人员也围绕概念本身进行思考。事实上,G代表大脑单一属性的观点受到了挑战。虽然G作为一个指标的有用性和预测力已经被广泛接受,但不同模型的支持者认为它是认知能力的平均值或总和,而不是原因。

2017年,剑桥大学的神经科学家罗格·基维特(Rogier Kievit)和他的同事发表了一项研究,认为智商是代表更具体的认知能力的集体力量指数,这两种能力是相辅相成的。这项研究的结果是基于数百名20岁左右的英国居民的词汇和视觉推理测试的分数,以及大约一年半后对相同受试者进行再测试所获得的数据。

Kievit说,通过同一个人在两个时间点的数据,研究人员可以研究一种认知技能的表现是否可以用来预测另一种技能的提高率。研究人员使用算法来预测不同智能模型下应该发生的变化,并得出结论,最合适的模型是互利互惠,即不同认知能力在正反馈循环中相互支持的观点。

-马特·钦沃斯-

2016年,加州克莱蒙研究生大学的安德鲁·康威(Andrew Conway)和匈牙利罗兰大学的克里斯托弗·科瓦奇(Christopher kovac)对多元认知过程参与智力的观点提出了不同的观点。

在他们的模型中,有特定应用的神经网络和高级通用的执行过程,这两者都在帮助人们完成认知任务中发挥作用。

研究人员认为,正是因为所有类型的任务都涉及相同的执行过程,这解释了为什么个人在执行不同任务时的表现是相关的。因此,G衡量的是这些高阶执行过程的平均强度,而不是执行单一任务的能力。科瓦奇说,神经科学家在执行特定的执行过程时,通过寻找大脑的各种特征,而不是寻找单一的G因子的位置,可以在理解智力方面取得更大的进步。

当研究人员试图解决棘手的智力现象时,一个哲学问题出现了。我们的物种足够聪明,能够理解我们自己的智力基础吗?尽管这一领域的研究人员普遍认为,在科学能够理解我们的思维方式之前,还有很长的路要走,但大多数人对未来几十年将会有重大进展持谨慎乐观的态度。

海尔说:“我们现在看到的发展不仅仅是人脑的连接成像,还有突触成像,这将把我们对智力等基本生物机制的理解提高到一个新的水平。”

译者的评论

对于本文结尾提出的哲学问题:“我们的物种是否足够聪明,能够理解我们自己的智力基础?”事实上,在大脑研究中有一个相应的问题,这就是所谓的皮尤悖论:“如果人类的大脑如此简单,我们可以清楚地知道它,那么我们就太简单了,无法了解大脑。”

在《人工智能的第三个春天:一位德国工程师和一位与施拉格霍夫合著的中国科学家之间的对话》一书中,作者曾指出:“他的悖论困扰了我很长时间,然后我意识到,一方面,尽管他的话似乎很有道理,但人脑如此复杂,以至于单个大脑很难了解自己。然而,另一方面,并不是只有一个大脑知道自己,而是像你所说的,大脑不断进化的社会网络试图了解一个大脑。大脑的社会网络比单一大脑复杂得多!因此,尽管我不指望有一天我们能宣布‘啊哈!“现在,所有关于人脑的秘密都被发现了!”我们仍然可以逐步接近这个目标,即使我们永远无法完全实现它。"

这就像一个单一的神经元不能识别自己,但是一个由大量神经元适当组织的人脑可以识别一个单一的神经元。

此外,卡尔补充道,“你是对的。解决办法是聚集许多大脑和心智能力,这可以成倍地提高单个大脑和心智的力量。此外,它并不局限于在特定的时间点并行进行,它还可以在多个系列的世代中收集许多代的智慧和知识。这给了皮尤悖论一个完美的答案。许多大脑和他们积累的智慧将能够知道一个单一的大脑。”

这个“悖论”似乎是可以解决的。通过一代又一代的不断努力,整个人类可以逐渐理解人类的智力,尽管很难宣布有一天它会被完全理解。

猜你喜欢