Не имел возможности доклад Блока послушать, но попробую кое-что сказать по поводу этого возражение Антона:

1) Почти любую физическую систему в принципе можно описать как вычислительную. Вычисление – преобразование одной строчки символов в другую по некоторому правилу. Что именно мы считаем строчками символов зависит от того, что мы описываем. Это могут быть последовательности нейронных спайков. А могут быть положения планет, преобразующиеся по гравитационным законам. Однако не любое вычислительное описание дает какой-то интересный объяснительный прирост. Это особенно заметно на биологических примерах самого Блока. Допустим, для сознания оказываются существенны колебания концентрации ионов в межклеточной жидкости, химическая передача между нейронами или связанные с ней волны ионных изменений. Всё это тоже можно включить в более детальную вычислительную модель мозга, как предлагает Антон. Затем туда можно включить кинетику рецепторов, работу ионных каналов, распространение нейромедиаторов и т.д. Но с каждым таким шагом мы всё точнее фиксируем конкретную физическую реализацию исходной системы и всё сильнее сужаем множество систем, которые считаются реализациями того же вычисления. В пределе требование воспроизвести достаточно детальную вычислительную организацию сходится с требованием воспроизвести полную каузальную организацию мозга. Представьте, что я создал искусственный мозг, устройство которого является полной копией устройства человеческого мозга с одним небольшим изменением – роль ионов калия в межклеточном пространстве играют ионы азота. Такой вот “робот”, имей он сознательный опыт, свидетельствовал бы об очень уж скромной степени множественной реализации.

2) Возможность описать процесс вычислительно и наличие в самой системе вычислительного процесса – разные вещи. Пиччинини (Блок на него тоже в этом докладе ссылается, судя по посту ФК, так что возможно я тут с ним повторяюсь) приводит простой пример: можно построить вычислительную модель Большого взрыва, но из этого не следует, что сам Большой взрыв является вычислением. То же самое можно сказать о распространении нейромедиатора или движении ионов. Компьютер может вычислять их динамику, тогда как сами ионы просто движутся под действием физических сил. Вычисление требует более специфической организации: система должна функционально обрабатывать определённые носители по некоторому правилу, отвлекаясь от части их конкретных физических свойств (Пичинини отмечает, что далеко не все нейроученые, строящие вычислительные модели, вообще считают, что мозг реально производит вычисления в этом смысле). В принципе ничто не мешает добавить каждую новую биофизическую деталь в вычислительное описание мозга. Но если мы не показываем, как эта деталь относится к организации мозга как вычислительной системы, наше описание постепенно превращается в описание мозга как любой другой физической системы, которую мы просто умеем вычислительно моделировать.

3) На сегодняшний день вычислительные объяснения в когнитивной науке находятся на сравнительно абстрактном уровне. И в этом их преимущество. Они выделяют определённую функцию или преобразование информации и отвлекаются от значительной части физической организации механизма, их локализации и т.д. В классической модели раннего зрения Дэвида Марра зрительная система вычисляет изменения интенсивности, позволяющие выделять границы объектов. У Шимона Ульмана восстановление трёхмерной формы движущегося объекта описывается как преобразование нескольких двумерных проекций в единую трёхмерную структуру. Чарльз Галлистел показывает, как пустынные муравьи могут вернутся в гнездо благодаря функции, отслеживающий отклонение вектора от гнезда на основе информации о поворотах и количестве шажков.

Во всех этих случаях вычислительное объяснение не пытается воспроизвести всю каузальную организацию мозга или нервной системы. Его сила как раз в том, что оно выделяет относительно небольшой набор релевантных переменных и зависимостей. Фрэнкис Эган (немножко про её книгу тут) отмечает, что самые явные успехи вычислительного подхода относятся к хорошо изолируемым процессам, вроде раннего зрения или моторного контроля. Более нейронаучные вычислительные объяснения выделяют всё еще относительно абстрактный уровень: например, частоту и тайминг спайков без деталей об их биофизической реализации. Если же мы начинаем последовательно включать в вычислительное описание химию синапсов, концентрацию ионов, работу рецепторов и всё более низкоуровневые физические процессы, то это уже довольно сильно отличается от того, как вычислительные объяснения фактически используются. В какой-то момент возникает вопрос, не называем ли мы более детальным вычислением просто всё более полное описание каузального механизма с помощью вычислительной модели.