日报标题：研究大脑的运行方式，为什么不先从低等动物开始？ Mon1st，系统神经科学 蜀道之难，难于上青天！ 大家开始的确是这么想的，结果发现“低等动物”一点也不简单。 一点背景知识 连接组：神经系统中神经元之间的连接。 绘制连接组的黄金标准是利用电子显微镜成像 (EM)， 手动或自动将获得的微结构图像拼接成三维模型。 连接组的本质，是一个标记神经元身份的有向图。 且不说果蝇了（连接组都还没画好。女果蝇的 EM 图像 Davi Bock 拍好了，现在正在做 tracing；男果蝇 EM 图都还没有，气坏了不少研究男果蝇求偶行为的人哈哈哈） 上图代表秀丽隐杆线虫（“只有”302 个神经元）的连接组，上世纪 80 年代就做出来了。现在一样做不出生理模型。 做出模型的定义：可以用程序模拟出生物神经系统的自然活动情况。 然而现在研究线虫神经活动的方法仍然是想办法同时看到更多的神经元活动（Andy Leifer 两年前刚实现全身成像，还有很多限制）。就是因为直接模拟做不出来呀，不然跑模拟器就好了。 为什么这么难？ 连接组只是神经系统的宏观结构。我们知道了两个神经元相连，并不能推断出上游神经元的活动如何影响下游。也就是说，从输入到输出的传递函数，连接组里没有。而且这些传递函数还会随着系统状态的变化而改变（也就是突触的可塑性）。这些改变的规律依赖于各种神经递质和调节剂对受体的影响，有超级多排列组合。这还没考虑神经细胞内部的信号通路。。。 口胃胃神经节（控制龙虾的进食和消化系统）已知的神经调节物质就有数十种。图片来源：Central pattern generators and the control of rhythmic movements. 还记得上课的时候看到这幅图，当时就涌现出一种退学的冲动（误 我们假设上面的问题都解决了，至少在某种程度上描述出了各个神经元的主要活动模式、主要的受体类型和胞内信号通路等。还有最大的困难在等着你：多元非线性系统的复杂度。 说了这么多，并不是否定题主的直觉：较为小型的模式生物仍然有许多独特的优点（快速繁殖、基因组已知和各种基因工具、允许全系统活体显微成像等）。 但其实脑科学家也在充分利用这些优点，至今仍未成功，真的就是因为这个问题太困难。 - 关于研究智能究竟是用人工设计的手段（传统 AI 也好，深度学习也好），还是从了解大脑的运行方式开始，真是一个很好的问题。我觉得是 open question。机器学习的路还有很长，会不会遇到一个瓶颈是要靠参照人脑的工作方式来解决？谁也不知道。 题主说学界都在专心做人工智能，可能是按照规模来判断吧。实际上 Deepmind 也在做神经科学。比起 ML，神经科学受到生物实验本身的限制，产出是要慢很多的。 推荐 MIT 校庆时组织的一系列讲座和对话，标题就叫《脑，意识和机器》。讲者群星荟萃，包括 Poggio, Chomsky, Minsky, Tenenbaum, Koch, Hassabis 等等（随机列举）。比我们这些水货高到不知哪里去了。。。 Brains, Minds and Machines 其中有一个讨论题目是 "Why is it time to try again? (to understand the brain and to engineer the mind)" Poggio 的开场白很有意思：一个强大的理念就像流感病毒，每隔一代人就会感染一批科学家投身其中。题主思考这些问题，就说明你已经中毒啦！ 阅读原文
