今天關於意識的爭論常常陷入兩個陣營之間。一是計算功能主義。這說明思維可以完全描述為對抽象信息的處理。如果系統具有適當的工作結構（無論正在處理什麼材料），系統應該建立意識。另一個是生物自然主義，其理由恰恰相反。它指出意識不能與活體大腦和身體的特殊特徵分開。因為生物學不僅僅是感知的容器。但這也是感知的一部分。這兩種觀點都捕捉到了真正的見解。但這種破壞表明仍然缺少一個重要的方面。
在我們的新報告中，我們提出了一種不同的方法：生物計算。這個標籤的目的是挑釁性的。但這也讓談話變得更加尖銳。我們的主要論點是標準計算框架不起作用。或者至少不適合大腦的實際工作方式。長期以來，大腦都是在神經硬件上運行的軟件，大腦以與普通計算機相同的方式進行“計算”。但真正的大腦並不是馮·諾依曼機器，強行比較會導致不可靠的隱喻和站不住腳的解釋。如果我們想要認真解釋大腦如何進行計算。以及如何在另一個表面創造心靈。首先，我們需要對“計算”進行更廣泛的定義。
正如我們所描述的，生物計算具有三個主要特徵。
實時集成腦計算
首先，生物計算是混合的。它將離散事件與連續動態相結合。神經元會猛增。突觸釋放神經遞質。並且網絡會根據類似事件的條件而變化。同時這些事件發生在不斷變化的物理條件下，例如電壓場。化學梯度隨時間變化的離子擴散和電導大腦不僅僅是數字的。而且它也不僅僅是模擬機械。但它作為一個多層系統運行。其中連續過程影響離散事件。離散事件在持續的反饋循環中一遍又一遍地重塑連續背景。
為什麼大腦計算不能規模化？
其次，生物計算密不可分。在傳統的處理中，通常可以清楚地將軟件與硬件分開，或者將大腦中的“功能級別”與“功能級別”分開。這種分離就破裂了。沒有明確的界限可以指出：一方面是算法，另一方面是物理機制。因果關係同時貫穿多個層面。從離子通道到樹突，從電路到全腦動力學。這些層次的行為並不像生物系統中分層的、獨立的模塊。改變“實現”改變“計算”，因為兩者緊密相關。
新陳代謝和能量限制創造了智力。
第三，生物計算基於新陳代謝。大腦在嚴格的能量限制下運行。這些限制決定了各地大腦的結構和功能。這不僅僅是一個工程細節。能量限制會影響大腦所能表達的內容。如何了解哪種格式保持穩定？以及信息如何協調和傳送。從這個角度來看，各個層級之間存在著緊密的耦合。這並不是偶然的複雜性。這是一種能量增強策略，可在嚴重的代謝限制下支持強大而有彈性的智力。
算法是先驅。
如果您熟悉經典計算概念，將這三個特徵放在一起得出的結論可能會感覺很奇怪。大腦中的計算不是對抽象符號的操縱。這不僅僅是移動演示文稿。根據官方規則，雖然物理介質在生物計算中被認為是“僅實現”，但算法是前身。物理組織不僅支持計算。但它也包括計算元素。大腦不只是運行程序。它是一種通過時間展開來計算的物理過程。
這對於人工智能和合成思維意味著什麼？
這種觀點還揭示了人們描述現代人工智能的局限性：即使是強大的系統也會復制其大部分功能。他們學習從輸入到輸出的映射。有時具有令人印象深刻的一般特徵，但計算仍然是在為非常不同的處理形式而構建的硬件上運行的數字過程。相反，大腦以物理時間進行計算。連續場離子流樹突聚集局部振動性以及發生的電磁相互作用並不是抽象算法時唯一可以忽略的生物“細節”。在我們看來，這些是系統的計算基礎。這些機制可實現實時集成、靈活性和自適應控制。
這不僅僅是生物學。但生物學就像計算。
這並不意味著我們認為意識僅限於碳基生命形式。我們沒有爭論。如果意識（或類似心智的認知）依賴於這種類型的計算，那麼我們的“要么生物學，要么什麼都沒有”的主張就會變得更狹隘、更實用。可能有必要組織生物計算。即使它是在新紋理中創建的。重要的問題不在於前體是否真正是生物的。但係統是否創建混合計算的有效實例尚不清楚。通過大小或代謝方式（或通常強大）無法區分
創建有意識的機器的不同目標
對於任何試圖建立合成思維的人來說，這都是一個新目標。如果大腦計算不能與物理感知分開，僅擴展數字人工智能可能還不夠。這並不是因為數字系統不能變得更強大。但這是因為能力只是難題的一部分。更深層次的風險是，我們可能會通過改進算法來優化錯誤的東西，同時保持底層計算本體不變。生物計算表明，創建真正的類思維繫統可能需要新型物理機械。計算不屬於硬件上的軟件。而是分佈在各個層次上，根據實時物理和能量的約束動態連接並確定模型。
因此，如果我們想要合成意識之類的東西，主要問題可能不是“我們應該運行哪種算法？”可能是“必須存在什麼樣的物理系統才能使算法不能與其自身的動態分離？”需要哪些功能？包括事件和混合領域之間的相互作用。沒有清晰界面的多級耦合以及塑造推理和學習的動態約束。因此計算並不是相互疊加的抽象描述。但這是系統的固有屬性。
這就是計算生物學的要求。它消除了尋找正確事物的挑戰。 程式 找到正確的事情 計算機類型–
