信息在哪里？

大脑由神经元和其他细胞组成，神经元之间通过突触传递动作电位，也通过分泌化学物质向周围释放信号。从信息的角度看，扩散的化学信号携带不了多少思想内容的信息，因为化学模式很简单，通常是以梯度的形式提供位置信息，或是改变附近神经元的行为。可能的化学模式的数量很有限，远远比不上可能的突触模式的数量，因此能够编码的信息量也少得多。所以重点是动作电位。

我们可以认为神经元传递一次动作电位可以传送一个比特的信息。这样每秒能传递数千次动作电位的神经束就能每秒传递数千比特的信息。这似乎很合理，但证据却明确否定了大脑以这种方式编码有意义的信息的观点。

分析神经元控制肌肉收缩的过程，有助于我们了解动作电位如何传送信息。当大脑指挥身体运动时，会调整不断冲击我们身体里每个肌肉细胞的动作电位。对于一些肌肉细胞，动作电位的频率会加快，导致这些肌纤维收缩，另一些的频率则会减慢，导致其舒张。当身体运动时，大脑不断调整流向肌纤维的大量动作电位，使得数百万肌肉细胞协同收缩和舒张。大脑就好像在操纵有数千根线的木偶。动作电位流就好像这些线的拉力。指挥肌肉运动的信息不是编码为单个动作电位，而是动作电位流频率的加快和减慢。大脑中的模式可能也与此类似，只是扮演关键角色的是更复杂的模式。

动作电位活跃在整个大脑，没有哪个神经元会静默很久。部分动作电位是神经元自发产生，但大部分是受进入大脑的感官刺激引发，以及来自大脑其他部位的动作电位引发。所有冲击神经元的动作电位都通过激励或抑制型突触传递。接收端的神经元就好像微处理器，每过几毫秒就对输入进行整合，一旦一定时间间隔内激励型输入高于抑制型输入就产生新的动作电位。神经元之间的连接模式使得动作电位不断在3维的时间敏感网络中循环。抑制型突触和生理结构对电位流进行约束。正反馈环则让特定的模式可以扩大响应区域。在任何时刻活跃的群体都包含数百万神经元。短暂存在的活跃群体不断有新的神经元加入，然后又被新联合起来的神经元群体替代。

局部网络可以与其他网络互动。节奏很关键，因为动作电位到达的时间间隔超过几毫秒就不再有累积效应。突触的连接强度可以改变，神经元的阈值也可以改变；通过加强或削弱神经元之间的连接，可以调整它们的相互影响。同时，新的突触可能产生，老的突触也可能消失。人们普遍认为学习是通过加强或削弱突触连接巩固特定的模式。增强的模式形成记忆。增强的突触使得特定的模式在未来更容易再次出现。

组成思维或思想或内部模型的动作电位流的3维变化模式的细节必然极为复杂，高度并行，具有冗余，并且充斥着噪声。思维随时间变化，并且每次出现时的细节都可能不同。思维不可能还原成特定时刻在网络中传播的动作电位比特的总和。信息必然以某种方式被编码为动作电位流的强度、节律等模式。这一点可以用更简单的系统来类比。例如，消息可以用莫尔斯电码编码并通过电线传播，关键不在于通过电线的电子数量，而在于电流的启停模式。类似的，说话时传递的信息内容不是由空气振动的次数决定，而是取决于振动的模式。

理解思维的信息载体的一个主要障碍是信息在大脑中的编码模式截然不同于计算机的01序列和人类说话时的线性词语流。很显然，不同的连接模式可以表示不同的意义。但要弄清楚3维的细胞交流模式如何发挥作用，使得神经元的输出可以正确调整邻近的网络从而形成有用的新网络，并不是那么容易。尤其是要让新的网络能产生正确的肌肉运动序列，或正确的视觉，或能正确传达意义的声音序列。另外也缺乏概念工具帮助我们正确理解神经元组成的3维网络如何编码特定的信息。用之前讨论的术语来说就是，神经元交互模式是如何实现指令的？目前神经学家还不能完美地解答这个问题。

总的来说，无论是指挥肌肉运动的信息，还是表示思想和思维图景的信息，或是表示大量学习的知识的信息，都嵌入在动作电位流组成的3维时间敏感网络中。这种概念层面的描述很模糊，但除非某些重要的事情被神经学家忽略了，否则大脑的运作原理或多或少就是这样。这个模型没有告诉我们某个具体的功能模式是什么样子。不过这个模型要能有任何作用，我们还必须在大体上解释神经元连接功能模式是如何形成的。