直觉真的是超能力吗？
一只刚孵化出来的蜘蛛是怎么学会编织出一张完美的网的呢?织网是蜘蛛这个物种特有的技能——小蜘蛛在出生前从来没有见过这样的网，更不用说被训练过织网了。
蝴蝶是怎么知道如何化茧成蝶的?为什么狗和猫有着它们各自的特征?兔子为什么会有建造拥有多个出口的洞穴的本事?直觉是一个不确定的答案。长期以来心理学家一直认为直觉是行为的一个重要决定因素，但是直觉是如何发挥作用的呢?又是什么相关联的机制使本能发挥出作用呢?
目前我们对人类如何通过记忆与经验进行学习有了很好的了解。这个信息可以用来理解本能是如何运作的，因为刚性的本能行为与灵活的后天习得让人类行为与动物正好相反。甚至可能有一个连续的学习记忆突触，一端是人类，另一端是其他生物，比如蜘蛛。
学习记忆连续体的两端都是自适应的。长时期的经验积累与能动性使人类能够获得复杂的技能和智能行为。已知的经验避免了开始养育孩子的风险，婴儿从出生那一刻就要开始进行“成人”行为，这就把我们带到了进化这个话题上。
进化
很明显，本能随着生物体身体的其他部分一起进化，它通过规律的变异和自然选择的原则来驱动和解释系统进化。这里我们讨论的是行为进化与系统进化的平行关系。我们知道DNA是一个介导系统进化的遗传机制，但它同样可以对人类行为的进化和本能负责吗?如果是这样的话，这些到底是怎么发生的呢?什么样的机制可以让一些不适用的遗传基因被淘汰呢?
机制的信息
人类学习和记忆的计算模型让我们能够更好地理解生物核心机制是如何运作的，因为机器模拟能在动画效果上展现许多规律的因果关系。有一个特别令人感兴趣的东西是：人工神经网络(ANNs)是如何被训练为并列分布式连接的神经网络模型的。
我在2014年出版的书籍《认知神经科学与心理治疗:网络原理的统一理论》中讨论并总结了这些方法，总结如下：这种技术被称为机器学习，因为计算机可以模拟人类和动物的学习和记忆过程。这种技术也被称为“深度学习”，这是用来识别机器正在使用连接神经网络模型来模拟人类认知方面的非凡能力。
这方面的知名成就包括1997年IBM的深蓝电脑在与人类的对弈中夺得国际象棋冠军；IBM的沃森分别在2011年和2015年从人类手中夺得《危险境地》和《德州扑克》游戏的冠军；再如谷歌的DeepMind创造出的机器人在2016年阿尔法围棋中战胜了人类选手。
在某些情况下，机器必须像人类一样学会“理解”自然语言，在所有这些比赛中，机器必须辨别微妙的关系，制定策略，并且赢过人类中最优秀的专家团队。本希奥（2016）在《科学美国人》杂志上总结了人工智能的主要进展。恩格尔金（2017）回顾了艾伦人工智能研究所取得的科学成就；2014年，美国最大的非营利性人工智能研究所在《发现》杂志上宣布成立。
让我们仔细看看通过相关记忆进行学习的相关机制。我把讨论限制在基本原则的层面上，以免涉及太多专业技术细节。这些原理适用于神经网络模拟和生物系统，而且我相信这些原则足以让你了解直觉这种东西是如何工作的。
第一个原理是神经系统是由许多神经元组成的神经网络。据估计，人类身体中有1000亿个神经元，据估计，即使是蜘蛛的神经系统也只有大约10万个神经元。每个人类神经元都与许多其他神经元相连，单个人类神经元可以连接多达10,000个其他的神经元。
据估计，人脑中有100万亿个突触，我们知道在遗传学中DNA负责在胚胎发育过程中构建神经网络。我们也知道不同的生物有不同的DNA，这就是导致它们形成不同神经系统的原因。
第二个原理是所有物种的神经元都通过突触与其他神经元相连，突触是就是传递神经递质的微小缝隙。其中有些神经递质促进了神经元之间的电传导，而有些神经递质起到了抑制的作用。我们知道基因中的DNA负责构建这些突触，因此，神经突触的兴奋和抑制的特征很有可能是在其构建过程中就已经被设定好了，而不会因为我们的认知经验而改变，这种假设是解释直觉如何工作的关键。
大量的科学研究表明突触是学习和记忆的中心（海尔&埃勒斯医生, 2008)。就像上面提到的那些参加计算机锦标赛的人工神经智能计算机或神经形态芯片模拟的原始神经系统，人类灵活的学习需要通过神经突触的可塑性机制来调解什么行为被激发，什么行为会被抑制。
模拟神经元通过模拟突触相互连接，然后人类用算法这些数学工具把模拟神经元连接起来。对这些模拟神经网络的算法输入在开始时并不会产生期望值的输出数据，因为模拟突触还没有被调整到它们的最佳水平。科学家用方程式模拟生物的经验性行为，并在模拟学习试验中逐步优化机器的行为，从而使人工神经网络最终达到上面提到的，在计算机锦标赛中所发挥的功能。
这里的重点是，一个经过全面训练的“成年”人工神经网络是否能够正确地执行它能力范围的任务呢，这将直接取决于模拟突触的最终激发和抑制水平。这些模拟的突触水平需要一个由知识经验驱动的反馈过程来让它们调整到最佳状态。在人工神经网络能够高水平运行之前，机器通常需要进行许多的测试与训练。类似经验驱使的突触自我进化过程，使人们通过学习这一过程获得更多的运动与知识技能。
在胚胎形成的过程中，本能似乎预先设定了婴儿与“成人”价值观的突触连接。也就是说，负责建立突触的基因是神经网络的一部分，但本能的功能属性处于最优的激发状态还是抑制状态是需要后天经历严格的学习和全面发展才能决定的。在蜘蛛身上，DNA似乎负责为最终的“成年蜘蛛”突触值编码，在这种情况下，看起来是本能在支配着它们的行为。在我们所谓的“生物学准备行为”(如恐高症和黑暗症)中，基因似乎发挥了较小但仍然很重要的作用。
DNA在复杂神经网络中能够呈现单个突触特性的属性解释了本能是如何被遗传的。这就解释了蜘蛛如何在孵化后不久就能编织出复杂的蛛网。这也同时解释了为什么猫和狗的行为有着根本的区别。基因变异解释了个体的行为差异——这同时也解释了为什么同一物种的蜘蛛会有不同的行为，或者为什么狗和猫的性格是不一样的。
作者：Warren W Tryon
译者：Sara Yang
编辑：杨柿子
基于创作共同协议（BY-NC）在译言发布
原文标题：How Does Instinct Work?
本译文仅用于学习和交流目的。图片源自网络，非商业转载请注明译者、出处，并保留文章在译言的完整链接。商业合作请联系 editor@yeeyan.com，参考原文：
https://www.psychologytoday.com/intl/blog/the-missing-link/201809/how-does-instinct-work
往期内容
译言给你的礼物
斐波那契从一对兔子的繁殖开始，推论出了“兔子数列”亦即斐波那契数列。这是一个神奇的数列，它不仅与‘黄金分割比例’有关，而且还在植物的叶、枝、茎的排列中有所体现。
《斐波那契的兔子：现代数学之父与算术革命》这部关于现代数学的历史，再现了斐波那契这位天才的一生，从中我们可以了解“兔子数列”的发现历史，以及算术是如何影响我们的生活的。
这是一本了解数学史必读的书：让厌恶数学的人接受数学，让喜欢数学的人了解数学。
点击小程序或阅读原文，火速购买吧！