“认识你自己”既是哲学的核心目标，也是当代科学的重要任务。但关于人类的认知能力，或者更宽泛地说，关于人类心灵的基础研究，不仅在哲学与科学之间存在张力，在科学内部也存在着张力，目前至少形成了人工智能、神经科学和意识哲学三个离散的学科领域。尽管三者都围绕人的认知能力展开，但研究方法和基础预设却大相径庭：人工智能旨在以机器为载体模拟人类智能，从而形式化和数字化人的认知能力，可计算性决定了其研究的上限；神经科学致力于探索脑认知的因果规律和生理基础，属于自然科学的范畴并以外在实验为依据；意识哲学至少包括心理学和现象学层面，以内在反思为基础方法，试图描述意识现象的本质结构，说明其发生与涌现机制。这种境况表明，我们远未具有关于人类心灵的严格知识，这座认知科学的“巴别塔”可能随着学科话语的分异加剧而走向崩塌。 

　　目前学术界正在推进三个学科领域之间的比较和综合性研究，但如果其中的诸多概念范畴只具有各自的学科意涵，并且只适用于刻画各自特定的区域，那么想要建立起跨学科的关联从根本上就是不可能的。如果互通与融会是真实可行的，那么就需要在这看似不可还原的三元视角下找到更基础的规律纽带，使三个学科领域能够在更大的视野下获得综合。本文将以“流形”（Mannigfaltigkeit/manifold）这一现代知识型概念为核心，重新理解在认知科学不同方向上发生的这场共同的范式转化，并尝试在其建立的新型研究对象（流形学习、神经流形、意识流形）中探寻旧有实体模式无法揭示的内在统一性，从而建构起跨学科的认知的流形模式。 

　　西方知识范式在19世纪下半叶到20世纪上半叶发生了重大变革：物理学领域实现了从牛顿力学到爱因斯坦相对论的突破，精神科学领域诞生了现代心理学等新学科，哲学领域完成了从德国观念论到现代哲学的过渡……这一切似乎都肇始于数学革命。简单地说，非欧几何的诞生颠覆了人们对于数学公理的朴素信念，一举将公理化方法和关于公理系统的抽象化研究推至前台，从解析几何到流形论、从微积分到数学分析、从传统逻辑到数理逻辑，多重转变最终构筑了现代数学大厦。在这场影响深远的现代数学革命中，流形作为一种观念性构想起到了重要作用。 

　　流形的概念最早源自黎曼1854年的就职演说《论作为几何学基础的假设》，表征着一种几何学上的多维延伸量。“多维”意味着其维度可以超过日常经验的三维达到复杂的n维，“延伸”是几何空间的抽象本质，“量”则允诺了其上可以建立数学结构。用今天的术语来说，流形是局部具有欧几里得性质的拓扑空间。也就是说，在流形的每一点上都存在一个足够小的邻域，使其在局部上可以同胚于平坦的欧氏空间，但在全局上却可以具备与欧氏空间不同的复杂结构。比如，在绘制地图将地球表面的位置关系投影到平面上时，单次投影的范围越广就会产生越大的形变。从全局上看，球面与平面异质，“曲”性是球面无法被消除的内蕴性质；而从局部上看，球面可以在邻域内与平面同胚，因此可以建立局部坐标表示。这种与外在测度可分离的、有独立质性的一般空间被称作流形。根据约斯特的介绍，流形是“用于诸点或诸元素的连续比邻的概念，条件是足够小的部分能够以一种可逆的、单义的方式通过数组（坐标）与笛卡尔空间的一个区域相关联。流形的概念是纯粹拓扑学的，在此意义上它不预设任何度量结构，即只包含定性的位置关系”。换言之，纯位置关系是流形的实质，而度量关系是一种不具备必然性的假设，事实上存在着多种可能的度量。黎曼流形的提出标志着几何学成为研究流形的各种性质的流形论，它不仅在哲学上质疑了康德以三维欧氏几何为基础的认识论批判，而且在科学上为广义相对论的数学表达铺平了道路——弯曲时空被刻画为一种四维流形。 

　　具体而言，流形具有三重革命性。首先，流形是统一不同几何学的规律性纽带。在流形论的视角下，欧氏几何实际上是一种处处曲率恒为零的特殊流形，而包括罗氏几何（双曲几何）和黎曼几何（球面几何）在内的非欧几何，不过是曲率为负和为正的流形形态。尽管欧氏几何在其中起到了某种标准化的作用，但并不具有真正的优先性。从研究平行公设的真伪到统一不同类型的几何学，新几何学（流形论）不再是单一的体系，而是体系模式，即“体系的体系”与“理论的理论”。换言之，理论体系本身成为思考的对象，这实现了从体系到体系学的跨越。其次，这种统一潜藏着一种“内蕴性”（intrinsicality）思想。这意味着，我们不是像站立在三维空间中一样外在地观察嵌入该空间的二维曲面，而是置身于曲面之中内在地把握几何对象自身的性质和结构。这种内蕴的视角转变，本身就是一种从三维到二维的“降维”操作。此时，流形只具备可变或相对的参照系坐标，不依赖于坐标选择的自身不变量（如曲率张量）才是流形的中心。也就是说，流形可以独立于其外嵌空间中的坐标描述。这种“就其本身观之”的内蕴化转变，构成这场知识革命的核心之一。最后，流形在局部的简单形式与全局的复杂形态之间建立了一种新型的“一与多”拓扑关联。与传统的同质化的整体—部分关系不同，流形的全局性质无法由所属的诸部分堆积而成，相反，流动的局部只是整体的某种映射变换的结果，只有在被赋予不同的度量结构之后才会固化为“部分”。尽管可以从不同的坐标描述流形上的点，但不同坐标表示的转换映射却是固定的，这种规律性刻画了流形的对象。 

　　总而言之，从特性上看，流形不仅是一个技术性的数学概念，而且是一种形式化的构想。在现代知识范式内，将流形的方法引入人工智能、神经科学与意识哲学，就是引入了一种形式的、内蕴的和拓扑的模式来解释人类心灵本身的认知能力，而不再单纯根据认知在对象上的运用“外在地”揭示其权能。基于此，下文将以综合交叉的姿态分别对流形学习、神经流形与意向流形三个特殊的子流形进行讨论。 

　　如今，各种生成式人工智能极大激发了人们对于通用人工智能的期待和想象。基于大模型的生成式人工智能看起来已经在一定程度上符合了图灵1950年关于计算机器与智能的最初想象，但生成式人工智能与通用人工智能之间仍存在鸿沟，仅凭大模型难以实现人类意识所具有的通用性，而这正是流形学习具有特殊理论潜力的地方。 

　　从历史、当下与未来三个维度来看：20世纪80年代以来的人工智能主流范式（联结主义）源自对神经科学的借鉴，这构成脑机比拟的原初语境；当下生成式人工智能源自对感知的注意力机制的模拟，可以与意识研究建立起更深刻的关联；从意识现象学看，基于感知流形的流形学习作为对注意力机制的深化，未来有望为建构人工智能的意义空间提供可能。 

　　联结主义范式及其人工神经网络的构想在当前的人工智能研究中起着主导作用，而人工神经网络本身就得益于神经科学与意识研究的早期工作。在哲学心理学中，赫尔巴特提出了“意识阈”的激活模式，神经科学家出身的弗洛伊德也曾给出神经元与神经网络的模糊设想。生理学家阿德里安对神经元的电传导功能的揭示是此研究方向的重大转折：他刻画了大脑神经元受刺激时放电的“全或无”激活特征，并在此基础上引入信息与编码来解释大脑的活动功能。1943年，麦卡洛克和皮茨模拟神经元之间有条件传递的基本原理，并结合布尔代数建立了人工神经元的数学模型，将神经环路的运行理解为逻辑演算。在1956年达特茅斯会议上提出“人工智能”的概念后不久，罗森布拉特就建构出了单层神经网络模型，即“感知机”，它作为一种数据处理的线性分类算法，通过在不同变元上设置特定参数形成了完整的函数：y=f(x)=sign(w·x+b)。 

　　但在人工智能的早期发展中，联结主义一直为效仿数理逻辑的符号主义所压制。1969年，明斯基和派珀特表明，单层神经网络甚至无法解决异或（XOR）问题，这导致联结主义陷入了沉寂。但随着多层神经网络对于神经系统更为深入的模拟，以及反向传播的梯度下降算法的复兴，加之硬件上算力的不断提升，通过数据学习调整联结的权重参数从而实现算法进步的联结主义，在20世纪80年代后成为人工智能的主流范式。从这一发展史可以看出，联结主义借鉴了从单个神经元的触发激活到大脑神经网络的整体运行的机制，同时也模仿了意识从经验中归纳出默会知识的过程，而算法的隐藏层对应的则是意识在潜移默化中习得的对象结构。脑机比较研究之所以是可能的，是因为机器学习在设计之初，一方面在底层机制上效仿了人脑的生理机制，另一方面则在功能实现上参照了意识的学习活动——就此，神经科学与意识研究构成了人工智能技术的双重理论基础。 

　　对于时下的生成式人工智能，既然它仍基于联结主义的研究范式，又何以被视为一个新的转折点？这是因为，生成式人工智能不仅是大数据积累和算力迭代的结果，更是源自一次重要的算法革新，即Transformer模型架构的提出，这在神经网络的建构中更多地模拟了意识的运作方式，并将为人工智能的未来演化提供重要启示。 

　　2017年谷歌团队发表了“Attention Is All You Need”一文，它在机器翻译领域首先摒弃了基于复杂的循环神经网络（RNN）或卷积神经网络（CNN）的序列处理模型，转而基于自注意力（self-attention）机制建立起一种新型的Transformer架构。注意力机制是对感知中“注意”现象的算法模拟。比如，在观看一幅画或者阅读一个文段时，我们不会给予所有部分以相同的关注，而总是会聚焦于感兴趣的区域。我们完全可以借用胡塞尔的描述来刻画此事态：“内容也许是相同的，联结性的释义可能是相同的，显现的对象性因而是相同的，但是现在对我们‘起效’的是要素或部分……有时我们给予一个环节以优先性，却没有完全排除其他环节。我们没有让它们离开视线，仍然一同意指它们，尽管是在一边作为附属。”在机器学习中，通过引入Q（query）、K（key）、V（value）三个向量（Q代表查询主体，K=V表示被查询客体）进行内积等计算，可以得出新的V’，其中已经蕴含了K相对于Q的重要程度这一新信息，即通过注意力机制赋予了原始大数据各部分以不同的重要性。这里的V相当于原始对象性，而V’则带有注意力区分的对象性。自注意力意味着Q、K、V三者都来自同一输入嵌入E，只是经历了不同的线性变化。如此，在注意力机制中的每次计算都是局部（如一个词元（token））就自身在全局中的重要程度的自查询，因此是E本身的自注意。但此处的自注意不是意识对自身的注意，而是对象性在引起意识的关注之前，自身就已经具有“热力图”式的差异结构，这是引起意识转向的前提。由此，从注意到自注意，展示的是从意识的主动综合到被动触发的深入过程。相较循环神经网络与卷积神经网络这些更加原子主义的读取设计（如通过不断建立新的卷积层来扩大感受野），Transformer模型架构通过自注意力机制建立了一种全局化关联，一种从局部映射整体的拓扑结构，它不再按照顺序逐个处理数据，而是在并行化的处理中揭示数据的整体意蕴。 

　　联结主义的基本构想源自神经科学，生成式人工智能的特殊成就在意识研究上有其依据，但这尚不足以真正通向通用人工智能。在大模型中，数据的特征维度和特征参数在不断训练和优化的过程中“盲目”地生成与调节，算法成了一个自动生成和自组织的“黑箱”。依据贝叶斯方法和反馈算法，大模型以结果论的方式对经验对象的结构进行建模，实现了更为高效与准确的预测，但这种拟合出的对象并非“意义中的对象”，不仅大模型本身无法理解自己的对象，程序设计者往往也无法理解。而想要打开这个黑箱，给予数据结构以一种真正的意义解释，就需要特别关注流形学习（manifold learning）方向。 

　　从技术上，流形学习是一种非线性降维方法，它假设在较高维度中近乎无序分布的数据，在还原到更低维度时可以显示出有序的结构，此还原的基础就是我们特别强调的流形的内蕴性和拓扑性。流形学习的原理在1995年就已被提出，此后很快发展出各种具体的降维和嵌入算法，它们实质上意味着恢复流形结构的不同方法。而流形学习与哲学的关联，则尤其体现在《科学》杂志2000年发表的《感知的流形方式》一文之中。对于“感知的根本之谜：大脑如何感知恒常性，即便它的原始感性输入在流动之中”（我们不可能两次看到同一个面庞），该文认为，在图像空间中存在一些基本的可变量，如面容的朝向，它“内蕴地是一维的，即使它嵌入具有等同于图像像素数量的高维度的图像空间之中”。这样的基本变量还包括缩放、平移、亮度等，它们张成（span）了一个相对高维图像空间的低维流形。于是，流形学习就意味着“通过寻找其中的低维结构来化简高维度数据”，或者说“算法的目标在于将高维数据点的给定集合映射到替代的低维空间”。这模拟了人类感知和记忆的基本过程，“因为流形对于感知而言是根本性的，大脑必须以某种方式表征它们”。在视觉感知中，每个感光细胞都可以作为视觉感知信号的一维，于是视觉空间也就具有了极高维度，而人脑对此的处理则建立在将视觉图像还原到刻画若干连续性变化的低维流形中，“为了识别面容，大脑必须将所有来自同一流形上的图像等同起来，同时必须将来自不同流形的图像区分开来”。这就是视觉感知中的流形结构，它的生理学机制在于神经流形，这意味着神经元的“集群活动被限制在一个低维流形中”，它将视觉记忆储存为“稳定态的流形，或者一个连续吸引子”。从意识现象学看，流形学习的基本假设正是意识的本质化能力和构造功能：从高维图像空间到低维流形的还原，一方面是对象之本质特征的揭示过程，另一方面是历时对象性在记忆中作为稳定流形的构造过程。从注意力到自注意力涉及的是感知从主动到被动的内部机制，而流形涉及的则是感知整体的发生。不难看出，流形对理解感知如何从大脑神经网络的动态机制中产生至关重要。 

　　据此，从符号主义到流形学习可以被视为对不同意识层次的模拟：符号主义着眼高阶的知识表示，联结主义立足对象意识的结构，流形学习则涉及意识的自身构造，三者之间存在一种现象学上的奠基关系。与一般的联结主义方案不同，流形学习中的维度（旋转、缩放、角度等）具有更强的意义性，同时数据也更具可视性，这决定了它作为一种描述高维数据空间中的低维结构的手段，能够实现对深度学习更有效率、更具可解释性的建模，这是流形的内蕴性的体现。而其更深刻的意蕴也只有借助神经科学与意识研究才能被揭示，也就是说，通过流形学习，我们可以建构一个符合意识模式的意义空间，并就此进入意识的深处。从数据的大模型走向意义生成式的“小”模型，这显然有赖于深入研究流形内在的拓扑结构。而事实上，只有模拟意识跨领域的普适性，我们才能为人工智能的通用性提供真正的基础，这也是流形的形式性的表达。 

　　尽管神经流形的概念在20世纪90年代就已被提出，但在2014年之前却没有在神经科学中产生太大的影响。当代神经科学受到双重推动:在实验方面，神经电信号采集和脑成像技术取得了进步；在计算方面，引入了动力学和信息处理算法等数学方法。同样，神经流形的研究也受到了实验与计算的双重影响：一方面，随着多电极阵列技术（MEAs）的发展，神经科学逐渐从单一神经元的功能研究走向了神经元集群的动态机制研究；另一方面，随着人工智能的兴盛，它的方法与观念反过来影响了计算神经科学的发展，二者导致了流形被纳入神经科学。 

　　最早将流形概念引入神经科学的是上文提到的麦卡洛克和皮茨，他们同样是人工神经元的数学模型的提出者，可见，神经流形与流形学习在其前史阶段就已经呈现出交织状态。神经流形概念的成熟仍可归功于正式提出流形学习的商，他在1996年的论文中提出，每只眼球有水平、垂直和扭曲三种位置角度，并且双眼处在协同运动的控制中，因而眼球运动的状态空间是动力系统中由定点构成的六维流形的吸引子。前文提到的《感知的流形方式》一文则对此进行了更系统的阐述——该文可视为流形学习与神经流形的共同源头。神经流形的核心思想是拓扑降维，即在高维的信息空间中寻找低维流形，这也是机器或人脑对外部信息进行编码的基础结构。据此，神经流形实际上是在神经科学实验数据中体现出的一种理想化模式，它通过将神经元集群中的每个神经元的放电率记作一个较少变量的光滑函数，将维度与神经元数量相同的高维神经元脉冲活动空间简化为较低维度神经轨迹。 

　　2014年，神经流形真正开始发挥其理论效用。首先是萨特勒团队关于神经流形与学习能力的研究。他们提出，可以从由神经元集群活动构成的高维空间中分离出一个低维子空间或内蕴流形。例如，从初级运动皮层近百个神经单元中选出三个神经元（其中两个神经元会在输入相同时形成“共—调转”（co-modulation）模式），并假设流形是底层神经环路的反映。该团队借助脑机接口技术证明，流形外的信号扰动会阻碍猴子习得对共—调转模式的生成，但在流形内则不然。同年，在如何降低流形维度的问题上，莱克团队作出了重要贡献。他们通过主成分分析法（PCA）对实际采集的电信号降维，将674维的神经电信号空间降低到约63维的低维神经流形上。由于对流形的降维本身就是流形学习算法要处理的，无论是主成分分析等既有的统计学方法，还是开发新方法处理从高维到低维空间的映射，这些都已成为神经科学与人工智能的共享资源，这种跨学科的结合在近十年的神经流形研究中已经得到充分体现。 

　　此后的研究在神经流形的形态机制和降维方法两方面都获得了快速发展。在机制上，加列戈等人作出了神经流形如何控制和编码运动的经典研究。在方法上，贾沙耶里等人区分了降维操作中的周遭维度、嵌入维度和内蕴维度，使单纯的数据变换具有了更清晰的意义关联。乔杜里等人利用持续同调的拓扑方法，对代表小鼠头部朝向的神经元集群活动的环状流形进行了建模，此项研究可视为对神经流形的事实与方法综合研究的典范，他们以一种简明、优美的数学形式展示出神经流形卓越的解释力。朗顿等人试图综合以神经元的实体性连接为基础的神经环路研究与以神经元集群活动模式为基础的神经流形研究，并在两者之间建立因果机制。 

　　从理论构想上看，神经流形最基本的假设是，神经元活动所构成的高维神经状态空间受到低维流形的约束，这样通过从高维到低维的“维度转换”就可以刻画出神经元集群活动的本质结构，进而建立大脑机制与现象层面的认知—行为的关联。由于神经电反应的“全或无”特性，单个神经元放电率的差别只有两种：一种是单位时间内的放电次数，另一种是相邻峰电位的时间间隔——这也是频率编码和时长编码两种理论的分歧。但对于多个神经元，群体放电率的记录只能借助“同时性”概念，也就是在同一时刻有哪些神经元放电,由此，我们就可以通过客观的群体时间序列刻画一个多维空间的动力系统。神经流形理论的关键是推断低维流形的维度性。根据上述贾沙耶里等人的研究，我们可以区分与神经流形相关的三种维度：首先是由神经元电信号组成的高维度，或者说周遭维度；其次是表征神经流形的内在形态的低维流形的维度，或者说嵌入维度；最后是由编码所需最少独立变量数确定的内蕴维度。神经流形是指嵌入维度构成的空间，从数据处理的角度来看，它是高维空间的降维结果，从生物功能的角度来看，它是约束神经元集群活动的编码机制，而内蕴维度的变量就在该嵌入空间中得到处理。当代神经科学借助流形的数学特征在神经元集群和现象层面建立起了关联。 

　　作为一种形式性的研究对象，神经流形一方面可以被理解成对大脑神经活动的几何理想化（神经几何学），另一方面也可以被视为对神经科学中实体—功能范式的突破。前者突出的是神经流形在形式本体论上的一般根据，后者则标明了它有质料区域的特定本体论限制。神经元集群的电反应之所以构成一个“抽象空间”，这与空间概念本身在流形论中的扩展直接相关。如果将几何学限制在自然的空间形式上，那么神经元群体涉及的唯一空间关系只能是物理实在意义上的邻近、连通与隔绝，也就是基于解剖学证据的神经环路。在本体论上，这意味着存在一个由若干物理实体相互连通构成的实在场域。非欧几何拓展了对空间本身的理解，除了区分实在的自然空间形式和纯粹数学的空间关系，此数学空间同时也彻底摆脱了物理实在性的限制，由此可以处理涉及曲率的非线性问题。更重要的是，神经流形不仅被理解为对神经元活动的形式化记录，而且逐渐被理解为限制神经元集群活动的质料性、生理性的约束结构。这无疑突破了传统自然科学中的“实体”观念，神经科学研究从以实体性神经环路为基础的实体—功能进路，转向了以神经流形为核心的结构—发生进路。 

　　在探究认知—行为能力的基础时，神经流形进路的独特优势是从实际采集的高维数据中映射出低维流形，同时保持某些原有的拓扑性质不变，这样可以从复杂的神经元群体中尽可能精确拣选出在编码上起主导作用的神经元，进而从它们的神经模态中确定关于现象层面的编码机制。此理论方法的根据是，数学流形从高维到低维空间的映射可以保持局部性质不变，而人工智能领域的流形嵌入算法提供了求这种映射的具体方案。然而，脑神经研究之所以能够使用流形算法，在质料区域上的预设是，尽管有庞大的神经元数量参与某任务的编码，但它们却可以归结为某些基本模式，并且能够在较少数量的神经元中表明这些模式发挥作用的方式。显然，这在范畴上蕴含了对整体部分关系的特定理解，不过并非集合论意义上的整体和部分，而是流形论，准确说是保持局部性质不变的高维和低维流形之间映射关系意义上的整体和部分关系。而这也就凸显出了流形概念的拓扑性，并且这种拓扑性本身是动力学的。 

　　从神经元的实体研究到神经元集群的动力学研究，从神经环路到神经流形，实际上在神经科学领域中实现了一场关于流形的范式革命，就像在人工智能领域中从符号主义到流形学习的革命一样。但相较人工智能的形式化结构，神经流形本身仍要受到神经元个体性存在的质料限制，即不独立的神经流形必须建立在独立的神经环路的实体结构之上。神经环路是神经元之间物质性的实在连接，而神经流形则是神经元交互活动所遵循的现实关联。相比神经元层面的微观细胞研究和脑区层面的宏观功能研究，神经流形给出的介观动态研究更有可能为我们找到意识现象的质料条件。 

　　流形概念在神经科学领域已得到多层次的发展，但如果重新审视其源头，《感知的流形方式》一文对神经流形的引入的确起到了建基作用。在研究起点上，该文已将感知流形确立为前提，也就是说，流形框架在科学上的普遍运用是建立在感知活动的现实实施之上的，神经流形的研究实际上就是为了揭示感知活动在大脑中的“质料”基础。这也就说明了它何以会在认知模式上与人工智能的流形学习保持同构，因为后者是从“形式”上对感知流形的积极建构。至此，问题自然也就指向了感知流形的一般含义，这涉及一系列难题，如意识在何种意义上能够展示出流形的结构和特性，其结构与特性又何以必然能从“质料”和“形式”上与神经流形和流形学习产生关联。 

　　意识哲学历史悠长，在笛卡尔以降的近现代哲学中，意识与自识已经成为推动哲学发展的中心问题之一。根据查尔莫斯的观点，意识问题有易问题与难问题之分：易问题涉及“大脑如何处理环境刺激？如何整合信息？我们如何产生关于内在状态的报告？”难问题则指“为什么所有这些处理都伴随着一种体验到的内在生活？”前者更多涉及脑科学，难问题则与心理学和意识哲学更为相关，即唯有通过从直接体验出发来反思我们自身才有可能得到回答。 

　　意识现象学是现代意识哲学研究的重要代表，胡塞尔对意识的理解同样经历了一场范式的转变，即从描述心理学转向了超越论现象学，从前期对于意识行为的静态研究扩展为后期对于意识权能的发生研究。正是在此转变中，对“感知对象的‘构造’，对感知流形之结构的澄清”成为现象学的重要任务。胡塞尔使用的流形概念源自他对黎曼流形的借鉴和批判。一方面，胡塞尔在黎曼流形中看到了一种全新的处理“一多关系”的拓扑模式。该模式可以哲学化为新的现象学流形论，胡塞尔借此获得了现代知识范式。另一方面，胡塞尔批评黎曼没有从内容上考察流形。也就是说，黎曼没有考察流形作为形式关系的直观起源和实事基础。在胡塞尔看来，我们之所以能够认识到这种形式化的流形，是因为它是纯粹意识构造的产物。 

　　胡塞尔关于流形必须在意识活动中得到构造的观念，为超越论现象学确立了基本的分析和构造模式。胡塞尔在《观念Ⅰ》（1913）中就已经开始使用“流形的意向体验”“意识流形”等说法，并在《形式逻辑与超越论逻辑》（1929）中为现象学确定了如下任务：“人们必须在现象学反思中观看这些标题下的意识流形并且将其结构性地分解。而后人们必须在综合过渡中追踪它，直到进入最基础的结构探问意向作用或功能。”据此，意向流形（或意识流形）正是胡塞尔描述纯粹意识的核心概念和工具。根据胡塞尔对流形概念的批判性理解，并参照流形的一般定义，我们可以将意向流形界定为生成表层意识行为的意识权能，其深层却可以具备与意识行为不同的复杂多维结构。 

　　当胡塞尔认定纯粹意识具有意向流形结构时，此结构同样也蕴含内蕴性、形式性和拓扑性三层含义。首先，意向流形是一种从外在视角向内蕴视角还原的结果。意识现象学执行的还原操作本质上是由外及内的态度转换。在胡塞尔看来，自然态度是人们在日常生活中对各种事情所采取的习以为常、信以为真的默认思维方式。但这种态度无法刻画存在本身的起源，因为自然态度并不自然，它已受到近代科学思维方式的影响。还原是对此态度的彻底转换：一方面是从经验性的事实领域转向先天性的合理性领域，在纷纭的日常现象中找到稳定的本质结构，这也是本质还原和本质直观的由来；另一方面是从客体的实在领域转向构造性的理性领域，找到客观之物在主观体验中的起源，这就是超越论还原或者说超越论反思的内涵。纯粹意识的意向流形正是此双重还原所揭示的嵌入世界现象的基本结构。在胡塞尔的具体研究中，意向流形的内蕴性尤其体现在对时间意识与空间构造的研究中，他所谓的时间流形与动觉流形就意味着从关于客观时空外嵌的、度量的考察，转向关于时空意识内在的、结构的刻画，这与黎曼流形的基本意向是一致的。 

　　其次，意向流形是一种形式性的、构造不同区域的自身关联。对胡塞尔而言，现象学只有作为超越论才是可能的，这里的超越论不仅意味着纯粹意识具有一种构造起超越自身之物的能力，同时也意味着具有一种不断自身超越的能力。正因为具有了这种超越自身与自身超越的能力，意向流形才能够在构造诸质料区域（物质自然、动物自然、精神世界）的同时不落入这些区域，它本身就是一种贯穿了所有构造区域的形式性的绝对存在。在质料区域内部的综合以及在此基础上的立义行为，都受制于特定的种属先天和整体—部分关系，但能够遍历所有区域的纯粹意识本身却不为此所限制。流形作为“原区域”是其所具有的形式性结构，这尤其体现在纯粹体验的时间性上。胡塞尔在立义模式下的回忆与具有流形结构的滞留之间作出了根本的区分：滞留不同于客体化的回忆行为，它是标识意识相位与意识相位之意向关系的流动的位置概念。在此区分的基础上，他进一步赋予意向流形以滞留、原印象、前摄为要素的时间性结构。正如黎曼的流形概念以其形式性统一了不同类型的几何，意向流形也以其形式性统一并为不同质料区域奠定了基础。 

　　最后，也是最重要的，意向流形是一个多维的体验统一，以时间性为基本架构、以本我为中心，具有一种流动的发生形态。在多维性上，它可以凭借时间相位的不同维度的构造关联区分出不同层次的意向建制。横意向性：滞留—前摄构造出内在时间客体，包括立义行为、立义内容和立义对象等。纵意向性：滞留—前摄自身构造为同一的内时间河流。纵横意向性持续交织构造、自身呈现为二维连续统。活的当下：滞留—原当下—前摄尚未进入纵向的流动，自身以环状流形的方式存在，呈现为一种前“绽出”的一维流形。如此，意向流形从整体上展现为原河流的一维流形持续分异为前摄—滞留的二维连续统。对此，胡塞尔总结道：“原河流是一条河流、一个连续性，它自身将在各方面未被限制的一维连续统构建为它的相位。但是，这个总体的双重连续统（一个双重持续的点流形）在两个‘半平面’中自身构造为一个双重的河流，每一条河流在一个二维的、被一个一维流形单向限制的连续统中构造自身。两个连续统在这个一维流形中相切。”被动发生或者说习性发生，也就展示为二维连续统的内部循环。 

　　意向流形的相关性和本我性建立在多维的时间结构之上。在意向流形中存在一组基本的区分，即能思（noesis）与所思（noema），它们构成了意向性的两个不同方面：意识总是关于某物的意识，能思是“某物之意识”的侧面，而所思是“意识到的存在”的侧面。在胡塞尔看来，二者都是意向流形的内在组成而非流形之外的立义构件，他称之为构造性的能思/所思流形。这种相关性既不能理解为主观与客观的外在对立，也不能理解为内在对超越的单向奠基，它展示的是诸能思与诸所思在意向流形的多维性中的顺次建基、交错引发的流形结构。在意向流形中，所思也是构造性的，不仅是行为相关项的对象统一性，同时也是贯穿能思之信念特征的意义构型，甚至是支撑意识之设定综合的纯X本身，这些构成了完整所思的不同层级。概言之，借用胡塞尔的刻画，“诸意向性在能思和所思中以层级的方式相互建立，或者不如说是以独特的方式彼此嵌套”，从而形成相互关联且彼此奠基的意向流形。 

　　在这种意向流形的多维双向构造中，不同层次的本我作为流形中的某种“不动点”得到了规定：原自我存在于活的当下的一维流形中，而作为其前史的前自我源自构造活的当下的前时间化；习性自我生成于具体当下对横纵意向性的二维连续统的构造，而实显自我则是二维连续统在横意向性上极化的结果。不同层次的本我以建基的方式相互连通，保证了意向流形的自身统一性。胡塞尔对意向流形的这些“一与多”关系的讨论都可以视为对意识的拓扑性的研究，并且这种拓扑性最终是一种发生。 

　　胡塞尔从感知流形入手，对多维的意向流形结构进行了深入的探索。有必要强调，此项研究在20世纪初便已开始，由于其直接批判性地吸取了当时数学的最高成就，因而远早于人工智能和神经科学界对流形的运用。更重要的是，意识现象学不仅与人工智能、脑科学一道以感知流形为构造对象，并且都贯彻了流形的基本特性，从而与这些学科在认知模式上具有了内在的统一性，而且由于其基础地位，进而也展示出借助意向流形再次为现代科学建立意义基础的强大潜力。 

　　事实上，对于感知流形涉及的恒常性问题，在20世纪80年代以来逻辑学的认知转向中同样有所考虑。这集中呈现在巴威斯和佩里的情境语义学中，他们将感知恒常性界定为“被感知世界的稳定性（stability），相反于相应的映像和感知的不稳定性（instability）”，而在连续观看时形成的“映像流”或视觉连环序列，则表征为一种情境的语义结构——他们以对象在时间—位置序列中的持续肯定，在形式上刻画了这一复杂感知事件。此项工作一方面接续了德雷斯基将信息概念引入认识论的思路，另一方面导向了感知流形涉及的信念问题，即如何在逻辑上刻画信念的修正与持存才能体现感知情境变化中的信念保持？而这实际上通向了人工智能研究中的信念表征问题，也就是将信念状态在命题集的意义上界定为系统的信念空间。可见，逻辑学的认知研究已为感知流形框架和人工智能的交互作出了尝试，问题是如何结合意识现象学对感知流形的分析，进一步澄清情境信息与信念的关联结构。 

　　在意向流形的基础上，我们来看流形学习与神经流形可能的哲学机制。以图像的感知—记忆为例，目前人工智能对于自注意力机制的研究，目的在于以计算的方式模拟出图像对象内部的特征化结构，这是“吸引”意识转向并进行关注的基础。在意识现象学中，这种前对象的差异结构被胡塞尔称为触发性的地势（Relief），“这一方面意味着一种统一性，另一方面意味着不同的单一要素的峰值差异，最终还意味着整体性的增强或减弱的可能性，只要根据活的当下的转变触发性的地势可以更明显地突起或者敉平”。模型架构所体现的信息的共时性，正是在感知场中进行对象整体把握的结果，但要探究这种触发究竟以何种方式在意识中被动地发生，仍需引入感知的流形结构。 

　　在图像识别中，同一事物的图像可能千差万别，直接通过机器学习抓取显性主要特征进行判别分析可能导致庞大的运算量和较低的拟合度，而如果这些图像的确刻画了一个基本对象，那么这些位于数据空间Rᴰ上的数据点xᵢ，可以通过某种非线性变换（流形算法）映射到yᵢ，后者分布在嵌入数据空间Rᴰ中的低维流形Rᵐ上，这不仅降低了数据的维度，同时也显化了数据的内蕴结构。这种流形学习的降维转换模拟的正是感知—记忆的自行运作，其实质是将立义对象还原为基本范畴和本质支撑下的质素流形。在神经流形层面，记忆过程是将外界环境的高维信息降维转化为低维流形上的印象，同时连续的诸印象将在过程中收敛到某种“记忆吸引子”，从而整体被标记为同一事物的记忆。回忆则是对降维过程的逆运作，但初始信息的缺失会导致在整体场景的重现中出现一定的自由度，原初的想象空间就此产生。从意向流形结构上看，图像对象本身具有一种跃出时间序列的共时性，所谓还原首先是从这种超越的共时还原到内在客体的记忆时间。在此，实体的感知转化为记忆流形，而这种记忆流形的收敛性或者说同一性构造仍建基于更深的维度，即意向流形的所思之内核（noetische Kern）。在此意义上，意向流形的多维构造为神经流形的统计性描述提供了相关性的解释，同时也对记忆运作的先天条件进行了说明，而流形学习则是在神经流形假设下对感知与记忆关联的数字模拟。 

　　在此例证中，意识现象学强调的意向流形对世界的构造始终在起着基础和先导作用。流形学习中的映射和降维建立在世界的显现之上，它们仍是对世界和存在的反映，因为科学家为人工智能设定的任务本身就源自世界，在此意义上，它们不能改变，相反必须合乎周遭世界（包括世界中物）在意向流形中的显示方式，甚至可以说，流形的诸维度本身就是这些显示方式的综合形态。作为流形学习之范本的神经流形更是如此，质素流形与本质的关系只能存在于意向流形的纵横二维连续统中，所谓记忆流形也正是此连续统的表达，而起到触发作用的记忆吸引子，则必须首先在意向流形的活的当下与所思核之间的构造关联中获得定位，随后才能激活在此构造关联，也即在此所谓的时间秩序上被安置的某物，这其实也是神经流形的运作必须以我们在意向流形中对世界的构造为基础的表现。 

　　从符号主义到流形学习，从神经元到神经流形，从意识行为到意向流形，三门学科的流形概念之间具有深刻的理论同源性和复杂的历史交织。但我们仍然需要追问，作为对认知的理论研究，三者之间究竟有着怎样的规律性纽结？该问题至少包含以下三个维度：意识与意向流形、脑与神经流形、智能与流形学习之间在认识论上的关系；意向流形、神经流形与流形学习三种“理论”在科学论上的关系；意识、脑与人工智能三种“存在”在本体论上的关系。 

　　一是认识论关系。意向流形、神经流形与流形学习分别是意识现象学的典范理论、脑科学的最新进展和人工智能的潜在方向，它们是各自领域中的一种理解范式。承认这种范式以及范式再次革命的可能性，意味着不能直接在理论（如意向流形）与理论对象（如意识）之间画等号。相反，同一理论对象可以有不同的描述方式，如同一个流形可以在内蕴与外嵌的视角下建立不同的理论。据此，有必要区分与理论对象相关的本体论方面，以及由关于对象的命题组成的命题学层面，或者按照胡塞尔的说法，区分“实事间关联”与“真理间关联”，它们一起才构成了科学的统一。换言之，对象与理论在认识论上的基本差异奠定了科学论上的本体论与命题学的区分，而这种特殊的认识论关系本身并非简单的符合论，而是一种随流形的思维方式而深化的“流形论”。在对象—理论的差异中，理论中的对象及其意义是由理论公理所确定的，这种由法则所限定的对象本身就被称为流形；关于对象的理论也不是任意建构的，它受到对象所固有的范畴结构的约束，并且只能是后者的理论化，即便这种理论化如在流形上建立的坐标一样只具有相对的意义。就此，意向流形其实是对意识现象进行理论反思的成就。 

　　二是科学论关系。在新的认识论基础上，可以指认出意向流形、神经流形与流形学习三种理论的同构性，即它们是同一个理论模式（流形模式）的不同特殊化产物。该理论模式的形式性意味着意向流形贯穿了不同构造性区域；内蕴性使得三者都具有在高维空间或世界中寻找低维流形的基本结构；拓扑性则是三者建构起内部的新型局部—全局关系的构图。在这种理论模型中，意向流形、神经流形与流形学习之间存在范式上的同一，它们在结构上相同并且能够解释不同层次的本体论对象。从现象学科学论看，意向流形解释的是基础本体论上的对象，即奠基性的纯粹意识及其心理学形态；神经流形解释的是质料本体论中动物自然区域，或者说生理区域上的对象，更具体地说则是大脑；流形学习解释的是形式本体论上的对象，即人工智能。其中，只有质料本体论是区域性的，基础本体论与形式本体论都是跨区域的，但前者是作为构造之基础的原区域，后者是作为形式化之成就的空区域。流形作为同一的理论模型就贯穿在原区域、质料区域和空区域的理论研究中。 

　　三是本体论关系。三者真正的统一性不仅来自其理论模式的同一，也来自其理论对象的内在关联，即本体论上意识、脑与人工智能的发生式统一。意向流形、神经流形与流形学习都是对于认识的某种刻画：意识的意义构造是认知的超越论根据，脑的生理功能是认知的物质基础，而人工智能的形式结构是认识的先天架构。意识、脑与人工智能在本体论上并不同一，分别遵守超决定性原则、因果性规律和确定性法则，但从现象学来看，它们实则处在一个统一的发生序列中，由认知在不同层面上的自身认识所揭示。我们首先拥有的是对于意识的自识，进而才能通过将主体性从客观世界中剥离出来从而进行对认识的客观研究。在质料本体论上，我们构造出了作为科学对象的大脑与神经系统，而这种自我抽离的合理化进程会进一步形式化出作为确定的演绎系统的普遍数学，这种形式本体论上的观念存在就是人工智能的本质。在此意义上，作为“纯意识”的表达，意向流形是对纯粹意识的本质化或形态化，我们可以在意识体验的基础上刻画出其本质形态，神经流形是对意向流形的自然化或质料化，它将纯意识降格为自然科学的“准意识”，而流形学习首先是对神经流形、更根本的是对意向流形的形式化或数字化，它最终彻底独立为一种数理的“类意识”。 

　　综上，我们可以从结构与发生构造序列两个维度来论述三种流形之思的统一。在现有研究中，人工智能、神经科学与意识哲学三者之间不仅缺乏统一性，而且由于研究对象的实体性甚至有陷入封闭性之嫌。比如，由于训练人工神经网络的反向传播算法与大脑神经网络的单向传递机制无法兼容，便难以打通两个学科区域。流形赋予了三门学科以统一性，通过形式性、内蕴性和拓扑性的协同作用，可以在智能的信息建构、神经的集群活动以及意识的构造中发现相同的流形运作模式，这意味着三种流形之思具有结构上的同一性。而三者的运作模式之所以在结构上相通，则是因为它们本身就建立在同一个发生构造序列之中：意向流形作为纯粹意识的本质形态，是感知流形和神经流形的基础；神经流形并不独立，唯有基于对意识活动及其流形结构的直接体验，才能获得对质料性的神经集群活动的基本理解（如只有知道了感知和回忆的流形结构，才能在脑成像中找出对应的神经集群活动）；流形学习是对神经流形的进一步模拟，实则为一种根据神经流形模拟出信息编码的智能模式，一种突破了碳基的生物学限制对神经流形的形式化的复刻计算。三者之间的类型差异，只是在同一发生序列中不同阶段的体现。通过发生序列的构造，不同区域间基础法则的不相容可以得到协调。近年来，神经流形与流形学习的汇通已在神经几何学的快速发展中有所体现，而以意向流形为其提供哲学基础，则是意识哲学的重要任务。 

　　三种流形之思统一于纯粹意识，但问题显然没有结束，我们仍然需要追问，统一的根据何在？这才是问题的根本。尽管胡塞尔用“流形”刻画纯粹意识的本质形态以及超越论构造的基本结构，但正如他本人明确强调的，意识流绝非真正的数学流形，而这正说明，胡塞尔的意识现象学绝非在数学公理化的精确层面上使用流形概念，相反，他取用的是此概念更广泛、更基础、更严格的哲学—科学论意涵。而这恰恰应该成为我们真正的立足点和起点。 

　　实际上，黎曼使用的流形概念并非公理化意义上的，他在最初提出此概念时甚至将康德的直观模式当作了批判的对象。这一点对于理解流形的原始含义特别重要——黎曼本人对流形的理解一开始就带有了原形式甚至存在的意味。换言之，流形在公理化之前恰恰是数学和哲学所共有的，科学与哲学在此刻相互交融，科学论的基础甚至就在于哲学，而哲学的基础作用就体现在人的直观能力能否构造“支撑”各种公理化和区域存在的原形式。在此线索中，胡塞尔对流形是有内容的强调，以及在纯粹意识构造连续统这一问题上的持续努力，可视作从意识现象学上对黎曼的康德批判的回应和接续。也就是说，胡塞尔从直观和存在上对流形的讨论，延续了黎曼以及那个时代诸多数学家的努力。其实，这也是他的意向流形时至今日仍能统一流形学习和神经流形的原因。 

　　每个时代的整体知识结构，尤其是作为基础和开端的数学，对相应时代的哲学的诞生都起到了建基作用。笛卡尔和洛克坚持不同的无限观念，开启了不同路向的哲学；康德抽取出经典数学以及经典物理学尤其是牛顿力学的基本概念和理论分层中的认知论要素，对先天综合判断何以可能作出了回答——他们都批判性地从认知模式上解决了主体与世界的同构性问题。从我们正身处其中的哲学世界看，现象学、分析哲学都与非欧几何运动尤其是流形论和集合论酝酿出的数学革命密切相关。胡塞尔通过对流形论的吸收和改造，提出了本质直观这一创生本质的新的直观模式；罗素基于集合论悖论，引入了摹状词理论和类型论逻辑，进而尝试重新构筑数学理论基础；实用主义则对同时期的物理统计力学、生物演化论多有借鉴——这些思潮在“存在”上对绝对流（或纯粹经验、生活形式等）之内结构的探索，不仅深刻回应了时代的整体知识结构，而且一直在尝试为这些科学范式提供意义和存在基础。 

　　但毋庸讳言，从流形之思统一的根据看，胡塞尔最终未能从纯粹意识的构造上解决连续统等原形式的来源问题，他为意识哲学的未来研究留下了巨大的空间。上文在揭示意识哲学、脑科学和人工智能的本体论的关联时，其实也未曾说明纯粹意识能够成为诸质料和形式区域的原区域，以及能够成为诸区域的范畴关联的原范畴的根据何在，而只是强调了其“流形”的本质结构使其能在认识模式上为诸学科提供统一。尽管胡塞尔晚年对这些问题已有反思，并且明确将生活世界以及生活的意向之链指认为数学观念化的基础，但他最终仍未能解决这些难题，而这些问题可能才是意识哲学真正的难问题。 

　　如今，我们面对的世界显然更为复杂，需要解决的问题也更为紧迫，因为神经科学和人工智能等现代科学与技术尽管仍可归入胡塞尔等人所构想的质料和形式科学，但其对世界的改变已远超他们的想象，其在日常生活中的异化状态甚至有窃取基础本体之嫌。对此，哲学不能止步于寻求诸学科的统一，而应进一步追问统一的根据何在。这意味着，我们必须通过对科学论之基础的持续批判，追问如何在现实的生活关联中揭示使流形得以产生的原形式，追问如何持续地创生新的、有待被诸科学占用的原形式，并在此基础上不断创造出新的意义和存在的空间。 

　　人工智能、神经科学与意识哲学对于认知能力的不同层面的处理，构成了当代哲学、科学与技术的整体思想关联。受惠于这场现代知识革命，它们不约而同地还原了传统的实体性研究思路，采用了一种形式的、内蕴的与拓扑的流形模式来解释心灵的认知能力。在此认知模式中，智能、脑、意识，这三种本体论上的独立存在，不仅各自具有严格的认识论原则，而且在发生序列上展示出了统一性。流形模式下的哲学—科学论至少能够推动两个方向的研究。一是未来全新的综合性交叉研究。比如，对于流形在三门具体学科中的运用，可以追问：神经流形的新发展能否为探究通过反思方法难以揭示的意向流形的深层存在提供引导？意向流形的基本结构能否启发流形学习的智能建构？人工智能所建立的新的存在机制能否突破意向流形的边界？尽管这些问题目前尚待研讨，但在“认识你自己”面前，任何囿于单一学科领域、无视其他领域进展的研究都很难发挥建基作用。就此而言，基于流形模式，推动人工智能、神经科学与意识哲学的交叉研究，将为理解现实世界产生积极影响。二是面对包括流形在内的各种科学进展重建哲学的基础观念。哲学的超越性不应成为无力回应现实存在的托词。进入时代的整体知识和存在结构，无疑需要科学论的导引，但这并不意味着哲学只能限于科学论。随着以流形为基础的综合交叉研究的持续深入，我们不仅应着力在多维的生活关联和科学关联中，探索人机的本质界限、心灵的本质存在，而且也应基于流形在物理学等物性科学上的运用，重塑心—物的哲学观念，进而在新的人性论的基础上重塑世界的意义基础。深入各种原形式之中，进而创生出新的形式关联，这是开创性哲学的必由之路。 

　　〔本文注释内容略〕

　　原文责任编辑：崔晋 责任编审：莫斌