我們正在通過最偉大的科學努力之一生活-試圖了解宇宙中最複雜的物體，即大腦。從最小的到我們的大腦，科學家們正在大量的大腦中積累有關結構和功能的大量數據。成千上萬的研究人員正花費大量的時間和精力思考大腦的功能，而驚人的新技術使我們能夠描述和操縱這種活動。
現在，我們可以使滑鼠記住一些從未遇到過的氣味，將不好的滑鼠記憶變成好的記憶，甚至可以用電湧來改變人們對面孔的感知。我們正在繪製越來越詳細，複雜的大腦，人類和其他方面的功能圖。在某些物種中，我們可以隨意改變大腦的結構，從而改變動物的行為。我們日益精通的某些最深遠的後果可以從我們使癱瘓的人以他們的思想力量控制機械臂的能力中看出。
一位神經科學家解釋道：需要``善解人意''的公民-播客
每天，我們都會聽到新發現，這些發現揭示了大腦的工作方式，以及新技術的承諾（或威脅），這些新技術使我們能夠做一些牽強附會的事情，例如讀書頭腦，偵查罪犯，甚至上傳進入計算機。反覆產生書籍，每本書都聲稱以不同的方式解釋大腦。
然而，一些神經科學家越來越相信我們的未來之路尚不清楚。除了簡單地收集更多數據或依靠最新的令人興奮的實驗方法外，很難看到我們應該去哪裡。正如德國神經科學家Olaf Sporns所說：「神經科學在很大程度上仍然缺乏將大腦數據轉換為基本知識和理解的組織原則或理論框架。」 儘管積累了大量事實，但我們對大腦的理解似乎正在陷入僵局。
2017年，法國神經科學家YvesFrégnac著眼於當前在昂貴的大型項目中收集大量數據的方式，並指出正在產生的數據海嘯正在導致重大瓶頸，部分原因是因為他簡單地說，「大數據不是知識」。
「只有20到30年前，神經解剖學和神經生理學信息相對稀缺，而了解與精神有關的過程似乎觸手可及，」 弗雷格納克寫道。「如今，我們淹沒在大量信息中。矛盾的是，所有對全球了解的意識都面臨著被沖走的嚴重危險。每次克服技術障礙，就可以通過揭示隱藏的變量，機制和非線性，增加複雜性的新高度來打開潘多拉盒子。
神經科學家安妮·丘吉蘭（Anne Churchland）和拉里·阿伯特（Larry Abbott）也強調了我們在解釋世界各地實驗室所產生的大量數據時遇到的困難：技術，數據分析方法的重大進步以及理論概念和模型的廣泛應用。」
確實有一些關於大腦功能的理論方法，包括人類大腦可以做的最神秘的事情 -產生意識。但是這些框架都沒有被廣泛接受，因為還沒有通過實驗研究的決定性測試。一再呼籲更多的理論可能是虔誠的希望。可以說，即使是在蠕蟲中，也沒有單一的大腦功能理論，因為大腦不是一個整體。（科學家們甚至發現很難對大腦的確切定義提出建議。）
正如DNA雙螺旋的共同發現者弗朗西斯·克里克（Francis Crick）所觀察到的那樣，大腦是一個完整的，進化的結構，其不同的位出現在進化的不同時刻，並適應解決不同的問題。我們目前對所有功能的理解是非常局部的-例如，大多數神經科學感官研究都集中在視覺而不是氣味上。從概念上和技術上來說，氣味都更具挑戰性。但是嗅覺和視覺的工作方式在計算和結構上都不同。通過專注於視覺，我們對大腦的功能及其作用方式的理解非常有限。
大腦的本質（同時整合和合成）可能意味著我們未來的理解將不可避免地變得支離破碎，並由對不同部分的不同解釋組成。丘奇蘭（Churchland）和雅培（Abbott）闡明了這種含意：「全球了解可能會採用高度多樣化的面板形式，將它們鬆散地縫合在一起，形成一個拼布的被子。
或超過半個世紀，錯落有致我們一直在努力的所有那些高度多元化的面板已經被認為大腦過程框架包括像那些在計算機中進行。但這並不意味著這種隱喻在將來會繼續有用。在數字時代的最開始，即1951年，神經科學先驅Karl Lashley反對使用任何基於機器的隱喻。
拉什利寫道：「笛卡爾對皇家花園中的水力人物印象深刻，並發展了大腦動作的水力理論。」 「從那以後，我們有了電話理論，電場理論，現在有了基於計算機和自動舵的理論。我建議，比沉迷於牽強的物理類比，我們更可能通過研究大腦本身和行為現象來了解大腦的工作方式。」
法國神經科學家羅曼·布雷特（Romain Brette）最近更進一步地摒棄了這種隱喻，他向大腦功能的最基本隱喻：編碼提出了挑戰。自從1920年代問世以來，神經代碼的思想就主導了神經科學的思想-在過去的10年中，發表了超過11,000篇關於該主題的論文。布雷特（Brette）的基本批評是，在思考「代碼」時，研究人員無意中從技術意義上轉移，在技術意義上刺激與神經元活動之間存在聯繫，而在代表意義上神經元代碼代表該刺激。 。
在大多數關於神經編碼的描述中，未提及的含義是，神經網絡的活動會呈現給大腦中理想的觀察者或閱讀器，通常被描述為「下游結構」，可以使用最佳方式對信號進行解碼。但是，即使在簡單的神經網絡功能模型中，此類結構實際處理這些信號的方式仍是未知的，並且很少明確假設。
通常將神經代碼的處理視為一系列線性步驟-就像一條多米諾骨牌接連下降。但是，大腦由高度複雜的神經網絡組成，這些神經網絡相互連接，並與外界聯繫以實現動作。將注意力集中在感覺和加工神經元集上而不將這些網絡與動物的行為聯繫起來，就錯過了所有加工的重點。
通過將大腦視為一台被動地響應輸入和處理數據的計算機，我們忘記了它是一個活躍的器官，是介入世界的身體的一部分，並且具有進化的過去，從而改變了它的結構和功能。匈牙利神經科學家GyörgyBuzsáki在他的最新著作《從內而外的大腦》中概述了這種大腦視圖。根據Buzsáki的說法，大腦不只是被動地吸收刺激並通過神經代碼表示刺激，而是積極地尋找替代可能性來測試各種選擇。在科學家追溯到19世紀之後，他的結論是，大腦不代表信息：它構成了信息。
神經科學的隱喻-計算機，編碼，接線圖等-不可避免地是局部的。這就是隱喻的本質，科學哲學家和科學家對隱喻進行了深入研究，因為它們似乎對科學家的思維方式至關重要。但是隱喻也很豐富，可以用來洞察和發現。他們會施加的限制會超過他們所允許的理解，但是在大腦的計算和表示隱喻的情況下，並沒有達成共識。從歷史的角度來看，這場辯論正在進行中的事實表明，我們的確可能正在接近計算隱喻的終結。但是，尚不清楚將取代它的是什麼。
當科學家們意識到使用隱喻如何塑造自己的觀點時，常常會感到興奮，並意識到新的類比可能會改變他們對工作的理解，甚至使他們能夠設計新的實驗。提出這些新的隱喻是具有挑戰性的–過去有關大腦的大多數隱喻都與新技術相關。這可能意味著，大腦新穎而有見地的隱喻的出現及其功能如何取決於未來的技術突破，與液壓動力，電話交換機或計算機相提並論。沒有這種發展的跡象。儘管最新的流行詞彙如區塊鏈，量子至上（或量子任何東西），納米技術等等，這些領域不太可能改變技術或我們對大腦功能的看法。
有一個跡象表明，我們的隱喻可能失去了解釋力，這是一個普遍的假設，即神經系統所做的很多事情，從簡單的系統到人類意識的出現，都只能解釋為緊急狀態，這是您無法預測的。通過對組件的分析得出，但隨著系統功能而出現。
1981年，英國心理學家理察·格雷戈里（Richard Gregory）認為，依賴出現作為解釋腦功能的一種方式表明了理論框架存在問題：「'出現'的出現很可能預示著更普遍（至少是不同的） ）需要概念方案…消除出現的現象是好的理論的作用。（因此，關於出現的解釋是虛假的。）」
這忽略了以下事實：弱者和強者。可以根據管理其組成部分行為的規則來理解較弱的新興特徵，例如，小魚群響應鯊魚的運動。在這種情況下，顯然神秘的群體行為是基於個人的行為，每個行為都是對諸如鄰居的移動或外部刺激（如掠食者的進近）等因素做出反應。
這種微弱的出現無法解釋即使是最簡單的神經系統的活動，也不必理會大腦的工作，因此我們只能依靠強大的出現，在這種情況下出現的現象無法用單個組件的活動來解釋。您和您正在閱讀的頁面都是由原子組成的，但是您閱讀和理解的能力來自於人體中原子形成的形成更高層次結構的特徵，例如神經元及其發射方式，而不僅僅是來自原子相互作用。
最近，一些神經科學家批評強烈的冒出冒著「形上學難以置信」的風險，因為對於出現如何發生沒有明顯的因果機制，也沒有任何單一的解釋。像格雷戈里一樣，這些批評家聲稱，依靠出現來解釋複雜現象表明，神經科學處於關鍵的歷史關頭，類似於鍊金術向化學的緩慢轉變。但是面對神經科學的奧秘，出現通常是我們唯一的手段。並不是那麼愚蠢–深度學習程序的驚人特性本質上是新興特性，而根本上這些特性不能由設計它們的人來解釋。
有趣的是，雖然一些神經科學家被出現的形上學所迷惑，但人工智慧研究人員卻迷上了這個想法，認為現代計算機的純粹複雜性或它們通過網際網路的互連性將導致被稱為奇點的事物。機器將變得有意識。
對於這種可能性有很多虛構的探索（在這種情況下，事情往往對所有有關方面來說都是很糟糕的結局），這個主題無疑激發了公眾的想像力，但是除了我們對意識如何運作的無知之外，沒有任何理由認為它會發生。在不遠的將來。原則上，這是必須可行的，因為可行的假設是頭腦是物質的產物，因此我們應該能夠在設備中進行模仿。但是，即使是最簡單的大腦，其複雜程度也使我們目前可以想像的任何機器相形見war。在未來數十年（幾個世紀）中，奇異性將是科幻小說而非科學的東西。
每周六早上將《衛報》屢獲殊榮的長篇小說直接發送給您
有關意識本質的一種相關觀點將計算機即計算機的隱喻變成了嚴格的類比。一些研究人員將思維視為在神經硬體上實現的一種作業系統，這意味著我們的思維被視為一種特定的計算狀態，可以上傳到某些設備或另一大腦。用一般的表達方式，這是錯誤的，或者充其量是無望的。
唯物主義的假設是，人類，和其他所有事物的大腦和思想都是相同的。神經元及其支持的過程-包括意識-是一回事。在計算機中，軟體和硬體是分開的。但是，我們的大腦和思想由最能描述為濕件的東西組成，其中發生的事情和發生的地方完全交織在一起。
想像一下我們可以重新調整神經系統的功能來運行不同的程序，或者將我們的思想上傳到伺服器上，這聽起來可能是科學的，但潛伏在這個想法背後的是一種非唯物主義的觀點，可以追溯到笛卡爾及其以後。這意味著我們的思想以某種方式漂浮在我們的大腦中，並可能被轉移到另一個腦袋或被另一個思想所取代。通過以讀取一組神經元的狀態並將其寫入新的有機或人工基質的方式來提出該想法，可以使該想法具有科學上的可敬性。
但是，甚至要開始想像這在實踐中如何工作，我們不僅需要了解神經元功能，這遠遠超出了我們目前所能想像的範圍，而且需要不可思議的巨大計算能力和精確模擬大腦結構的模擬問題。為了使這在原則上成為可能，我們首先需要能夠完全模擬能夠保持單一狀態的神經系統的活動，而不必介意一個想法。我們離邁出第一步還很遙遠，以至於至少在很遠的將來，上傳您的思想的可能性可以被視作幻想。
˚F或時刻，腦的計算機的比喻保持其主導地位，雖然它是一個多麼強大的比喻分歧。2015年，機器人學家羅德尼·布魯克斯（Rodney Brooks）選擇了大腦的計算隱喻作為他對寵物的憎惡，因為他對題為《這個想法必死》的論文集做出了貢獻。歷史學家S瑞安·詹森（S Ryan Johansson）早在20年前就提出了「不停地辯論像大腦是計算機的隱喻的事實或虛假論斷」，這是浪費時間。所提出的關係是隱喻的，正在命令我們做某件事，而不是試圖告訴我們事實。」
另一方面，美國人工智慧專家加里·馬庫斯（Gary Marcus）對計算機隱喻作了有力的辯護： 。就我們所知，大腦就是這樣。真正的問題不是大腦本身是否是一個信息處理器，而是大腦如何存儲和編碼信息，一旦對信息進行編碼，大腦將對該信息執行什麼操作。
馬庫斯繼續指出，神經科學的任務是對大腦進行「逆向工程」，就像人們可能會研究計算機一樣，檢查計算機的組件及其相互連接，以破譯其工作方式。這個建議已經存在了一段時間。1989年，克里克（Crick）意識到了它的吸引力，但由於大腦複雜而混亂的進化歷史，感到它會失敗–他戲劇性地宣稱，這就像試圖對一項「外星技術」進行逆向工程一樣。他認為，試圖從整體上解釋大腦如何從其結構邏輯地流動的解釋將註定要失敗，因為起點幾乎可以肯定是錯誤的-沒有整體邏輯。
對計算機進行逆向工程通常用作思想實驗，以顯示原則上我們如何理解大腦。這些思想實驗不可避免地是成功的，這鼓勵我們採用這種方式來理解頭腦中的濕軟器官。但是在2017年，一對神經科學家決定在一個真實的計算機晶片上實際進行實驗，該晶片具有真實的邏輯和具有清晰設計功能的真實組件。事情沒有按預期進行。
二人組-埃里克·喬納斯（Eric Jonas）和康拉德·保羅·科爾丁（Konrad Paul Kording）–運用了通常用於分析大腦的技術，並將其應用於70年代末80年代初計算機中發現的MOS 6507處理器，從而使這些機器可以運行諸如Donkey之類的視頻遊戲太空入侵者
首先，他們通過掃描晶片中包含的3510增強型電晶體並在現代計算機上模擬該設備（包括運行遊戲程序10秒鐘）來獲得該晶片的連接組。然後，他們使用了各種神經科學技術，例如「病變」（從仿真中刪除電晶體），分析了虛擬電晶體的「尖峰」活動並研究了它們的連通性，觀察了各種操作對系統行為的影響。 ，以其啟動每款遊戲的能力來衡量。
儘管部署了這種強大的分析工具，並且儘管對晶片的工作方式有明確的解釋（在Technospeak中它具有「基本事實」），但該研究未能檢測出晶片內部發生的信息處理的層次結構。正如喬納斯（Jonas）和科爾丁（Kording）所說，這些技術不足以產生「有意義的理解」。他們的結論是黯淡的：「最終，問題不是神經科學家無法理解微處理器，而是問題在於他們不了解當前採用的方法。」
這個令人發人深省的結果表明，儘管計算機隱喻具有吸引力，並且大腦確實在處理信息並以某種方式代表了外部世界，但我們仍然需要取得重大的理論突破才能取得進步。即使我們的大腦不是按照邏輯線設計的，但我們目前的概念和分析工具仍不足以解釋它們。這並不意味著模擬項目是沒有意義的–通過建模（或模擬），我們可以測試假設，並且通過將模型與可以精確操縱的完善系統連結，我們可以洞悉真實大腦的功能。這是一種非常強大的工具，但是對於此類研究提出的主張，需要一定程度的謙虛，一個Atari 2600控制台，其中包含MOS 6507微處理器。
甚至在嘗試計算大腦的存儲能力時，即使看起來很簡單的東西也會崩潰。這樣的計算充滿了概念上和實踐上的困難。大腦是自然的，進化的現象，而不是數字設備。儘管經常有人爭辯說，特定功能就像在機器中一樣緊密地定位在大腦中，但這種確定性一直受到新的神經解剖學發現的挑戰，這些發現是大腦區域之間毫無懷疑的聯繫，或者令人驚奇的可塑性實例，人們可以在其中發揮作用通常沒有大腦的某些特定行為。
實際上，大腦和計算機的結構完全不同。2006年，拉里·阿伯特（Larry Abbott）撰寫了一篇題為「此設備上的開關在哪裡？」的文章，他在其中探討了電子設備最基本組件（開關）的潛在生物物理基礎。儘管抑制性突觸可通過使下游神經元無反應而改變活動的流程，但這種相互作用在大腦中相對較少。
神經元不像可以打開或關閉以形成接線圖的二進位開關。取而代之的是，神經元以類似的方式做出反應，響應刺激的變化而改變其活動。神經系統通過改變由大量單位組成的細胞網絡的激活方式來改變其工作。這些網絡引導，轉移和分流活動。與我們尚未設想的任何設備不同，這些網絡的節點不是電晶體或閥門之類的穩定點，而是成百上千，成千上萬強大的神經元集，它們可以隨著時間的推移作為網絡持續響應，即使組件單元格顯示不一致的行為。
目前，即使是最簡單的此類網絡，我們也無法掌握。布蘭代斯大學的神經科學家夏娃·馬德（Eve Marder）在其職業生涯中的大部分時間都在試圖了解龍蝦胃中數十個神經元是如何產生節律性磨削的。儘管付出了大量的精力和創造力，但我們仍然無法預測更改這個甚至不是簡單大腦的微小網絡中的一個組件的效果。
這是我們必須解決的大問題。一方面，大腦由神經元和其他細胞組成，它們在網絡中相互作用，它們的活動不僅受到突觸活動的影響，還受到諸如神經調節劑等各種因素的影響。另一方面，很明顯，大腦功能在人群水平上涉及神經元活動的複雜動態模式。我懷疑，在本世紀餘下的時間裡，找到這兩個分析水平之間的聯繫將是一個挑戰。正確了解精神疾病病例的前景就更遠了。
並非所有神經科學家都是悲觀主義者-有些人自信地聲稱，新數學方法的應用將使我們能夠了解人腦中的各種互連。其他人（例如我自己）則喜歡研究另一端的動物，將注意力集中在蠕蟲或的微小大腦上，並採用成熟的方法來尋求了解簡單系統的工作原理，然後將這些課程應用於更多的領域。複雜的情況。許多神經科學家，如果根本不考慮這個問題，只是認為進步將不可避免地是零散的和緩慢的，因為沒有關於大腦潛伏的統一理論。
為什麼世界上最偉大的頭腦不能解決意識的奧秘？
關於我們如何理解大腦的未來，還有許多替代方案：也許各種計算項目會變好，理論家會破解所有大腦的功能，或者連接組將揭示當前隱藏的大腦功能原理從我們這裡。否則，某種理論將以某種方式從我們正在生成的大量成像數據中彈出。否則，我們將從一系列單獨但令人滿意的解釋中慢慢地整理出一個（或多個）理論。或者通過關注簡單的神經網絡原理，我們將了解更高層次的組織。或者將生理學，生物化學和解剖學結合起來的一些激進的新方法將為正在發生的事情提供決定性的啟示。或新的比較進化研究將顯示其他動物是如何意識的，並提供對我們自己大腦功能的洞察力。還是無法想像的新技術將通過為大腦提供一個全新的隱喻來改變我們的所有觀點。否則我們的計算機系統將通過變得有意識為我們提供令人震驚的新見解。或者從控制論，控制理論，複雜性和動力學系統理論，語義學和符號學中出現一個新的框架。否則我們將接受沒有理論可尋，因為大腦沒有整體邏輯，只有每個微小部分的充分解釋，我們將對此感到滿意。要麼 - 否則我們的計算機系統將通過變得有意識為我們提供令人震驚的新見解。或者從控制論，控制理論，複雜性和動力學系統理論，語義學和符號學中出現一個新的框架。否則我們將接受沒有理論可尋，因為大腦沒有整體邏輯，只有每個微小部分的充分解釋，我們將對此感到滿意。要麼 - 否則我們的計算機系統將通過變得有意識為我們提供令人震驚的新見解。或者從控制論，控制理論，複雜性和動力學系統理論，語義學和符號學中出現一個新的框架。否則我們將接受沒有理論可尋，因為大腦沒有整體邏輯，只有每個微小部分的充分解釋，我們將對此感到滿意。