第三章：神经元与神经元群体的动力学
Walter J. Freeman
选自：How Brains Make Up Their Minds (Columbia UP, 2000)
🧠 本章核心命题：脑不是”神经元的加总”，而是由神经元群体动力学涌现出的整体
Freeman 这一章的目标，不是复述教科书式的神经元结构，而是将讨论重心从”单个神经元是什么”推向”大量神经元如何形成 population，并由此产生可自维持、自组织、可学习的宏观状态”。
他的论证链很清晰：
• 单个神经元有自己的状态（state）与状态变量（state variables）
• 但脑功能不能停留在单神经元层面去理解
• 当连接密度、反馈结构和非线性达到临界点，就会发生状态转变（state transition）
• 聚合体（aggregate）变为群体（population）
• 群体中涌现出吸引子（attractor）、振荡（oscillation）、极限环（limit cycle）与轨迹游走（itinerancy）
• 学习通过改变突触连接来重塑吸引子地形（attractor landscape）
• 意向性（intentionality）由此不再是刺激—反应的链条，而是脑内动力学自行生成行为的能力
这一章因此是全书的动力学地基。
🌿 从细胞到神经元：结构不是重点，连接与活动才是
Freeman 先从神经元的基本形态讲起：和一般细胞一样，神经元有膜、细胞核、线粒体；不同在于它会长出两种膜的延伸——树突（dendrite）和轴突（axon）。输入主要经树突进入，输出主要沿轴突离开。
这里有两个关键点。
第一，神经元之所以特别，不在于它是某种神奇元件，而在于它能以极端伸展、高度分枝的方式嵌入庞大的网络。 轴突可长达近一米，树突和轴突都高度分枝——这使脑与肝脏等器官有根本区别：脑的本体就是连接结构。
第二，学习主要不是靠不断添加新神经元，而是靠改变连接。 Freeman 强调：
• 树突终身持续生长，增加膜面积和突触空间
• 轴突及其侧支也持续延伸、分化
• 突触不断被形成、加强、削弱或删除
• 不活跃的连接会衰退，甚至神经元本身也会消亡
这意味着记忆与适应的物质基础不是一张静态线路图，而是终身可塑的连接维护系统。老年脑的健康同样依赖持续”锻炼”——不用则废。
🚗 两类神经元：局部街道与主干公路
皮层中有两类主要神经元：
• 投射神经元（projection neuron）
• 局部神经元／中间神经元（local neuron / interneuron）
Freeman 用道路系统来打比方，十分形象：
• 中间神经元像社区街道，负责局部邻域内的连接
• 投射神经元像主干公路，负责皮层区之间、半球之间乃至通向脑干与脊髓的远程连接
更重要的是，两者在功能上通常呈现不同效应：
• 前脑中大多数投射神经元是兴奋性的（excitatory）
• 中间神经元则可以是兴奋性的，也可以是抑制性的（inhibitory）
这一区分为后文所有反馈回路奠定了基础：正反馈主要来自兴奋性神经元的相互驱动，负反馈则常由兴奋—抑制的耦合来实现。
⚡ 神经元的核心运算：脉冲（pulse）与波（wave）的双向转换
本章最重要的技术性区分，是将神经元活动拆分为两种基本形式：
• 轴突以动作电位的脉冲列（action potentials / pulses）传送输出
• 树突以突触电流的波（synaptic current / wave）整合输入
Freeman 的要点不是”神经元发放脉冲”这句老生常谈，而是：
一个神经元在不断做四件事：接收脉冲 → 在突触处将脉冲转为波 → 在树突中将波叠加整合 → 在触发区（trigger zone）将整合后的波再转回脉冲列。
之所以关键，是因为脉冲与波的物理性质截然不同：
• 脉冲高度近乎固定，信息主要由频率或脉冲间隔承载
• 脉冲沿轴突传播有延迟，但几乎不衰减
• 同一轴突上两个脉冲不能同时存在，因为放电之后有不应期（refractory period）
而波则不同：
• 波可以叠加（superposition）
• 不同突触引发的树突电流能在同一时刻相加
• 这使树突成为输入的整合器（integrator）
一言以蔽之：轴突擅长传输，树突擅长整合。 这是 Freeman 从”信息传递模型”转向”动力学生成模型”的关键前提。
🔋 突触如何起作用：不是传”符号”，而是打开膜上电池的开关
Freeman 对突触的描述非常形象：每个突触就像膜上的一个电池开关。轴突脉冲到达后，释放神经递质（neurotransmitter），在树突膜上打开一条方向特定的电流通道。
• 在兴奋性突触，电流沿特定方向流动，使触发区更容易放电
• 在抑制性突触，电流方向相反，抵消兴奋性作用，使触发区更难放电
因此，突触对神经元的快速作用并不是抽象地”告诉它发还是不发”，而是经由闭合回路电流（loop current）直接影响触发区的膜状态。
Freeman 特别强调：
树突环流电流是突触能快速影响轴突触发区的唯一途径。
这也解释了 EEG 和膜电位测量为何如此重要：我们其实是在”窃听”神经元彼此真正发送和响应的电信号。
📈 为什么要用动力学语言：状态空间、轨迹与游走
Freeman 认为，要描述神经元和脑的活动，必须使用动力学（dynamics）的语言——即研究变化本身，而非静态结构。
单个神经元并不总处于”静息”或”放电”的二值状态，而是在多种可能状态之间游移：休息、不同程度的兴奋或抑制、学习后的改变等等。所有可能状态的集合构成其状态空间（state space）。
神经元随时间经过的一串状态就是轨迹（trajectory）。Tsuda 把神经元偏好的循环轨迹称为游走性（itinerancy）：像推销员按习惯路线巡回拜访，不是随机乱走，也不是唯一的死板路线。
这个术语非常重要，因为后文皮层活动的本质，正是在多个吸引子盆地之间的游走轨迹。单神经元层面的 itinerancy 是宏观脑动力学 itinerancy 的微观预演。
🔬 最关键的状态变量：不是形态学指标，而是电活动
理论上，神经元的大小、分支数、离子浓度、代谢速率都可作为状态变量；但 Freeman 最看重的是电活动变量：
• 轴突侧：脉冲频率（pulse rate）
• 树突侧：突触电流强度／波幅（wave amplitude）
• 细胞外组织层面：电位场（extracellular potential field）
这既是方法论选择，也是立场声明：
脑的活性状态，不应优先从单个分子或静态解剖去把握，而应从电动力学的可测量状态去把握。
他还特意提醒：在深度麻醉或切片离体培养条件下研究神经元，很容易产生误导，因为神经元需要持续活动才能维持健康。所谓”静息”的脑并不安静——典型皮层神经元平均每秒仍发约一个脉冲，树突上也对应着不规则的背景突触电流。
这里蕴含的思想至关重要：背景活动不是噪声，而是系统生命力本身。
📐 四种转换曲线与非线性：可构造，却不可完全预测
Freeman 用 Figure 6 统一了单神经元与群体层面的”脉冲—波”转换关系。核心要点有二。
第一，所有转换都有上下界，即双侧饱和（bilateral saturation）。
• 输入再强，输出也不会无限增长
• 输入再弱，输出也不会无限下降
• 饱和意味着增益（gain）在极端处趋近于零
• 饱和正是稳定性（stability）与体内平衡（homeostasis）的保障
第二，转换曲线在中间区段近似线性，但整体呈非线性，通常为 S 形（sigmoid）。
就单神经元而言：
• 波—脉冲转换在阈值与阻滞（blockade）之间近似线性
• 脉冲—波转换也在较大范围内近似线性，但两端饱和
就群体而言：
• 群体层面的波—脉冲转换是一条非线性 sigmoid
• 且该 sigmoid 具有不对称性（asymmetric sigmoid）
• 最陡斜率不在静息点，而偏向兴奋侧
Freeman 有一句掷地有声的判断：非线性使神经活动具有建构性（constructive）与不可预测性（unpredictable）。
也就是说，脑不是线性滤波器，不是输入多少就输出多少；它有内在的”成形”机制。
🌐 从神经元到 neuropil：功能单位不是单元，而是密集相互作用的组织
Freeman 用 neuropil（神经毡）指称由轴突、树突、突触、神经元、血管和胶质细胞（glia）共同构成的致密组织——也就是灰质的活性织体。
几个数字令人震撼：
• 单个神经元树突覆盖范围内，通常有上百万其他神经元
• 虽然它只与其中约 1% 建立连接
• 但仍意味着约上万条输入连接与上万条输出连接
这里 Freeman 要击破一种常见误解：Golgi 染色图看上去像稀疏电路板，仿佛某个神经元可以单枪匹马决定另一个神经元是否放电。但真实皮层的填充密度极高，没有任何单个或少数神经元能独力决定另一个神经元的行为。
同理，自反馈（autofeedback）基本不存在：在百万级邻域中，一个神经元收到自身回输的概率几近于零，即便真有，自身不应期也会使之失效。
因此，脑不是晶体管式的控制结构，而是统计性的、场式的、群体性的组织。
🏘️ aggregate 与 population：Freeman 的关键区分
并非所有神经元集合都构成真正的群体（population）。
如果一组神经元只是平行传输、彼此几乎无反馈——例如某些躯体感觉、听觉、味觉、嗅觉通路中的初级感觉神经元集合——那它只是一个聚合体（aggregate）。
population 的定义特征是：稀疏但高密度的相互突触作用。
换言之：
• aggregate = 聚在一起，但彼此不塑造对方的动力学
• population = 每个元件都与许多其他元件弱相互作用，由此产生集体态
这是全章最具本体论意义的划分：
脑功能的关键单位，不是”很多神经元”，而是”相互作用到足以产生宏观态的神经元群体”。
📊 宏观状态变量：从单个脉冲频率到群体脉冲密度与波密度
既然 population 才是功能单位，测量手段也必须升级。
单神经元层面看的是：
• 脉冲频率
• 树突波幅
群体层面则看：
• 脉冲密度（pulse density）
• 波密度（wave density）
具体而言：
• 群体脉冲密度可通过细胞外记录邻域内多个神经元的同步放电来估计
• 群体波密度则通过测量皮层表面与深部之间的电位差获得
• 这正是 EEG 的来源——它不是单细胞输出的”副产品”，而是群体树突环流电流的宏观体现
Freeman 在此完成了一个重要转向：
EEG 不是粗糙、次级、无意义的噪声记录，而是理解神经群体状态的直接窗口。
这与传统单神经元中心主义形成鲜明对比。
☁️ 皮层柱不是固定的解剖砖块，而是动态图样
Freeman 说得很明确：皮层柱（cortical column）并非像脑干核团那样有固定边界的解剖结构，而更像云、漩涡一样的动态活动图样（dynamic patterns of activity），具有特征性的尺度和能量含量。
这句话分量很重——它把皮层柱从”砖块”改写为”流体动力学单元”。
因此，皮层的宏观状态不应被理解为一堆静止小柱子的排列组合，而应被理解为在皮层表面上展开的脉冲与波密度的空间图样。
🔥 群体形成的四个条件：为什么脑属于复杂系统
Freeman 列出宏观 ensemble 形成的四个必要条件：
• 有大量半自主的独立元件
• 每个元件与许多其他元件存在弱相互作用
• 元件的输入—输出关系是非线性的
• 系统是开放的（open）：有持续的物质与能量来源，也有废物与热量的排出通道
脑皮层完全满足这些条件。因此它不是特殊到无法类比的神秘器官，而是复杂系统的一种典型实例。类似的 ensemble 还出现在：
• 细胞内的化学装配体
• 生态网络
• 社会组织
• 飓风与龙卷风
• 星系
Freeman 的意图很清楚：把神经科学纳入一般复杂系统科学的框架，而不是仅仅局限在生理学的显微镜下。
他同时提出一个强有力的主张：在这类系统中，微观元件的行为受制于嵌入其中的宏观 ensemble，脱离宏观图样就无法理解微观行为。这等于在神经科学中明确站在”下行约束（downward constraint）”一方。
🚪 第一个动力学基块：从零活动到非零稳态——点吸引子（point attractor）
这是本章第一个真正的”机制突破”。
设想一个兴奋性 aggregate：每个神经元发出 100 个脉冲，却只收回 80 个，回路增益（gain）为 0.8，活动会逐轮衰减——100 → 80 → 64 → … → 0。
当连接增长到每发 100 收 100 时，增益达到 1，即群体形成的阈值（threshold）。
再往上，每发 100 收 120，增益 1.2，理论上活动会无限放大。但实际不会——因为饱和（saturation）与不应期的存在，系统最终停在一个非零稳态。
这个非零稳态就是点吸引子（point attractor）：
• 给一个兴奋扰动，活动升高后仍回到原稳态
• 给一个抑制扰动，活动降低后也回到原稳态
• 系统总会被吸引回去的那个点，就是点吸引子
• 能回来的状态范围，就是吸引盆地（basin of attraction）
这一步意义极大：
脑的”背景活动”并非被动残余，而是兴奋性相互作用在饱和约束下形成的自维持稳态。
换言之，清醒与睡眠脑中的持续背景放电，不需要外界输入不断”驱动”就能存在。
💤 零活动点何时稳定：麻醉与 open loop
零活动通常是不稳定的——哪怕一个脉冲都能让群体重新启动。但深度麻醉可以把触发区增益降到零，使零活动成为稳定点。Freeman 把这称为开环态（open loop state）。
此时给予刺激，只会产生快速衰减的瞬时响应，形态类似单神经元的突触后电位（postsynaptic potential）。工程上称之为脉冲响应（impulse response），神经生物学里则叫诱发电位（evoked potential）。
这说明：
• 深麻醉不是”把正常脑静音一点点”
• 而是把系统从自组织的闭环态推回了开环态
• 这是一种动力学相变，而不仅仅是活性的降低
🔔 第二个动力学基块：兴奋—抑制负反馈产生振荡（oscillation）
在清醒脑中，诱发电位往往不是单次衰减，而是振铃式振荡。Freeman 用”敲钟”作比喻——刺激像锤击，皮层像钟体，以特征频率振荡后逐渐衰减回稳态。
其机制如下：
• 兴奋性群体先被输入激发
• 兴奋性群体继而激发抑制性群体
• 抑制性群体滞后约四分之一周期才到达峰值
• 抑制作用将兴奋性群体压到基线以下
• 抑制群体本身随后因缺少兴奋驱动而回落
• 兴奋群体从抑制中释放出来，在背景活动的支撑下再度反弹
• 新一轮振荡由此开始，但幅度更低
如此循环往复，振幅逐渐衰减。
因此，振荡不是来自”某个细胞像起搏器一样自发产生节律”，而是来自群体之间反馈的时序关系。
Freeman 还特地反驳了”单神经元自发节律放电导致皮层节律”的通行看法：单个皮层神经元的放电往往杂乱而不规则，像闪电爆裂；平稳节律是宏观相互作用的产物，像密集车流汇成持续的轰鸣。
🎵 γ 振荡（gamma range）：不是”40 Hz”的神秘标签，而是群体动力学的自然频段
书中提到的振荡频率大约在 20–100 Hz，即 γ 范围。它常被草率地称作”40 Hz”，但 Freeman 不喜欢这种标签化——关键不在某个固定数字，而在该频段反映了兴奋—抑制回路的特征动力学。
他用发电站嗡鸣、发动机震颤、猫打呼噜来类比，意在说明：
振荡是系统特性（system property），而不是单元属性（unit property）。
🔁 如何用衰减率测量增益：麻醉、药物与稳定性实验
Freeman 介绍了一个很漂亮的实验逻辑：通过比较相邻振荡峰值的比率，可以估算负反馈环路的增益。
• 清醒动物：增益约 0.8
• 轻度麻醉：衰减加快，增益降至 0.6 或更低
• 深度麻醉：背景活动消失，增益趋零，系统进入开环态
• 增强兴奋性突触的药物：振荡延长，增益升至 0.9 或更高
这表明”稳定性”是可量化的，而不是一个抽象形容词。
在 Freeman 的体系里，稳定不等于静止，而是：受到扰动后返回原状态的能力。
🌀 第三个动力学基块：增益超过 1，点吸引子转变为极限环（limit cycle）
当负反馈回路中后一峰不再低于前一峰、增益超过 1 时，系统便不再回到点吸引子，而是一路增长，直到撞上非线性边界并稳定为持续振荡。
这就是极限环吸引子（limit cycle attractor）。
其特征：
• 自维持（self-sustaining）
• 自组织（self-organized）
• 额外的兴奋或抑制输入只会暂时改变振幅
• 输入结束后，系统回到同一振荡轨道
点吸引子对应”稳定不动的工作点”，极限环对应”稳定重复的运动模式”。后者比单纯静息态更接近行为与意向性，因为它已具备持续生成时序结构的能力。
📚 学习如何改变增益：习惯化与注意／条件化
本章最关键的实验材料之一，是学习对诱发电位的选择性改变。
如果动物学会忽略某个刺激，形成习惯化（habituation），则：
• 对该刺激的振荡衰减更快
• 回路增益下降
• 皮层对该刺激变得更稳定、更不易被撬动
如果动物学会将该刺激与强化联系起来——例如按下开关就得到食物——则：
• 对该刺激的振荡被延长
• 回路增益上升
• 皮层对该刺激发生选择性去稳定化（destabilization）
这一发现非常深刻。学习不是简单地”把刺激的表征变强”，而是重新设定系统对某类刺激的稳定性边界。
Freeman 实际上在说：
• 习惯化 = 让某刺激更难把系统推离原有吸引子
• 注意／联结学习 = 让某刺激更容易触发状态转变
这比传统信息编码论高出一个层次：学习不是存一条标签，而是改写动力学地形。
🗺️ 吸引子地形：经验塑造感官皮层的”可到达状态集合”
Freeman 最终得出的结论是：感官皮层不只有一个吸引子，而是拥有一整片由学习形成的吸引子地形（attractor landscape）。
其中包括：
• 零点吸引子（open loop / 深麻醉条件下）
• 非零点吸引子（背景稳态）
• 一组与已学习刺激类别相关的振荡吸引子（严格说不完全是 limit cycle，但近似之）
清醒动物的皮层 EEG 呈现的并非对刺激的被动反应，而是在多个相邻吸引盆地之间的游走轨迹（itinerant trajectory）：刺激到来后，皮层”前往”某个由过往经验塑造出的盆地，短暂停驻后离开，再转向下一个。
这里有两个极易被忽略但极为重要的点：
第一，吸引子的形状不由当前刺激直接决定，而由先前经验决定。
第二，塑造吸引子地形的并不只是感觉输入，还包括：
• 预传入信号（preafferent signals）
• 神经调质（neuromodulators）
• 既往习惯与学习所引起的突触修改
因此，感知从一开始就不是纯粹的输入驱动，而是历史塑形下的动态落点。
🧩 单神经元与群体的关系：个体大致自治，但整体反过来约束个体
Freeman 给出了一个精彩的观察：当群体 EEG 以约 40 次／秒的频率规律振荡时，嵌在其中的单个神经元可能每秒只零星放电一两次，而且非常不规则。表面看来，它似乎根本没”参与”那场振荡。
但统计分析表明，这些单细胞既受群体振荡影响，也共同生成着该振荡。
这段话其实就是 Freeman 对”个体—整体关系”的神经版诠释：
• 单神经元并未被整体吞没，仍保有相当的自治性
• 但它投入到整体的那一小份资源，恰恰定义了它对脑整体工作的意义
• 每个神经元始终在某种程度上参与整体
• 当整体从一个吸引子跃迁到另一个时，个体的参与方式也随之改变
这是一种成熟的复杂系统观：整体不是对个体的消灭，而是对个体活动的约束与组织。
🏗️ 本章三大”动力学基块”及其逻辑递进
Freeman 说这是意向性十个 building blocks 中的前三个，但核心已在本章清楚呈现：
• 第一块：非零点吸引子（non-zero point attractor）
兴奋性相互作用 + 饱和 → 形成自维持的背景稳态
• 第二块：衰减振荡（damped oscillation）
兴奋群体与抑制群体的负反馈耦合 → 产生振铃式振荡
• 第三块：极限环吸引子（limit cycle attractor）
回路增益超过 1 → 振荡不再衰减，转为持续的自维持振荡
三者层层递进：
没有背景稳态，振荡就失去反弹的基础；没有振荡机制，就没有更高阶的稳定周期活动；没有这些吸引子，学习就无法通过改变增益来组织知觉与行为。
🎯 本章对”意向性”的真正贡献
章末，Freeman 点明：意向性的基本性质是行为从脑内部被生成出来，而非被外部刺激机械触发出来。
这不是一句哲学口号，而是前文全部动力学分析的结论。
因为：
• 背景活动本身是内生的
• 点吸引子与极限环是群体自维持的
• 刺激只是扰动一个已在运行的系统
• 学习改变的是吸引子地形，而非简单的输入—输出映射
• 行为最终由脑活动在吸引子之间的状态转变与轨迹游走来组织
所以，脑对世界的应答从来不是镜像复制，而是主动建构（construction）。
Freeman 用”手写签名”作比喻尤为精妙：同一个人的签名总能认出来，但没有两次完全一样。脑产生的知觉与行为亦然——可辨识、可信赖，但从不机械重复。这是动力学系统的风格，而非程序执行的风格。
🧪 本章值得记住的实验与类比
• 道路系统：投射神经元像主干公路，中间神经元像社区街道——帮助理解局部与远程连接的分工
• 电池开关：突触像打开膜上电池的开关——帮助理解神经递质不是”消息内容”而是电流启动机制
• 敲钟：刺激诱发振荡如同锤击钟体——帮助理解诱发电位是系统特征频率的显现
• 交通噪音：单细胞放电杂乱，宏观上却形成平稳轰鸣——说明秩序来自群体层面
• 碗中滚球：吸引盆地的形象说明——无论球从碗中哪里放下，都会滚回最低点
• 麻醉实验：展示零活动点如何被稳定化——说明清醒脑与麻醉脑是不同的动力学体制
• 习惯化与联结学习实验：展示学习如何选择性降低或提高对特定刺激的回路增益
💡 本章最深的五个洞见
• 1. 背景活动不是噪音，而是脑的基本工作态。
颠覆了”刺激来了大脑才开始处理”的直觉。脑一直在活动，刺激只是介入一个已自组织的场。
• 2. 真正的功能单位是 population，而不是孤立的 neuron。
单细胞当然重要，但不进入群体动力学的视角，许多脑现象根本无从解释。
• 3. 稳定性来自饱和与反馈，而不是来自静止。
点吸引子、振荡、极限环都表明：稳定可以是运动中的稳定。
• 4. 学习的本质是重塑吸引子地形。
记忆不像文件那样被存放，而是让系统更容易落入某些盆地、更难落入另一些盆地。
• 5. 宏观状态反过来约束微观元件。
这使脑成为真正的复杂系统——微观生成宏观，宏观又约束微观，二者不可割裂。
🪜 一句话总结本章
本章把”神经元会放电”推进为”神经元群体会形成吸引子、振荡与状态转变”，并由此奠定 Freeman 的核心立场：心智不是由神经元逐个编码而成的，而是在开放、非线性、强反馈的神经群体中，以动力学图样的形式被建构出来的。
➡️ 通往下一章
到这里，Freeman 已经完成了最关键的理论预备：
• 说明了为什么必须从单元论转向群体论
• 说明了 EEG 为什么是重要的宏观状态指标
• 说明了学习为何表现为吸引子地形的改变
• 说明了皮层活动为何应被描述为在吸引子之间的游走轨迹
下一步自然就是：在具体感官皮层中，这些吸引子是如何被学习塑造出来的？刺激到来时，皮层如何”建构”而不是”复制”感知对象？这正是后续章节要展开的核心问题。