我们通常认为，脑科学，顾名思义，就是关于脑袋的科学。实际上，脑科学的概念不是这么简单。人的大脑是当今宇宙中最为复杂、最为奥妙的东西。大脑与整个世界相联，与自然界整个进化的历史相关。脑科学的研究自然地牵涉到许许多多不同的领域，从人类学、神经学、医学、心理学、生物学、哲学、数学到当今的人工智能科学、微观物理科学等等。

前不久，著名《自然》科学杂志出版了一个脑科学专辑，就当前脑科学的研究水平、动态和方向等方面，邀请了世界上10多位脑科学顶级专家著文予以了详细介绍。这里，对这个专辑内容做一个最简要的概述。

脑科学基本领域

脑科学具体指的是什么？基本领域有哪些？目前的研究水平如何？将会研究什么？简要地来讲，脑科学包括下面五大基本领域，探索下面关于大脑的最为基本的五大未解之谜。

1.大脑图：大脑是由什么组成的？

如果要了解大脑的构成，那么需要弄清其中数十亿个组件是如何具体组合在一起的。如果不了解有多少个不同的组件，我们怎么能理解整个大脑？通过对事物进行分类来理解事物是人类科学的本性。对神经元进行排序并不是那么简单。脑科学家正在使用某些特征来定义脑细胞类型，根据它们打开和关闭的基因、详细形状、所连接的大脑区域及其独特的电行为来对细胞进行分类。接下来的艰巨任务是将所有这些信息放在一起，以基于所有这些属性来定义大脑的整个全息图像到底是什么样的。

2.脑细胞：神经元如何互相交谈的？

大脑通过突触进行交流，突触是两个不同神经元之间的专门连接。大多数神经元使用两种常见的信号分子之一，称为神经递质，GABA或谷氨酸，它们通过专门的突触。但是大脑中还存在许多其他类型的信号分子，这些分子如何传递信息尚不清楚。大多数药物不会对谷氨酸或GABA起作用，对于像阿片类药物或抗抑郁药这样的药物，实际上并不了解这些药物与之相互作用的潜在分子的机制。这是一个很难回答的问题，但是它是如此广泛，研究人员需要弄清楚哪些分子与哪些突触一起起作用的难题。

3.脑机理：大脑如何计算的？

了解大脑的构成是一个挑战，那么弄清数十亿个组件如何组合在一起运作以了解大脑所有的复杂行为变得更加困难。目前脑科学旨在捕获这种复杂性的一小部分：哺乳动物的大脑如何表示和处理信息。科学家从少数神经元中进行探索，并尝试推断出一些通用原理。研究人员现在可以实时观察成千上万的神经元。至于是什么样的计算原理？到目前为止，似乎还没有一个简单的答案。

4.脑疾病：大脑如何影响疾病？

了解大脑结构的很大一部分实际应用，是可以更好地了解大脑中哪些细胞可能是神经系统疾病和精神疾病的基础。许多神经精神疾病不会均匀地影响整个大脑，而是开始于特定类别的神经元或其他脑细胞或由其驱动。目前，还不清楚哪些细胞类型易受这些疾病的影响。如果汇总了脑细胞类型的完整列表，可以看到哪些类型的细胞死亡、失控生长或改变其在脑部疾病中的进程。然后，可以构建更好的工具来研究那些引发疾病的细胞，以及可能针对疾病核心的单一细胞类型的疗法。

5.脑模拟：了解我们的大脑意味着什么？

当我们了解主观或客观世界时，我们经常考虑能够以一种相对简单的方式来解释它。在物理学中科学家通过抽象可以归结为相对简单的方程式。但是如果生物学不存在这样的抽象怎么办？科学家越是大规模地研究大脑，就越能意识到比任何人想象的都要复杂。那么，如何才能了解使我们成为独一无二的大脑，从而有助于改造世界？这可能需要更多的计算能力。计算机模型可以提供帮助，但是可能需要很多模型来解释这个难题的每一个小部分。或者，这可能仅意味着拥抱大数据的力量。好消息是，技术已经发展到可以收集和存储大数据的地步。近年来，人们对神经科学的兴趣和资金日益增长。

脑科学面临的主要挑战

人脑的探索及其模拟是有史以来最雄心勃勃的科学工作之一，而艰巨的技术障碍也摆在眼前。所面临的主要挑战是下面四个基本方面。

1.规模上的挑战：

面临的问题：大脑借助其亿个神经元和万亿个突触并行运行，模拟人的大脑将推动甚至即将出现的百亿亿级计算机（每秒执行一次万亿次运算）的极限。目前的水平：迄今为止最大的神经模拟使用简化的点神经元来模拟猕猴视觉系统的万个神经元。最详细的重建方法包含了31,个大鼠皮层神经元的生物物理模型，其中包括种类型，它们由万个突触连接。展望未来：尽管点神经元模拟的电脉冲是在大脑中编码和传输信息的主要方式，但大脑的功能还有很多。即使是当今最复杂的大脑模型，也忽略了很多重要细节。2.复杂性的挑战：

面临的问题：基于目前脑科学的生物学，最实际的模拟将需要一组几乎无限的参数。因此，许多细节并未纳入模型，包括大脑的细胞外相互作用以及诸如受体结合之类的分子尺度过程。目前的水平：美国和西欧的大脑计划正在为特定物种的细胞类型及其特性建立综合数据库。但是某些数据无法通过无创侵入方式来收集，因此可能无法为人脑所获得。展望未来：我们无法模拟大脑的最一个分子细节。但是模拟的支持者希望，大脑的工作原理将使算法能够生成一些细节。在模拟脑功能方面，某些功能可能被忽略，但尚不清楚具体哪些功能。3.速度的挑战：

面临的问题：诸如大脑发育和学习之类的过程探讨在人类中进行了许多年。不幸的是，目前没有一种技术可以比大脑实时运行更快的速度进行大规模仿真。目前的水平：需要超级计算方面的进展。量子计算可能会有所帮助，神经形态计算也可能会有希望，后者使用模拟神经体系结构的模拟电路。这些发展可以克服传统计算的某些限制，包括软件复杂性和能耗。展望未来：比大脑实时工作得更快的能力本身，并不能实现诸如学习之类的漫长而复杂的过程。例如，突触根据经验改变其连接强度的规则，可能比当前的突触可塑性模拟中使用的规则更为复杂。4.整合上的挑战：

面临的问题：为了对涉及大脑范围的网络功能进行建模，需要组合较小的大脑区域模型。自上而下的模型，例如将大脑作为假设系统的模型，还必须与迄今为止代表模拟的自下而上的生物物理模型集成。目前的水平：大脑项目正在开发数字工具，以便将模型用作构建基块。自上而下和自下而上的模型相结合对于掌握大脑如何实现速度、灵活性和效率至关重要，但这个挑战缺乏关于大脑如何运作的强有力的理论。展望未来：大脑的某些方面，例如理解和意识，可能永远不会被数字大脑模拟所捕获。缺乏意识表示的模拟在理解像精神病这样复杂的现象时可能应用相当有限。目前，无论在美国、西欧还是中国，对于脑科学的研究都正在投入大量的资金与人力。最近在中国，脑科学研究被提到了从未有过的高度，脑科学研究中心与专业纷纷建立。可以相信，以如此众多的聪明中国人的大脑所探索的脑科学，在不久的将来定会站立于世界的前列。