5.3.1 两对术语：被混用的四个词
在第 5 章前两节关于自适应学习机与机械自繁殖的讨论中，系统理论均暗含了一项未加检验的本体论预设：系统必须在物理实体层面保存对既往事件的某种经验记录。本节则从根本上反思并重构这一假说。1969 年，控制论学者亨氏·冯·福尔斯特在纽约医学科学院大脑科学前沿研讨会上发表了题为《记忆是什么，使其兼具后见之明与先见之明？》（What Is Memory that It May Have Hindsight and Foresight as well?）的奠基性论文，后作为核心文献收录于其认识论文集《理解理解》（von Foerster, 2003，第 3 篇）。
论文开篇援引奥古斯丁在《忏悔录》中对“时间”本质的经典沉思：“究竟何为时间？若无人垂询，我心知肚明；若欲向提问者诠释，我却茫然无措。”冯·福尔斯特指出，记忆的概念在传统认知科学中同样遭遇了本体论实体化（reification）的哲学陷阱：日常经验中的记忆机能清晰可感，然而一旦试图将其还原为某种可定位于空间的实体存在，理论建构便陷入停滞。论文随即提出了极为深刻的方法论转折：倘若将形而上学的本质提问“时间是什么”转换为操作主义提问“现在几点”，观察者即可通过太阳光影或钟表刻度给出严谨的操作定义。真正的记忆控制论理论，正是要揭示这种在本质实体与操作过程之间的根本范畴差异。
在概念批判层面，必须首先澄清认知神经科学中被长期同质混淆的两组范畴：其一为存储与检索(storage and retrieval)，其二为识别与回忆(recognition and recall)。存储与检索在严格物理意义上受制于客体的“质性不变性”约束：某实体在特定时刻 \(t_1\) 存入特定物理介质，在后续时刻 \(t_2\) 取出时，其物理实体质性必须保持绝对同一。冯·福尔斯特以贵宾皮草寄存为例：顾客将一件贵重皮草送入保管库，演出季取回时期望得到的必须是该件大衣本身；若保管商仅递出一张印有“此处为您的皮草”的文字凭条，则物理存储与检索契约彻底破裂。
与此相对，识别与回忆是神经认知系统内部复杂动力学运算的外显功能呈现，绝不能将运算的动态结果混同于运算机制本身。正如航空旅客在抵达成都被询问航程餐饮时回答“腓力牛排、炸薯条与鲜色拉”，询问者绝不期望受访者自口袋中取出真实的食材，该言语序列是有机体将神经感知历史经由复杂的符号化动力学变换所重构的抽象表征。将当前的知觉摄入与既往经验等价类相匹配的运算过程属于识别；而将神经激活轨迹映射为外部动作或语言符号流的生成过程则属于回忆。
存储与检索要求物理实体在时空平移过程中的质性绝对不变性，取回的必须是物理客体原件；识别与回忆则是有机体神经动力学网络执行自组织递归计算的外显产物，其展示的是计算算子的动态重构能力，而非预先封装的物理库存。将两组概念混为一谈，必然导致在认识论上预设一个物理静态仓库，进而使神经生物学退化为寻找“仓库解剖位置”的伪问题。
将存储与检索概念生硬外推至“信息”领域，其理论破绽尤为显著。现代数字化图书馆检索系统与分布式数据库所实际存储的，始终是磁介质上的极化斑点、光盘凹坑或纸张印迹——它们仅仅是潜在物理信号的物理载体；唯有当具有认知解释结构的自组织心智系统接入并解码这些扰动时，符号与“信息”才在观察者的认知闭环中涌现。将物理载体同信息内涵相混淆，等于人为在认知控制论中构造了一处致命的盲区。
倘若顽固地将人脑视作一座仅在容量上更为庞大的物理文献检索库，该理论便不得不引入一个臭名昭著的先验假设——“脑内侏儒（小妖魔）”（homunculus）：必须假设大脑内部存在一个自身具备完全理解力与模式识别能力的微型代理人，在错综复杂的物理存储单元之间奔忙查阅并提取数据。这一假设直接落入无穷倒退（infinite regress）的逻辑困境。冯·福尔斯特明确宣告，神经控制论的首要使命，正是运用严格的系统动力学解析该假想中枢的计算机制，从而在理论建构中彻底解雇这位无处安放的脑内小妖魔。在追问“某段神经组织存储了何种内容”之前，必须在控制论上首先阐明：谁在读取、依据何种转移算子解码，以及解码行为如何改变系统自身的动力学结构。
在控制论框架下，自感受器物理换能、经神经特征析取与深层拓扑整合、直至生成内部抽象泛化表征及其运动逆变换的连续动力学网络，统称为广义认知过程(cognitive processes)。认知过程的实质，是有机体在与环境的结构耦合中持续确立“意义”（meaning）的运算闭环；而在信息论与控制论的统一视角下，一个神经信号的“意义”，严格定义为系统依据该信号及其当前内在状态所能推断出的一切潜在动力学轨迹。
5.3.2 论题：后见之明与先见之明
冯·福尔斯特论文标题中的两组概念对应认知系统的双重时间维度：“后见之明”表征系统对既往刺激历史的非马尔可夫式自适应响应，即当前的决策运算必须依赖于系统经验历史的折叠；“先见之明”则表征系统面向未来不确定性环境所展现的预测控制与前馈推断能力。完备的认知控制论模型，必须同时对这两重动力学机理给出逻辑自洽的形式化解释。
传统的神经生理学还原论往往满足于在解剖学层面寻找“不可磨灭的记忆印迹”（engram），或仅诉诸突触长时程增强（LTP）等可塑性机制解释习惯化与经典条件反射。冯·福尔斯特尖锐地指出，这类局部静态模型完全无法解释高阶认知层面中的语义生成与归纳推理，甚至在概念上阻碍了现代计算神经生物学的发展。因为真正赋予大脑高级智能的核心机制，绝非孤立的突触权重固化，而是全脑网络在时间序列上的相干递归运算。
论文在第 II 节提出了关于认知功能整体性的根本论题：虽然在概念解析中可以将知觉（perception）、记忆（memory）与推断（inference）区分为三种不同的认知机能，但在神经动力学与解剖定位上将它们彼此剥离的企图注定失败。任何旨在揭示单一机能生理机制的研究，必须以认知过程的整体系统结构为不可分割的研究对象。
论题的自洽性通过严格的归谬分析予以确证。若从认知环路中抽离任何一项机能，认知系统便彻底崩溃：若抽离知觉机能，系统将失去与环境摄入扰动的因果耦合，无法在内部表征客观环境的内在不变性；若抽离记忆机能，系统退化为无内部状态的纯组合逻辑映射，其行为丧失一切时间深度；若抽离归纳推断机能，知觉将退化为离散的原始刺激冲击，而记忆则退化为死寂的被动录音机。更重要的是，若在理论上斩断记忆与知觉、推断之间的动态生成链接，则“记忆”概念不可避免地退化为被动的地址检索仓库，最终退化为一个与现实认知行为完全脱节的封闭黑箱。
由此，控制论确立了激进的认识论命题：记忆绝非静态归档的物理仓库，而是全系统认知动力学在时间维度上的内在递归属性——过去无需作为离散实体被逐条刻录，它通过当前神经算子的递归重构在每一个当下被持续再现与运算。冯·福尔斯特在其早期代表作《无记录的记忆》（Memory without Record，1965）中已系统奠定了该学说的数学基石：这一范式并不否认突触或分子状态承载物理约束，而是彻底否定了“离散逐条归档”作为神经认知唯一模型的教条。这与第 5.1 节确立的“学习即改变变换本身”在控制论逻辑上完全相通——系统通过改写自身的传递算子与吸引子流形来内化过去经验，而无需在物理介质中复制一份冗余的事件发生清单。
5.3.3 从条件反射网络到递归函数计算机
在形式化推导层面，冯·福尔斯特首先构建了计算共现(concomitance)的最小神经元拓扑结构。设感觉神经元 \(A\) 与 \(B\) 分别传输非条件刺激与条件刺激，二者汇聚接入一个阈值为 \(\theta = 2 - \varepsilon\)（其中 \(0 < \varepsilon < 1\)）的运动输出神经元。在初始状态下，\(A\) 具有双突触强兴奋性投射，单次激活即可跨越阈值驱动运动神经元放电；而 \(B\) 仅具备单突触弱投射，其单独发放不足以激发运动神经元。当 \(A\) 与 \(B\) 在时间轴上首次发生重叠共现时，一个带有自兴奋返回侧支的联络神经元 \(I\) 被激活并锁相维持持续发放，从而为后续来自 \(B\) 的单独输入提供持续的突触前易化。由此，四元件最小网络实现了巴甫洛夫式的基本条件反射(elementary conditioned reflex, ECR)（图 5.3-2）。
表面上看，该网络将一个离散外部历史事件固化在了自兴奋回响环路中，似乎支持了局部“印迹”模型。然而冯·福尔斯特指出，该网络仅仅机械复现了既定事实“\(A \equiv B\)”，完全不具备面向未来未考察情境的外推推断能力。真正的归纳推断要求系统能够将具有相似上下文特征的新型扰动 \(B'\) 归入 \(A\) 的广义等价类中——而这种“等价抽象结构”绝非固化在任何孤立突触或单根纤维中，而是整体涌现于神经元网络所实现的系统算子拓扑之中。
生物真实条件反射的系统论复杂性。波兰神经生理学家科诺尔斯基（Jerzy Konorski）的实验研究表明：当阳性条件刺激初次作用于动物时，首先激发的并非刻板的唾液分泌反射，而是以竖耳、转头与瞳孔放大为特征的全身性定向探究反射；真实机体绝非被动接收物理信号，而是在连续评估该刺激对自身生存目标的动力学意义。科诺尔斯基由此归纳出两大系统原则：其一为选择性原则（机体主动在纷繁复杂的刺激流中筛选关键信息模式，抑制无关扰动）；其二为不可分性原则（信息的感知摄入与机体内部对该信息的效用整合构成单一连续过程）。冯·福尔斯特将前者形式化表述为系统的“意义寻求算子”，将后者表述为认知系统的“自我指涉闭环”：评价动作的终极判据是有机体内部生成的特征态(eigen-state)——痛苦与愉悦并非外部客观物理世界的静态性质，而是生命系统自创生组织在内部代谢与调节流形中所涌现的稳态本征值（Konorski, 1962）。
为了在最小解剖网络中形式化体现上述原则，英国神经生物学家扬（J. Z. Young）提出了著名的记忆子(mnemon)模型：网络包含一个负责辨识外部事件模式的分类细胞，其轴突分岔支配多条竞争性的行为通路；同时网络配备特化的调节细胞，一旦接收到机体对首次行为结果的效用反馈信号，便选择性改变各通路突触权值的传递概率（Young, 1965）。冯·福尔斯特将该生物解剖图谱提炼为控制论信息流拓扑，完成了从生理机制向纯数学递归算子的飞跃。
认识论范式的同构转换：在相同的生理神经基质与突触结构下，物理主义还原论将其解释为对孤立事件痕迹的静态记录存储，而控制论系统论则将其严谨重构为对子系统动力学转移函数（传递算子）的参数修正。两种解释在微观实验观测上完全等价，但在宏观认识论上具有质的鸿沟——后者彻底将“记忆”从被动的实体归档，解放为受经验约束的动态递归计算。
在形式数学中，“递归函数”并非某种神秘的特异函数族，其本质在于一种通过系统自身先前状态来定义当前取值的规范动力学形式。例如细菌菌落在恒定营养基质中的增殖过程，在任意时刻 \(t\) 的生物量严格等于其在一代延续时间之前生物量的常数倍：
对于“行为取决于自身既往输出结果的自适应系统”，递归动力学体系构成了无可替代的规范描述语言。冯·福尔斯特由此构建了通用的三元件递归函数计算机模型 \((F, T, D)\)：计算核心算子 \(F\) 在两个输入向量上计算系统当前的输出向量 \(Y = F(X, Y')\)；其中 \(X(t)\) 为直接受外部环境扰动驱动的显式时变信号，称为本义输入(input proper)；\(Y'\) 为系统自身先前输出状态的抽象表征，称为递归输入(recursive input)；转换元件 \(T\) 负责将系统执行动作的实际强度变换为 \(F\) 可解码的内部表征，并经由时间算子 \(D\) 实施延迟反馈（图 5.3-3）。在广义动力学中，符号 \(X\) 与 \(Y\) 均为高维张量，表征整个神经纤维束上的时空相干发放模式。
由于递归输入 \(Y'\) 自身亦是由先前时步的输入与输出递归生成，通过在时间轴上向后无限展开代入，系统在当前时步的输出可形式化表述为其全部历史刺激输入及初始“诞生态”\(Y_0\) 的多重复合泛函：
式 (5.3-3) 在数学上清晰地辨析了“历史展开的泛函映射”与“物理状态的即时实现”之间的本体论差异：在纯数学分析中，输出确实可等价写为无限输入历史的泛函；但在物理系统的真实运行中，系统绝不需要在实体介质中逐条保存整个输入历史列表，而仅仅需要闭环延迟网络在其动态状态变量中保存足以决定下一时步演化的充分统计量（状态向量）。如果算子 \(F\) 本身的连接权矩阵亦随经验而发生不可逆微调，则算子参数自身同样在深层承载了历史的折叠。因此，“无记录的记忆”断非断言系统“不具备物理存储”，而是确证系统通过状态转移与参数重塑内化了历史，无需维持任何外在的离散事件档案库。
这一机制对外部行为主义观察者构成了深刻的认识论两难：设想观察者固守朴素的静态刺激—反应框架，企图建立单值映射 \(Y = f(X)\) 来预测系统行为。由于系统内部状态随输入历程持续演化，在完全相同的即时输入 \(X\) 激励下，系统在不同实验轮次中展现出截然不同的输出响应。若观察者缺乏对系统内部递归维度的先验洞察，他将被迫得出该系统“完全不可预测且充斥随机混沌”的消极结论；而当输入序列碰巧展现出周期重复性使得系统收敛至某个循环吸引子时，观察者又会宣称系统“学会了特定反应”，进而提出某种虚构的实体记忆理论。冯·福尔斯特指出，系统内在特征态报告信号（\(\pm\)）接入计算核心的唯一合法途径，是将基础转移算子 \(F_1\) 切换为更新的高阶算子 \(F_2\)——即算子 \(F\) 本身被提升为函数空间中的高阶动态变量，由有机体的内稳态偏差闭环调控其空间取值。
将上述具备自指计算特性的三元件结构封装为标准化功能模块，即构成了理论神经控制论中的“认知砖”(cognitive tile)。大量认知砖在空间网络中相互耦合，即可构建出超大规模的自组织镶嵌计算结构。此处，控制论思想史在更高阶层面上再次合流：冯·诺依曼在自复制自动机中开创的网格计算架构，以及勒夫格伦（Lars Löfgren）关于离散自动机容错自修复的系统论证，在此均成为认知网络形式化分析的强力数学工具。
在宏观运行过程中，网络内部的神经激活模式并非静态局域分布，而是表现为随任务动态需求在认知砖阵列中自组织转移、弥散、聚焦与重构的高维相干“激活云”；这种分布式连续动力学结构最终承载了高阶的“语言与逻辑算子”，从而能够向社会交往环境传达有机体自感知流形中所推断出的一切复杂关系——这构成了进入 5.4 节关于语言机制与符号交流的自然通道。
习题 5.3-1
离散代际递归与解析连续增长模型的系统等价性。设某种群菌落的增殖动力学遵循离散差分递归方程 \(y(t) = 2 y(t-D)\)，初始生物量为 \(y(0) = 10^3\)，单个代际分裂周期为 \(D = 20\) 分钟。(i) 依据离散递归算子，计算在恒定培养环境中间隔 \(t = 3\) 小时（即 180 分钟）后的菌落绝对数量；(ii) 求解该系统的等价连续解析解（式 5.3-1），并验证二者结果的数值同一性；(iii) 评析递归方程在控制论建模中相较于显式轨迹解的认知优势。
参考解答(i) 经历总时间 \(t = 180\) 分钟，代际递推总步数为 \(n = t/D = 180/20 = 9\) 代。连续应用差分递推算子： \[ y(180\text{分}) = y(0) \times 2^n = 10^3 \times 2^9 = 10^3 \times 512 = 5.12 \times 10^5 \] (ii) 离散递归关系 \(y(t) = 2 y(t-D)\) 对应的连续时间解析形式为指数增长方程： \[ y(t) = y(0) \exp\left( \frac{t}{D} \ln 2 \right) \] 将 \(t = 180\) 分钟、\(D = 20\) 分钟代入指数项： \[ y(180) = 10^3 \exp\left( \frac{180}{20} \ln 2 \right) = 10^3 \exp(9 \ln 2) = 10^3 \times 2^9 = 5.12 \times 10^5 \] 两套形式系统在采样网格点上给出严格一致的数值解。 (iii) 显式解析解提供全局时间轨迹的静态积分表象，掩盖了系统在局部时间步的因果生成结构；而递归函数以极度简洁的形式表达了“当前状态由相邻过去状态经局域算子驱动演化”的自组织本质，以局部动力学法则完整折叠了全局未来轨迹，从根本上体现了“动力学规则先于静态轨迹”的控制论范式。
习题 5.3-2
非马尔可夫递归动力学系统推证题。定义一个最小离散递归计算系统，其转移算子为异或逻辑 \(Y_n = F(X_n, Y'_{n}) = X_n \oplus Y'_{n}\)，其中递归延迟为单步反馈 \(Y'_n = Y_{n-1}\)。系统初始诞生态设定为 \(Y_0 = 0\)。输入离散序列设定为 \(X = (X_1, X_2, X_3) = (1, 0, 1)\)。(i) 逐步迭代求解各时间步的输出响应 \(Y_1, Y_2, Y_3\)；(ii) 证明对于该系统，不存在任何单值静态映射函数 \(Y = f(X)\) 能够无歧义地预测系统输出；(iii) 讨论当外部观察者无法观测内部状态反馈环时，将产生何种认识论归因。
参考解答(i) 依据递归算子执行时序递推： - 时步 1：\(X_1 = 1\)，\(Y'_1 = Y_0 = 0\)，故 \(Y_1 = 1 \oplus 0 = 1\)； - 时步 2：\(X_2 = 0\)，\(Y'_2 = Y_1 = 1\)，故 \(Y_2 = 0 \oplus 1 = 1\)； - 时步 3：\(X_3 = 1\)，\(Y'_3 = Y_2 = 1\)，故 \(Y_3 = 1 \oplus 1 = 0\)。 系统完整输出时序向量为 \(Y = (1, 1, 0)\)。 (ii) 考察在时步 1 与时步 3 中系统的激励—响应行为：系统在两时步接收到完全相同的即时输入 \(X_1 = X_3 = 1\)，然而产生的输出分别为 \(Y_1 = 1\) 与 \(Y_3 = 0\)。在经典映射理论中，单值函数要求自变量到因变量的映射满足唯一性（即对任意 \(x\)，\(f(x)\) 唯一确定）。由于 \(f(1)\) 同时映射至 1 与 0，产生逻辑歧义，故不存在任何静态函数 \(Y = f(X)\) 能够预测该系统。 (iii) 若外部观察者将该系统视作无状态的黑箱，仅记录输入—输出对偶，他将因“相同输入产生不同输出”而认定系统本质上具有不可预测性或随机性；若引入状态变量 \(q_n = Y_n\)，系统立刻恢复为确定性动力学 \(q_n = X_n \oplus q_{n-1}\)。这严格证实了阿什比的核心定理：系统是否需要归因于“记忆”，完全取决于观察者对系统内部状态空间的观测完全性（参见 5.3.5 节）。
5.3.4 一个猜想：分子层面的递归计算
在阐明递归函数计算机的数学原理后，冯·福尔斯特在论文第 IV 节提出了尖锐的神经解剖学提问：能够完整实现单块“认知砖”全部计算特性的最小生理基质单元是什么？小脑中的浦肯野细胞（Purkinje cells）提供了重要的参考范例：浦肯野神经元拥有极为宽广的树突棘拓扑分枝，单个细胞表面汇聚接收的平行纤维突触多达约二十万个（Eccles et al., 1967）。冯·福尔斯特分析指出，浦肯野细胞强大的突触求和与非线性阈值特性足以承载认知砖的大多数静态逻辑运算；然而，闭环递归计算所必需的时间延迟反馈环路，在经典神经回路层面通常需要至少两个或多个神经元的协同连接。为此，冯·福尔斯特将理论视野进一步下沉至亚细胞及大分子构型动力学层面（借鉴瑞典神经生物学家海登关于 RNA 分子记忆的早期洞察）。
经典生物物理学将大分子的信息潜力视作静态的微观磁带：利用大分子庞大的原子数所形成的密集激发态，通过量子禁戒跃迁形成长寿命亚稳态，选择性生化读出则诱导其回落至基态——这依旧是物理仓库隐喻的微观翻版。冯·福尔斯特则提出了一个纯粹动力学的替代假说：同一种有机大分子的不同同分异构体构型对应着多维势能面上的不同局部势阱；构型在势阱之间的热涨落跃迁概率，可通过统计物理中的阿伦尼乌斯（Arrhenius）热激活动力学模型进行定量刻画：
假想某个功能大分子存在四个离散的局域能态，各态的特征弛豫寿命如表 5.3-1 所示：基态 1 具有极高势垒，其自发跃迁寿命在生物学尺度上可视为无限（\(\infty\)）；而激发态 2、3、4 展现出阶梯状递减的有限亚稳态寿命。
| 量子能态 | 活化能能垒 \(\Delta E\) | 特征弛豫寿命 \(\tau\) |
|---|---|---|
| 状态 1（稳态基态） | 极大 | \(\infty\) |
| 状态 2（亚稳激发态） | \(\Delta E_2\) | \(3\tau^*\) |
| 状态 3（亚稳激发态） | \(\Delta E_3\) | \(2\tau^*\) |
| 状态 4（短寿命高能态） | \(\Delta E_4\) | \(\tau^*\) |
设想系统经受两个相继的时间离散外部电脉冲扰动（在时刻 \(t_1\) 与 \(t_2\) 输入，能量充足时记为 1，不足时记为 0）。大分子对当前输入的能态跃迁完全取决于其先前的初态，转移结果汇总于表 5.3-2：
| 输入序列 \((t_2, t_1)\) | 初始状态 1 | 初始状态 2 | 初始状态 3 | 初始状态 4 |
|---|---|---|---|---|
| \((0, 0)\) | 1 | 2 | 2 | 3 |
| \((0, 1)\) | 2 | 3 | 4 | 4 |
| \((1, 0)\) | 2 | 3 | 3 | 4 |
| \((1, 1)\) | 3 | 4 | 4 | 4 |
表 5.3-2 的代数结构极为精妙：面对完全相同的即时输入向量（例如 \((0, 1)\)），大分子在不同初始能态下分别跃迁至 2、3、4 等不同状态。系统当前的运算操作算子由其初始状态严格决定，而初始状态正是系统经受更早历史刺激运算的结果——这表明，单个大分子的构型动力学在物理本质上即构成了一台微观递归函数计算机，其内部无需保存任何外在的历史记录凭条。
在物理参数的定量标定上，取人体生理温度 \(T = 310\) K（\(36.6^\circ\text{C}\)），对应的特征热能 \(kT \approx 0.02672\) eV。若内禀振动周期 \(\tau_0\) 取外层电子轨道跃迁的特征时间（约 \(3 \times 10^{-15}\) 秒），构型变化的活化势垒取共价键重组典型的 \(1.1 \sim 1.2\) eV，代入式 (5.3-4) 计算，其特征寿命约为 \(2.26 \times 10^3 \sim 9.55 \times 10^4\) 秒（约 38 分钟至 26.5 小时）。这一寿命区间作为毫秒级的快速递归计算单元显得过于冗长迟钝，而作为长达数十年的长期记忆载体又显得过于短暂脆弱。
冯·福尔斯特指出，若将内禀振荡模式转向聚合物大分子的晶格或大尺度骨架振动（\(\tau_0 \approx 10^{-4}\) 秒），整个动力学尺度便展现出高度的生理自洽性：在 1 毫秒至 100 毫秒的时间尺度内诱发构型跃迁所需的活化阈值恰好落在 \(50 \sim 180\) meV 之间，这与神经元动作电位引发的去极化电场强度（约 80 mV）高度匹配。倘若一列由 15 个以上紧密脉冲构成的相干动作电位簇（脉冲间隔小于 3 毫秒）持续冲击该大分子，分子在尚未退激的热弛豫窗口内将通过声子耦合被连续“相干泵浦”，从而跨越高达 1.2 eV 的构型势垒，转入极长寿命的高阶构型流形中。这表明，微观大分子动力学完全有潜力在单分子尺度上融合快速递归计算与长寿命稳态保持，从而为认知砖的超微观物理实现提供了严谨的统计物理猜想（von Foerster, 2003，第 IV 节）。
习题 5.3-3
分子热激活弛豫寿命的阿伦尼乌斯模型计算。取哺乳动物生理温度 \(T = 310\) K，玻尔兹曼常数 \(k = 8.62 \times 10^{-5}\) eV/K，内禀时间常数 \(\tau_0 = 10^{-4}\) s。(i) 计算当构型活化势垒为 \(\Delta E = 0.080\) eV 时的平均弛豫寿命 \(\tau\)，并分析该数值与皮层突触输入发放簇时间周期的动力学匹配性；(ii) 假定动作电位所激发的每个能量脉冲可完全无损相干叠加，每次输入注入有效能量 0.080 eV，跨越 1.20 eV 的长寿命共价构型势垒至少需要多少个连续脉冲的相干泵浦？并简析该物理假设在真实生物膜环境中的局限性；(iii) 若将内禀时间常数设为电子轨道级 \(\tau_0 = 3 \times 10^{-15}\) s，活化能取 \(\Delta E = 1.15\) eV，求对应构型态的宏观理论存活时间。
参考解答(i) 首先计算环境特征热能：\(kT = 8.62 \times 10^{-5} \times 310 \approx 2.6722 \times 10^{-2}\) eV。将 \(\Delta E = 0.080\) eV 代入式 (5.3-4)： \[ \frac{\Delta E}{kT} = \frac{0.080}{0.026722} \approx 2.9938 \] 计算特征弛豫寿命： \[ \tau = 10^{-4} \times \exp(2.9938) \approx 10^{-4} \times 19.96 \approx 2.0 \times 10^{-3}\text{ s} = 2.0\text{ ms} \] 该时间尺度恰与中枢神经系统高频神经脉冲放电簇的毫秒级间隔高度重叠，表明大分子在未完全弛豫前具备连续积分后续电脉冲输入的动力学条件。 (ii) 按照理想无损线性叠加模型，所需脉冲阈值为： \[ N_{\min} = \frac{1.20\text{ eV}}{0.080\text{ eV}} = 15\text{ 次} \] 在真实神经元微环境中，该理想相干泵浦受到强烈的声子热耗散与溶剂水分子热碰撞的剧烈阻尼；能量注入若不能在极短相干时间内完成，热弛豫将导致能量快速耗散，因此真实分子机器通常需要特化的酶催化结合位点与构象约束方能维持高能亚稳态。 (iii) 将参数代入： \[ \frac{\Delta E}{kT} = \frac{1.15}{0.026722} \approx 43.036 \] 计算特征寿命： \[ \tau = 3 \times 10^{-15} \times \exp(43.036) \approx 3 \times 10^{-15} \times 4.902 \times 10^{18} \approx 1.47 \times 10^4\text{ s} \approx 4.08\text{ 小时} \] 该理论值精确落入冯·福尔斯特论文所述的 \(10^4 \sim 10^5\) 秒（数小时至一日）区间。
习题 5.3-4
状态转移矩阵的轨迹推演与自指因果性分析。参考表 5.3-2 所示的大分子动力学状态转移矩阵：设分子系统在初始时刻处于能态 2，随后在环境作用下相继输入两组二元脉冲向量：第一步输入序列为 \((t_2, t_1) = (1, 1)\)，第二步输入序列为 \((t_2, t_1) = (0, 1)\)。(i) 逐步写出大分子系统的状态转移轨迹；(ii) 结合状态转移矩阵，形式化论证“系统的操作规则依赖于其先前操作的历史沉淀”。
参考解答(i) 依序查表执行状态转移推演： - 初始状态为 2； - 第一步输入 \((1, 1)\)：查表 5.3-2 中输入行 \((1, 1)\) 与初始状态列 2 的交叉点，系统转移至能态 4； - 第二步输入 \((0, 1)\)：系统以第一步的终态 4 作为第二步的初始能态，查输入行 \((0, 1)\) 与初始状态列 4 的交叉点，系统转移至能态 4。 系统状态演化轨迹为：\(2 \xrightarrow{(1, 1)} 4 \xrightarrow{(0, 1)} 4\)。 (ii) 在第二步中，输入向量为 \((0, 1)\)。考察同一输入行 \((0, 1)\) 对不同历史初态的响应：若初态为 1，系统输出状态 2；若初态为 2，系统输出状态 3；若初态为 3 或 4，系统输出状态 4。即映射函数 \(S_{k+1} = \Phi(X, S_k)\) 的实际输出由内在状态 \(S_k\) 所调谐；而 \(S_k\) 本身正是系统在第 \(k-1\) 步处理历史输入后遗留的物理动力学流形。这严格确证了控制论的核心命题：系统无需借助任何外在的符号档案库，便能在当下算子中完整内化过去的历史效应。
5.3.5 状态、历史与观察者
将冯·福尔斯特的递归认知模型置于经典控制论的系统观中，可发现其与阿什比在《控制论导论》中关于决定性机器的严格状态空间理论具有深刻的同构性。阿什比指出，对于一个封闭的决定性系统，变换算子 \(T\) 的连续幂迭代生成状态空间中的唯一轨迹：若跨越单位时间间隔观测量，系统状态序列对应于 \(T^1, T^2, T^3, \dots\) 的算子作用轨迹（Ashby, 1956, S.3/1）。一个定义完备的状态向量 \(\mathbf{x}(t)\)，在数学上已经完全折叠了从系统创生至该时刻的全部历史信息。
在讨论非马尔可夫系统时，阿什比在第 9 章指出：当系统的状态转移表面上表现为依赖于既往历史时，只要在更高维度上重构状态空间——将先前的状态与输入联合定义为增广状态向量 \((\mathbf{x}_t, \mathbf{x}_{t-1})\)——系统便能在高维相空间中无损恢复为标准的状态决定系统（state-determined system）。阿什比断言：“认识一个系统的两条途径——凭它现在的完整状态，或凭它自创生以来的既往输入历史——在数学上存在严格一一对应的精确代数关系”（Ashby, 1956, S.9/8）。
阿什比记忆相对性定理与观察者介入困境。在黑箱分析中，阿什比提出了极具震撼力的认识论警告：设想一个决定性黑箱系统，若外部观察者仅能对其状态变量实施部分观测（投影观测），则未被观测到的隐变量动态将使得输入—输出映射呈现出明显的历史滞后效应；此时观察者为了维持预测能力，被迫引入“系统内部拥有记忆”的假设（Ashby, 1956, S.6/21–6/22）。带内部磁带的自动机即为典型例证：能够直接读取磁带状态的观察者只需依据即时状态方程即可完成预测，完全无需诉诸“记忆”概念；而无法透视磁带的观察者则坚称系统具有记忆。阿什比据此确立了控制论的元命题：“‘记忆’绝非系统内在固有的一项孤立客观物理属性——它是系统与观察者观测信道之间的一种相对关系模式。”脱离观察者的观测结构去孤立寻找“记忆实体”，注定陷入唯心主义伪科学的深渊。
冯·福尔斯特与阿什比的两条控制论思想流派在此达成了完美的理论闭环：冯·福尔斯特从系统内部动力学出发，证明了封闭递归计算足以通过状态转移与参数重塑动态再现历史，从而解构了物理仓库隐喻；而阿什比则从系统外部观察者视角出发，揭示了“记忆”本质上是观察者面对部分可观测系统时用于补偿信息缺失的认识论构造。同一套物理动力学系统，当观察者具备全息态观测能力时，它表现为状态空间中确定性流形的一阶滑动；而当观察者面临观测降维时，它便表现为必须诉诸历史经验才能解释的记忆系统。这直接宣告了传统客观主义本体论的破产，正式拉开了第七章中观察者介入系统构建的“二阶控制论”序幕。
这一纯粹控制论推论在现代非线性动力学神经网络中获得了具有严格解析解的可计算模型。1982 年，约翰·霍普菲尔德（John Hopfield）提出的连续/离散联想记忆网络（Hopfield network），将“回忆”精准形式化为高维神经相空间中向吸引子的梯度收敛运动（Hopfield, 1982）。在霍普菲尔德网络中，记忆模式并非存放在孤立的物理单元内，而是整体编码在对称突触权重矩阵 \(\mathbf{W}\) 与能量超曲面（李雅普诺夫函数）的极小值吸引子中。外部残缺或具噪声的提示输入仅仅负责将系统状态置入特定吸引域（basin of attraction）的临界边界内，此后系统完全依靠自身的内在神经动力学自动沿着能量梯度向局部极小值滑移，最终收敛并完整重构目标记忆模式（图 5.3-4）。
在厘清个体内部自组织系统的递归记忆动力学之后，控制论必须跨越孤立智能体的边界，直面由多个具有自适应与自学习能力的智能体所构成的分布式交互系统。智能体之间如何建立鲁棒的代码共识？通信信道如何抵御噪声并保障语义的高保真传递？在 5.4 节中，我们将全面转向“语言的机制与历史”，解析通信编码、演化约束与文化信息论的深层法则。
关键术语
- 存储与检索 (storage and retrieval)
- 要求质性不变的存取：存入的是某物，取回的必须是同一物，而非其替代符号。
- 识别 (recognition)
- 认知运算结果的外显表现之一：辨认经验，并把它们与更早的经验归为一类。
- 回忆 (recall)
- 对经验作出符号表征（如话语）的能力的外显，与运算本身相区别。
- 认知过程 (cognitive processes)
- 从感觉经知觉细节到广义化内部表征的整套操作层级，连同由概念到行动的逆变换。
- 基本条件反射 (elementary conditioned reflex)
- 四元件最小网络可算出的共现记录：自兴奋环路持有等价关系 A=B，此外推不出任何东西。
- 共现 (concomitance)
- 两个事件或性质的相伴出现；归纳推断的效力系于对共现的检测，ECR 网络计算的正是它。
- 记忆子 (mnemon)
- 扬提出的记忆单元：分类细胞、备选行动通道，以及按行动后果改变通道使用概率的细胞。
- 递归函数 (recursive function)
- 因变量由自身较早时刻的值给出的定义方式，如 y(t)=F(y(t−D))；与显式定义等价而常更简洁。
- 特征态 (eigen-state)
- 机体内部生成的自我状态（疼痛、快乐等），系统据以对输入建立自我指涉并评估行动。
- 认知砖 (cognitive tile)
- 配齐知觉、记忆、推断三种能力且彼此不可分的最小认知元件，可连缀成镶嵌结构。
- 吸引域 (basin of attraction)
- 状态空间中轨道汇向同一吸引子的区域；内容寻址记忆图景中“想起来”的动力学载体。
参考文献与延伸阅读
- von Foerster H. 2003. Understanding Understanding: Essays on Cybernetics and Cognition. Springer.（第 3 篇“What Is Memory that It May Have Hindsight and Foresight as well?”，原载 Bogoch S (ed.). The Future of the Brain Sciences. Plenum Press, 1969: 19–64）
- von Foerster H. 1965. Memory without Record. In: Kimble DP (ed.). The Anatomy of Memory. Science and Behavior Books, Palo Alto: 388–433.
- Ashby WR. 1956. An Introduction to Cybernetics. Chapman & Hall / John Wiley & Sons.（S.3/1 轨迹与变换的幂；S.6/21–6/22 记忆与可观察性；S.9/8 再编码）
- Young JZ. 1965. The Organization of a Memory System. Proceedings of the Royal Society of London B 163:285–320.（克罗尼安讲座；记忆子）
- Eccles JC, Ito M, Szentágothai J. 1967. The Cerebellum as a Neuronal Machine. Springer-Verlag.（浦肯野细胞及其突触数目）
- Konorski J. 1962. The Role of Central Factors in Differentiation. In: Gerard RW, Duyff JW (eds.). Information Processing in the Nervous System. Excerpta Medica Foundation, Amsterdam: 318–329.（选择原则与不可分性原则）
- Hopfield JJ. 1982. Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences 79(8):2554–2558.（吸引子网络，此为后话）