大脑不是可编程计算机，而是活的动态系统

当你刷到一段教猫下象棋的视频时，第一反应肯定是“特效做的”——没人真相信猫能学会这种人类专属的复杂逻辑。这背后藏着一个神经科学界吵了几十年的问题：大脑到底能不能像电脑一样，被“编程”出任意能力？2026年神经科学家Romain Brette在新书中的一句话炸了锅：“把大脑叫可编程计算机，是对生物学最大的误解。” 这个结论直接推翻了我们对“学习”“本能”的日常认知，也让那些想通过“脑编程”实现超能力的科幻设想，瞬间站在了科学的对立面。

为什么“进化编程大脑”是伪命题？

你可能听过一种说法：人类的本能是进化“编好的程序”，比如婴儿天生会吃奶，老鼠天生怕猫。但Brette直接戳破了这个类比的漏洞——进化根本不是“程序员”。

首先，基因组里没有“大脑接线图”。人类的基因组只有约2万个基因，连大脑中860亿神经元的零头都不到，它只能编码蛋白质，给大脑发育画个大致的框架，根本没法精确指定“哪两个神经元之间要连突触”。就像你给建筑师递了一堆水泥钢筋，却指望他直接造出一栋带精准水电布局的房子，完全不现实。

更关键的是，编程是“带着目标写指令”，而进化是“随机试错加自然选择”。它不会刻意“让人类学会语言”，只是那些脑容量更大、神经元连接更灵活的个体，在生存竞争中活了下来。把进化说成编程，本质是把达尔文主义偷换成了智能设计——这可是生物学的大忌。

突触可塑性不是“自我编程”，是“按规则生长”

有人退了一步：就算进化没编程，大脑能通过学习“自我编程”吧？毕竟我们学语言、学技能，都是在改变大脑啊。这就不得不提到神经科学的核心概念——突触可塑性（Synaptic Plasticity），简单说就是神经元之间的连接强度会随活动改变，比如反复练习能让相关突触变“强壮”，这是学习和记忆的基础。

但可塑性≠可编程。你可以把突触想象成植物的藤蔓：它会向着阳光（频繁的神经活动）生长，却不会凭空长出一朵玫瑰（猫学不会象棋）。突触的变化有严格的生物学规则：必须有前后神经元的同步活动、必须有神经递质的精准调控、必须符合能量代谢的限制——就像藤蔓只能顺着支架爬，不会违背重力乱长。

直给补刀：

• 突触变化是局部的，由神经元自身活动触发，没有一个“全局程序员”统筹；
• 它的调整是渐进的、受约束的，不是想改哪个参数就改哪个；
• 最终形成的神经回路，是遗传、环境和活动共同作用的结果，不是一串可以复制粘贴的代码。

这也是为什么你能学会骑车，却没法瞬间学会脑外科手术——大脑的“自我更新”，永远跳不出生物学的框架。

神经网络模型的骗局：你混淆了模型和现实

很多人相信大脑能编程，是因为人工神经网络（AI的基础）能通过调整参数实现任意功能——比如今天识别猫，明天识别汽车，这不就是“可编程”吗？但Brette指出，这是把“模型的特性”当成了“大脑的特性”。

1943年，McCulloch和Pitts证明，二进制神经网络模型能实现任意逻辑函数，但有个前提：参数由模型外的人手动调整。在这个模型里，“参数”是固定不变的“程序”，“神经元激活值”是运行时的“数据”——这是典型的计算机二元论。

但真实的大脑里，没有“参数”和“变量”的区别。突触权重不是固定的程序，而是会随神经活动实时变化的动态变量——就像电脑的CPU同时也是内存，程序和数据在同一个地方不停变化。你不能说“这堆晶体管能被编程出任意功能，所以它就是电脑”，同样，你也不能因为神经网络模型能编程，就说大脑是电脑。

更扎心的是，就算是最先进的AI模型，和大脑的差距也比算盘和超级计算机的差距还大。AI需要海量数据和外部监督才能学习，而大脑看一眼就能记住一张脸，听一遍就能学会一首歌——这根本不是“编程”能解释的。

当我们把大脑比作计算机时，其实是在用一个人类发明的工具，去理解一个比它复杂亿万倍的自然系统。这个类比曾经帮我们推开了神经科学的大门，却也在不知不觉中，给我们的认知套上了枷锁。

我们总喜欢用“编程”“算法”“硬件软件”这些词解释大脑，就像古代人用“阴阳”“五行”解释世界——本质上都是用已知的框架去套未知的真相。但大脑不是机器，它是一个活的、动态的、自我演化的复杂系统：它会遗忘、会犯错、会在你没意识到的时候偷偷改变；它的“计算”不是冰冷的逻辑运算，而是带着情绪、记忆和欲望的信息处理。

大脑不被编程，它自己生长。 这不是对“智能”的贬低，恰恰是对生命最深刻的敬畏——毕竟，没有哪个程序员能写出比进化更精妙的“代码”，也没有哪个机器能拥有一颗会好奇、会感动、会突然想起某个夏日午后的大脑。