在艾萨克·牛顿于 1687 年写下万有引力定律之前,人类已经在引力之下度过了大约 1.4 万亿人年的生命。这些人每一个都见过苹果落地、河水向低处流、月亮划过夜空。如果所有这些“看”都会留下一道痕迹呢?一个文明如果足够专注地注视一个新想法,是否有可能改变现实本身?

这就是我称之为集体感知痕迹理论(Collective Perceptual Trace Theory,CPTT)的理论背后的问题。下面我把它写成数学,算出具体数字,用真实的物理加以检验,并坦白地说明这个模型能说明什么、不能说明什么。完整的 13 页报告可在文末免费下载。

一分钟看懂

  • 核心想法:每一次感知某个事物,都会为一道共享的“痕迹”添上一笔。记忆、语言、文字和科学把这道痕迹变成稳定的共享模型,比如牛顿定律。
  • 关键数字:在牛顿之前,人类对引力的模型化痕迹约为 3.8 × 1030 个神经元快照。
  • 思想实验:如果 80 亿人全神贯注于一个新想法(比如反引力),大约 174 年就能追平这道痕迹。
  • 诚实的结论:集体表征的数学是成立的。信念直接作用于物理定律的效应并未得到证明,这些数字中也推导不出任何基本常数。报告明确写出了需要什么样的实验。
3.78 × 10301687 年之前关于“引力”的神经元快照
1.39 × 1012从公元前 5 万年到牛顿,人类度过的人年数
≈ 174 年80 亿人追平这道痕迹所需的时间
8.8 × 1020 J所有这些生命的大脑总能量

两个层面:看见世界与改变世界

每个观察者都会在内心构建一幅不完整的世界图景。重复让它变得熟悉。交谈、书写、照片、测量和三维模型,把这幅图景的一部分从一个个单独的头脑中搬到共享的媒介里。最终,一个文明把数以百万计的分散经验压缩成一条简短的预测性定律。牛顿的引力定律就是经典例子:一个公式,既解释苹果落地,也解释月球的轨道。

CPTT 严格区分两种主张,因为它们需要截然不同的证据:

层面 A · 表征

共享的观察如何积累、消退,并压缩成共同的模型,比如牛顿定律。这里用的是普通的数学,可以用心理学、历史学和信息科学的数据来检验。

今天即可检验

层面 B · 改变

大胆的主张:高度集中的集体注意力可能改变物理现实本身。这需要一种新的物理相互作用以及独立的实验。目前没有测量到任何此类效应。

开放假说

什么是“痕迹”?

痕迹是针对某一目标 R 的感知的模型化记录:“物体会落到地上”“引力是普遍的”,或者“悬浮可能存在”。它可以存在于大脑、照片、科学论文或某个机构之中。痕迹可以引发巨大的社会和技术变革。但痕迹的存在并不能证明它所涉及的主张。关于神明、反引力或某种新力的观念在这里一视同仁:它们是假说或信念,而不是经由重复就得到认证的事实。

知识就是压缩

用最小描述长度原理的语言来说,好的模型能让数据的描述变得更省。模型本身加上它未能解释的部分,必须比原始观察更短:

L(模型) + L(数据 | 模型) < L(原始数据)有用的定律会缩短对世界的描述
F = G · m1m2 / r2牛顿万有引力定律:数以百万计的经验浓缩为一行

这个不等式是要在真实数据和真实模型上运行的检验,并不意味着每个优美的公式都是正确的。牛顿定律在其适用范围内有效,后来广义相对论又对这一范围作了修正。

核心方程

计算集体痕迹最简单的方法,是随时间累加以下几项:当时有多少人、每个人有多少神经元、我们多久做一次“快照”,以及这些活动中有多大比例指向目标 R:

AR(T) = ∫t0T N(t) · n · fh · qR(t) dt目标 R 从时刻 t₀ 到时刻 T 的累积痕迹
符号含义采用值
N(t)时刻 t 在世的人数历史重建
n每人的神经元数(成人参考值)86 × 109
fh快照频率,按约定为每次心跳一次每秒 1 次
qR(t)分配给 R 的活动比例(0 到 1)1(上限)
t0, T时段的起点与终点公元前 5 万年 → 1687 年

每秒的痕迹流量就是 ΦR(t) = n · fh · N(t) · qR(t)。

需要说清楚这里计的是什么:它是一个活动代理量,而不是测得的思维次数。心跳时钟是一种简化,并不是说感知随心脏跳动而“滴答”。令 q = 1 是数学上的上限,并不代表真实的心智状态。没有人会整天想着引力。

重复不等于独立证据

如果一个人每天看同一样东西,原始痕迹会增长,但独立证据并不会以同样的速度增长。对于 m 次彼此相关系数为 ρ 的观察,有效的独立样本数为:

meff = m / (1 + (m − 1)ρ)ρ = 0 → 每一次观看都算数 · ρ = 1 → 十亿次观看只算一次

完美的记忆不等于完美的独立性。仅这一行公式,就能防止一个信念被重复十亿次后冒充十亿次独立测量。

在牛顿之前,人类“注视”了引力多少次?

取从公元前 5 万年(这是建模边界,不是意识的起点)到 1687 年(《原理》出版之年)这段时期。美国人口咨询局(Population Reference Bureau)给出了几个锚点:公元前 5 万年 200 万人,公元前 8000 年 500 万人,公元 1 年 3 亿人,1200 年 4.5 亿人,1650 年 5 亿人,1750 年 7.95 亿人。在对数尺度上把它们平滑连接,就得到下面的曲线。

公元前 5 万年至 1687 年世界人口的对数坐标折线图,从 200 万增长到牛顿《原理》问世时的约 5.94 亿
图 1. 根据美国人口咨询局锚点重建的人口曲线。对其积分,得到牛顿之前共 1.39 × 10¹² 人年。

对这条曲线积分,得到 1.3913 × 1012 人年。再乘以 860 亿个神经元和每年 31,557,600 秒,结果是:

AG ≈ 3.78 × 1030 个神经元快照  ·  Φ̄G ≈ 2.31 × 1018 次/秒初步估算采用 1.269 × 10¹² 人年,得到 3.44 × 10³⁰,低 9.6 %
这个数字不是什么。它不是香农信息量,不是测得的熵,也不是物理阈值。出生人数也不等于人年:在这段时间里约有 877 亿人出生,但痕迹取决于他们活了多久,所以我们对人口随时间积分。

思想实验:80 亿人与反引力

现在设想今天的 80 亿人把全部感知都投向一个新概念,比如反引力。我们只把牛顿之前的引力痕迹 A* 当作一把标尺,并不假设达到它就会产生任何力。在人口恒定且没有遗忘的情况下:

t* = A* / (Nc · n · fh · q)追平标尺痕迹所需的时间
80 亿人在 320 年间的痕迹累积图:全神贯注时在第 174 年越过牛顿之前的引力痕迹,记忆为 500 年时在第 214 年越过,一半注意力时 300 年内未能越过
图 2. 在三种注意力与记忆假设下,今天的人类能以多快的速度追平牛顿之前的引力痕迹。
  • 全神贯注(q = 1):按初步估算的痕迹约需 159 年,按重建的痕迹约需 174 年。
  • 十分之一的注意力(q = 0.1):分别约需 1,590 年和 1,739 年。
  • 全神贯注,但记忆在 500 年尺度上消退:约需 214 年。
这个思想实验为什么有局限。十亿人反复说“引力不存在”,只能证明这种信念很普遍,并不能证明下落加速度发生了变化。集体的努力确实会改变物理世界,但方式是间接的:它激发实验、技术、制度和发现。信念直接改变 G 的情况尚未得到证明。

记忆、遗忘,以及一个想法“定型”的时刻

真实的记忆会消退。给输入流 J 加上一个遗忘时间 τ:

dAR/dt = JR(t) − AR(t)/τ恒定输入 → A(t) = Jτ (1 − e−t/τ),平衡值 Aeq = Jτ,约 3τ 后达到 95 %

有两个推论很重要。第一,在完美记忆下(τ → ∞),痕迹永远不会稳定下来,只会不断增长。第二,如果一种文化遗忘得很快,某个目标可能永远无法企及:当 τ = 50 年时,平衡值低于引力标尺,因此即使 80 亿人全神贯注,也永远追不上它。

一个想法还可能在重复停止之前很久,就已经变得“理所当然”。为了描述这一点,模型加入了一个会饱和的巩固指数:

CR(t) = 1 − exp(−AR(t) / A*)当 A = A* 时,C = 1 − 1/e ≈ 63.2 %
巩固指数的饱和曲线,从 0 向 1 上升,在一个巩固尺度处经过 63.2%
图 3. 一个假设的巩固指数。63.2 % 这一点是指数曲线本身的性质,而不是被发现的阈值。

63.2 % 来自我所选择的指数曲线,它并不是被发现的心智阈值。其他文化过程可能需要其他曲线。

现实检验:能量与熵

一个感知模型至少应当与大脑的物理相符。清醒成年人的大脑功耗约为 10–20 瓦。若牛顿之前的每一人年都按 20 W 计算,总代谢预算约为 8.8 × 1020 J。这是整个大脑的能量,而不是花在引力上的能量。

物理学确实把信息和热联系在一起。兰道尔原理(2012 年得到实验证实)指出,在温度 T 下擦除 1 比特至少要消耗 kBT ln 2 的能量。在体温(310 K)下,这约为 2.97 × 10−21 J。如果纯粹为了说明问题,假设每个神经元快照都相当于擦除 1 比特,那么牛顿之前的全部痕迹只需要约 1.1 × 1010 J,比大脑实际消耗的能量少约 780 亿倍。大脑不是理想的擦除器,感知也不是擦除。

Ṡheat ≈ P / T = 1.6 × 1011 W / 310 K ≈ 5.16 × 108 J K−1 s−180 亿个大脑散热的真实热力学熵产生率 · ≈ 5.4 × 10³¹ 兰道尔等效比特/秒

这个熵产生率是一个真实的物理量。但它仍然不能衡量意识信息、信念,或所谓的“人类之熵”。

痕迹能解释 G 或 ħ 吗?不能,原因如下

人们很容易把一些大数乘来除去,直到凑出一个看起来像牛顿常数的东西。但那不是推导。神经事件的计数里没有米、千克或焦耳·秒。举个例子:每个神经元在每次一秒快照中的能量约为 2.33 × 10−10 J。把它称作“作用量”,就得到 2.21 × 1024 ħ。改变所假设的时间间隔,这个数字就跟着变,所以它既算不上吻合,也不是不变量。

常数数值(CODATA 2022)与 CPTT 的联系
kB1.380649 × 10−23 J/K真实 熵与擦除下限
ħ1.054571817 × 10−34 J s无 没有自然的对应
G6.67430 × 10−11 m3 kg−1 s−2无 不可能来自纯粹的计数
tP5.391 × 10−44 s无 与心跳快照毫无联系
κ = 1/τ取决于模型模型 记忆弛豫,并非普适

熵与引力之间确实存在真实的桥梁,值得了解。贝肯斯坦–霍金公式赋予黑洞一个与其视界面积成正比的熵:S = kBc3A / 4Għ。泰德·雅各布森从局部视界的热力学推导出了爱因斯坦场方程(1995)。埃里克·韦尔兰德提出了一个有争议的观点:引力是一种熵力,F = T ∂S/∂x(2011)。这些理论计算的是时空的物理状态,而不是人类的观察。它们都不支持由观察者驱动的 G 的变化。

“现实生成”如何检验?

这个理论的强版本需要一个具体的物理机制。最小的可能形式,是牛顿常数与一个可测量的集体巩固指数之间的耦合 λ:

Geff(t) = G0 [1 + λ · CR(t)]λ 是一个假设的无量纲耦合常数。目前尚未发现非零的 λ。

一个公平的检验必须:

  1. 定义 CR 的测量方法,而且必须在查看任何结果之前定好;
  2. 对“有注意力”和“无注意力”两种条件进行随机分配或仔细匹配;
  3. 进行盲法的高精度引力测量;
  4. 控制温度、振动、潮汐、仪器漂移和常规作用力;
  5. 预先注册统计方案,并由独立实验室重复验证。

这很难。即使是今天对 G 最好的测量,彼此之间的分歧仍大于它们的误差棒所显示的范围(2026 年在 NIST 用 BIPM 扭秤重新测定引力常数就是一个很好的例子)。

假说可以测量什么状态
文化巩固观念采纳、共识程度、记忆保持、传播网络可行
知识压缩模型长度与留出数据上的预测误差之间的权衡可行
信息效率在明确定义的学习任务中,每焦耳保留的独立比特数可行,但困难
直接引力耦合与独立测得的 CR 挂钩、事先声明的引力测量变化缺乏支持
ΞR = I保留, 独立(R) / E获取 + 维持  [bits/J]对应第三行的可测量“信息效率”

同样的审慎也适用于宗教和文化。共同的信念可以催生真实的建筑、仪式、文本和制度。这些是由信念驱动的行动所产生的物理效应,并不能确定该信念所指的超自然对象是否存在。这个框架必须把“测量一种信念”与“检验这种信念所指的内容”区分开来,否则推理就会陷入循环。

这些数字确立了什么

核心综述。CPTT 中定义明确的核心,是一个关于集体表征如何积累、衰减并压缩成共享模型的理论。把它扩展为关于改变物理现实的理论,则是一个独立的研究问题,需要一种新的、可测量的耦合。
  • 在明确陈述其假设之后,这些方程作为代理量在内部是自洽的。
  • 牛顿之前的引力痕迹:3.44 × 1030(初步估算)或 3.78 × 1030(人口重建)。
  • 80 亿个全神贯注的观察者将在 159 年或 174 年内追平它。
  • 有限的记忆给出真实的弛豫时间和平衡值。兰道尔下限给出一个能量基准,P/T 给出真实的熵产生率。
  • 没有推导出任何基本常数。没有证明意识对引力存在直接的因果效应。历史计数也无法预测发现必然在何时发生。

已知局限

  • 史前人口极不确定,以公元前 5 万年为起点也是任意的。
  • 成年人的神经元数不能原封不动地套用于儿童或历史上的每一位观察者。
  • 心跳并不是经过验证的“快照时钟”,qR 也从未被测量过。
  • 重复的痕迹高度相关,因此重复不等于独立证据。
  • 熵(J/K)、信息(比特)、能量(J)和原始计数是不同的量。
  • 衰减律和饱和律是可行的假设,并未用数据拟合。

自己验证这些数字

本文中的每一个关键数字,都根据公开的锚点独立重新计算过。整个计算只需几行 Python:

import math
yr, n, Nc = 31_557_600, 86e9, 8e9           # 秒/年、神经元数、当今人口
A = [(-50000,2e6),(-8000,5e6),(1,300e6),(1200,450e6),(1650,500e6),(1750,795e6)]
seg = lambda a,Na,b,Nb: (Nb-Na) / (math.log(Nb/Na)/(b-a))   # 精确的对数线性积分
N1687 = 500e6 * math.exp(math.log(795/500)/100 * 37)        # ≈ 593.6 百万人
P = sum(seg(*A[i],*A[i+1]) for i in range(4)) + seg(1650,500e6,1687,N1687)
trace = P * yr * n
print(f"person-years {P:.4e}")                    # 1.3913e+12
print(f"gravity trace {trace:.3e}")               # 3.776e+30 个神经元快照
print(f"years to match {trace/(Nc*n)/yr:.0f}")    # 174
tau = 500*yr; J = Nc*n
print(f"with 500-yr memory {-tau*math.log(1-trace/(J*tau))/yr:.0f}")  # 214

资料来源与证据

  1. 英国皇家学会(Royal Society,2014),Principia 第一版(1687)。royalsociety.org
  2. Kaneda, T. & Haub, C.(2022),“How Many People Have Ever Lived on Earth?” 美国人口咨询局(Population Reference Bureau)。prb.org
  3. Azevedo, F. A. C. 等(2009),“Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled-up primate brain.” J. Comp. Neurol. doi:10.1002/cne.21974
  4. Regulation of Cerebral Metabolic Rate,NCBI Bookshelf。ncbi.nlm.nih.gov
  5. Bérut, A. 等(2012),“Experimental verification of Landauer’s principle linking information and thermodynamics.” Nature 483:187–189。nature.com
  6. NIST CODATA(2022 年调整),Recommended values of the fundamental physical constants。physics.nist.gov
  7. “The Minimum Description Length Principle”(2016),美国心理科学协会(Association for Psychological Science)。psychologicalscience.org
  8. Bekenstein, J. D.(1973),“Black Holes and Entropy.” Phys. Rev. D 7:2333。doi:10.1103/PhysRevD.7.2333
  9. Hawking, S. W.(1976),“Black holes and thermodynamics.” Phys. Rev. D 13:191。doi:10.1103/PhysRevD.13.191
  10. Jacobson, T.(1995),“Thermodynamics of Spacetime: The Einstein Equation of State.” Phys. Rev. Lett. 75:1260。doi:10.1103/PhysRevLett.75.1260
  11. Verlinde, E.(2011),“On the origin of gravity and the laws of Newton.” JHEP 2011:29。doi:10.1007/JHEP04(2011)029
  12. Schlamminger, S. 等(2026),“Redetermination of the gravitational constant with the BIPM torsion balance at NIST.” Metrologia。doi:10.1088/1681-7575/ae570f

资料说明:人口历史是根据稀少的证据重建的。各常数和生理参考值有实证支持。快照映射、巩固函数和假设的耦合 λ 是 CPTT 引入的。数值刻意作了四舍五入,以反映各项假设的不确定性,而不是测量精度。

你怎么看:有没有比心跳更好的时钟,或者比 q 更好的“注意力”度量?欢迎就任何一个方程向本页的 AI 助手提问,或在下方留言。