《Neuroscience of Consciousness》：Now is the time: operationalizing generative neurophenomenology through interpersonal methods
编辑推荐：
本研究针对传统意识科学研究中个体视角与社会互动脱节的问题，提出“生成性神经现象学”(GNPh)这一整合框架。通过结合第一人称现象学方法(1PP)与多人神经科学(3PP)，并运用计算建模工具，研究团队将意识研究从个体层面拓展至人际互动领域。该框架在自闭症母子互动和家庭治疗等临床场景中验证了其解释力，为精神病学提供了将生物、体验和社会维度相结合的新范式，标志着意识科学正式迈入关系性研究的新阶段。
意识究竟是个体的私人体验还是社会互动的产物？这个古老的问题正随着认知科学的发展迎来新的解答。传统意识研究长期困于两种对立范式：一方面，神经还原论试图将意识活动简化为大脑内部的电化学信号；另一方面，纯粹的现象学描述又难以与客观数据建立桥梁。正是认识到这种分裂，著名认知科学家Francisco Varela在20世纪90年代提出了神经现象学（Neurophenomenology），试图通过整合第一人称视角（1PP）和第三人称视角（3PP）来打破这一僵局。然而，由于当时技术手段和理论框架的限制，Varela所设想的“生成性神经现象学”（Generative Neurophenomenology, GNPh）——将研究范围从个体扩展到人际互动领域——始终停留在概念层面。
二十多年后的今天，随着多脑记录技术、计算建模方法和现象学工具的成熟，我们终于具备了实现这一愿景的能力。发表在《Neuroscience of Consciousness》的这项研究宣告“时机已到”，系统提出了操作化生成性神经现象学的完整框架。研究团队由蒙特利尔大学精神医学系的Anne Monnier、Lena Adel和Guillaume Dumas领衔，他们不仅梳理了生成性神经现象学的理论根基，还提供了具体的操作方法，并通过两个临床案例展示了其应用潜力。
研究背景凸显了当前意识科学研究中的关键局限：大多数研究仍将意识视为个体大脑的产物，忽视了社会互动在塑造主观体验中的核心作用。这种忽视在精神病学领域尤为明显，其中自闭症、抑郁症等疾病常被简单归因于个体大脑功能异常，而忽略了人际互动过程中的动态协调障碍。生成性神经现象学正是为了弥补这一缺陷而生，它将意识视为“公共事务”，强调意义和体验是在人与人之间的互动中共同生成的。
为了构建这一框架，研究团队首先澄清了“生成性”（generative）这一术语在文中的三种不同但相关的含义：生成性现象学（Generative Phenomenology），强调意识结构的人际、历史和文化构成性；生成性通道（Generative Passages），描述第一人称和第三人称视角之间动态互惠关系；以及生成模型（Generative Models），指用于模拟这些关系的计算工具。这种概念上的明晰化为后续方法论讨论奠定了基础。
研究方法上，作者团队整合了四个关键组成部分：引发参与式意义建构（participatory sense-making）的社会范式；捕捉主体间体验的现象学方法；记录多人大脑和身体活动信号的神经科学技术；以及整合多维度数据的计算建模方法。
操作化第一人称视角用于生成性神经现象学
在现象学方法方面，研究团队扩展了传统的个体现象学工具，使其适用于研究主体间体验。他们采用了从“厚”到“薄”的连续方法：厚方法如微观现象学访谈（Microphenomenological Interviews, MPIs）提供丰富的个体化描述，薄方法如结构化自我报告和体验取样更易于与生理时间序列数据关联。特别值得关注的是，研究团队开发了针对主体间维度的编码矩阵，将第一人称视角组织为两个内向维度（思维与感受、身体感知）和两个外向维度（互动、感知），这一创新使得区分个体内和人际间生成通道成为可能。
操作化第三人称视角用于生成性神经现象学
在神经科学方法方面，研究团队重点介绍了多脑神经科学（multi-brain neuroscience）的最新进展，特别是超扫描技术（hyperscanning）如何使研究人员能够同时记录互动中多个大脑的活动。他们详细讨论了用于量化脑间同步性的信号处理方法，如相位锁定值（Phase-Locking Value, PLV）、加权相位滞后指数（weighted Phase-Lag Index, wPLI）等。更重要的是，研究强调生成性神经现象学需要的是“多体神经科学”（multi-body neuroscience），而不仅仅是多脑神经科学，因此还需整合心率变异性（HRV）、皮肤电活动（EDA）、运动同步性等多模态生理行为指标。
计算方法是生成性神经现象学的粘合剂
在计算方法方面，研究团队评估了多种形式化工具在整合第一人称和第三人称数据方面的潜力。主动推理（Active Inference）框架因其能够形式化层次化自组织和马尔可夫毯（Markov blankets）的耦合而受到关注，但作者也指出其依赖强先验设定的局限性。动力系统理论（Dynamical Systems Theory）模型如Kuramoto模型和HKB模型（Haken-Kelso-Bunz model）能够展现定性不同状态之间的连续性，并映射它们之间的转换。信息理论（Information Theory）则为理解主观丰富性和不可言喻性（ineffability）及其与人际沟通的关系提供了跨领域的形式化工具。
为什么生成性神经现象学对精神病学很重要
在精神病学应用方面，研究团队指出生成性神经现象学为精神病学提供了超越长期认识论鸿沟的途径：生物学还原论与心理痛苦的生活化、关系性本质之间的隔阂。通过整合神经生物学过程、具身体验和社会嵌入性，它提供了一个强大的框架，用于将精神疾病建模为参与式意义建构（participatory sense-making）中的中断。这一转变与精神病学的文化-生态社会系统方法（cultural-ecosocial systems approach）相吻合，后者将精神障碍不仅视为基于大脑的功能障碍，而且视为意义生态中的崩溃。
案例示例
研究团队通过两个详细的案例研究展示了生成性神经现象学在精神病学研究中的实际应用。第一个案例关注自闭症谱系中的母子互动，研究共同感受（togetherness）的体验和生理支架。该研究采用多模态方法，结合微观现象学访谈、身体映射活动和包括脑电图（EEG）在内的生理信号记录，旨在识别与自我报告的共同感受时刻相关的同步性动态。这种方法不是测量个体缺陷，而是阐明塑造精神病学条件下人类体验的多样化关系动态。
第二个案例将生成性神经现象学应用于针对患有复杂心理健康问题的青少年的系统家庭治疗（systemic family therapy）。研究调查了治疗联盟（therapeutic alliance）作为动态、共同调节的现象，如何通过家庭成员与其治疗师之间的具身和语义互动而出现和波动。通过收集多人生理数据和采用治疗师注释与语言模型分析相结合的方法，该研究旨在开发尊重每个参与者视角不可还原性的可处理模型，同时突出关系治疗工作中体验的共同构成性。
研究结论强调，生成性神经现象学标志着意识科学研究范式的重大转变，将意识从私人领域重新定位为公共事务。这一框架不仅提供了研究共享体验的方法论工具，还对精神病学实践产生了深远影响，为理解心理健康的关系维度提供了新的途径。随着概念基础的确立和配套方法的成熟，现在正是操作化生成性神经现象学、深入研究意识的关系本质的恰当时机。
该研究的创新性在于它首次系统整合了现象学、神经科学和计算方法，为研究人际互动中的意识体验提供了完整框架。通过将Varela的原始构想与当代技术手段相结合，研究团队展示了生成性神经现象学如何能够促进对意识作为共同构成、关系性和历史嵌入现象的理解。这一框架不仅对基础意识研究具有重要意义，而且为精神病学、心理学和心理治疗等应用领域提供了新的视角和方法。
