2013年1月28日，欧盟正式宣布批准两个“未来和新兴技术”（Future and Emerging Technologies， FET）旗舰项目，其中之一便是世界上首个超大脑计划——欧盟人脑计划（Human Brain Project， HBP）。

该计划于同年10月1日正式启动，为期10年，总经费超过6.07亿欧元。^[1]HBP最终联合了19个国家、150多个研究单位的500多个科学家，可谓声势浩大。其发起人马克拉姆（Henry Markram）曾声称，到2023年该计划将在超级计算机上仿真出整个人脑。^[2]这样惊人的目标和声势在国际社会引起极大震动。此后，美国、日本、以色列、澳大利亚、韩国和中国也先后推出了自己的脑计划^[3]，并曾讨论建立国际机构以协调各国计划。

不过，HBP从一开始就争议不断，中间还经历了一场“宫廷革命”，发展至今，其从科学目标到组织管理都发生了巅覆性的变化。2023年9月30日是HBP结束之日，对于这个大科学计划^[4]的功过是非也到了“盖棺定论”之时，是时候总结一下这个计划的经验和教训了。或许，这对我们应该支持什么样的大科学计划，怎样处理大科学计划与自由研究之间的关系也会有所启迪。 

一、历史沿革 

早在2013年秋HBP启动时，笔者就发表过一篇题为“The Human Brain Project EU is Unlikely to Create an Artificial Whole-Brain in a Decade”（《欧盟人脑计划不大可能在10年内创建人工全脑》）的文章。^[5]其中指出，历史上所有成功的大科学计划背后都有坚实的理论基础支撑，而对于全脑的创建，到目前为止还没有哪怕很粗浅的理论框架；同时，从马克拉姆与此类似的“蓝脑计划”（Blue Brain Project， BBP）的表现来看，他虽在2009年就提出3年内建立人工鼠脑，但却没有实现，并在2012年重提。

在理论和实践两方面都无突破性进展的情况下，马克拉姆有关复制人工脑的看法突然发生了根本性转变——要在10年内创建人工全脑，笔者对此深表怀疑。事实上，持怀疑态度的并非笔者一人，许多科学家都对此计划提出疑问，不过很少专门为此撰文而已。

2014年7月，有超过150名科学家联名上书欧盟委员会，批评HBP在研究方法上过于狭窄，在实现其所设目标方面存在巨大风险和不透明管理。他们指出，HBP已“偏离正道”，并要求对该计划的科学内容和管理两方面进行独立的严格评估，以决定是否继续资助，声称如果欧盟不采纳他们对评估所提出的要求，就将抵制并号召同行也抵制参与和HBP有关的伙伴计划。签名者迅速发展到800多人。

事情闹到这一步，欧盟不得不介入。为此设立的调解委员会认可了公开信中的主要批评意见，并在2015年3月9日发布调解报告，指出HBP的当务之急是重新取得公众和科学家的信任。^[6]在计划的科学内容方面，报告认为仿真人脑“难望其成功”，HBP应该将其目标重新定位到在有限时间和有限资源条件下可望实现的具体目标上。报告特别强调HBP应该开发对脑科学研究有用的各种信息学平台设施，对原来的机构进行改组。

而就在报告正式公布前不久，以马克拉姆为首的三人执行小组成员递交了辞呈。^[7]稍后，HBP理事会批准了调解报告。不过，HBP的发起者中有许多人认为数字重建全脑是原来计划的“亮点”，取消这一目标将使HBP沦为一个“平庸的计划”。

在这次“宫廷革命”之后，HBP演变为主要致力于开发脑研究所需信息通信技术的计划，以及向神经科学家提供信息通信技术软硬件服务的永久性国际设施。从其具体科学技术内容来看，HBP依然分成两大块：神经科学子项目和信息学通信基础设施平台。

其中，神经科学子项目包括4个子项目：鼠脑组织、人脑组织、系统和认知神经科学、理论神经科学。信息学通信基础设施平台包括6个子计划：神经信息学、脑仿真、高性能数据分析方法和超级计算、医学信息学、仿神经计算（neuromorphic computing）_[8]、神经机器人学。这些平台通过协作实验室接口彼此连接。此外，还有一个“伦理与社会”子项目。

Katrin Amunts团队领导的德国研究人员在《科学》杂志上展示新的大脑图谱。图片来自HBP官网

在2016年11月2日出版的《神经元》（Neuron）杂志有关各国脑计划的专刊上，HBP的新科学主任阿蒙茨（Katrin Amunts）宣布计划更新后的目标如下：

HBP是一个为期10年的欧盟旗舰计划，其目标是在多个尺度上重建脑组织。这一计划在所有层次上把实验、临床数据、数据分析和仿真紧密结合在一起，这样就能最终在各个层次之间架设起桥梁。HBP的信息学和计算机构筑是独一无二的，它利用云技术进行合作，研发出具有数据库、工作流程系统（workflowsystems）、千万亿字节（petabyte）存储和超级计算机的各种平台。人脑计划将发展成推进脑研究、医学和脑启发（brain-inspired）信息技术的欧洲研究设施......

HBP提出了一种独特的基于信息技术的策略，这一策略把全世界的神经科学数据整合在一起，多层次地认识人脑及其疾病。因此，目前所有的这些平台原型将逐渐转变为更为可靠、对用户友好并紧密地整合起来的研究基础设施。成立一个HBP法人实体将为不受计划时间限制的、永久性的基础设施奠定组织基础。^[9]   

关于HBP更详细的历史沿革，笔者有系列文章^{[1，3，6-7]}进行过跟踪报道，此处不再赘述。 

二、主要成就

HBP官网在2023年6月公布了取得的主要成就^[10]，包括发表了2500多篇论文，建立了一个专用于脑研究的基础设施——网上平台EBRAINS（在此平台上，科研人员可共享并不断更新数据、模型和软件），鼠脑及其他脑图谱（包括多层次的人脑图谱），脑仿真、脑启发技术（两个平台都包括仿神经计算和神经机器人学子平台），医学数据分析，计算与存储资源以及合作事宜。此外，还有一个可供多学科共享的超级计算机设施Fenix。具体来看，主要成果有: 

1. 在EBRAINS上公布了迄今为止最详尽的多尺度人脑图谱，显示其三维细胞构筑，包括某些以前未被确认的脑区，并显示其人际差异。

HBP的多尺度人脑图谱。图片来自HBP官网

2. 借助EBRAINS上的人脑图谱，建立癫痫患者的个性化脑模型，以确定癫痫病灶。

3. 有关帕金森病患者大脑对脑深部刺激（一种常见治疗方法）的多尺度仿真，可帮助临床医生预测治疗效果。

4. 用磁脉冲精确刺激特定脑组织，并分析此时的脑电图复杂性，以判断闭锁综合征病人是否仍有意识，开发用于帮助残障人士复明或行走的神经植入物。

5. 对小脑进行仿真，用以控制机器人臂精确地执行动作。

由人工小脑控制的机器人。图片来自HBP官网

6. 开发出两种大规模的仿神经系统：脉冲发放神经网络构筑（SpiNNaker）和仿神经混合系统脑启发多尺度计算（BrainScaleS-2）。这些系统中的神经元数都达到了百万级以上，而消耗的能量要比在传统计算机上仿真低4个数量级以上。这些系统的共同特点是采用脉冲发放神经元作为基本元件，并用脉冲进行通信，这是其能耗低的关键所在。

7. 模仿大鼠脑开发出一种称为触须眼（WhiskEye）的机器人。这种机器人有两个摄像机眼和24根人工触须，并有基于仿神经芯片的内置认知模块，因而可以在布满物体的环境中行走。

8. 通过强化学习训练机器人模仿人类手指的协同活动。

此外，马克拉姆在任时还建立了一个有生物真实性的微皮层回路模型。^[11]该模型历时20年，由国际上82位科学家合作，仿真了幼鼠体感皮层中一块1/3立方毫米大小的组织，其中包含3万个神经元和4000万个突触。该模型中包括207种不同的神经元类型，科学家分析了这些神经元的形态、在皮层各层中的分布和放电模式，再按照不同类型神经元在此组织中的密度在仿真组织中安排虚拟神经元的分布，每个神经元的细胞膜都考虑了13种不同的和跨膜电位以及钙离子浓度有关的离子通道。据此，模型仿真得出的一些结果和动物实验吻合得很好。 

三、几点思考

1. 怎样的大科学计划才是有效的？

自HBP启动以来，世界各国掀起了对脑进行大科学研究的狂潮。美国前总统奥巴马任内启动美国脑计划时，曾在国情咨文中把美国脑计划和人类基因组计划相提并论，并认为执行该计划将可“揭开阿尔茨海默病之谜”。后来他又声称：“它将使科学家有工具得出行动时脑中的动态图景，并使我们能够更好地认识人类是如何思维、学习及记忆的。”^[12]如今，其他计划都还在进行之中，成败还有待观察，HBP则已到了即将曲终人散的时候，从其成败中我们或许可以总结出一些经验和教训。

回顾历史上成功的大科学计划，如研制原子弹的曼哈顿计划、奔月的阿波罗计划，乃至人类基因组计划，就其本质来说都是一些工程技术计划，背后都有坚实的理论基础。即使人类基因组计划这样经常被拿来和脑计划进行类比的计划，也有DNA双螺旋结构理论作为支撑。

这些计划通常都有具体目标和相对明确可行的技术路线，问题主要在于资金、人力、物力和组织。然而，尽管马克拉姆在仿真神经元时有不俗的表现——这是因为对神经元的脉冲发放有霍奇金—赫胥黎方程这样的理论框架，但对于脑整体的仿真来说，迄今为止还没有任何，哪怕是初步的理论框架。

另外，如果人脑计划如奥巴马或马克拉姆所声称的那样，以阐明人脑高级功能、复制人工脑和在短期内发现治疗各种脑疾患的手段为主要目标，那么这样的计划就不会成功。这也是HBP在“宫廷革命”之后取消了在超级计算机上仿真全人脑的目标的原因。美国科学家在提出他们的人脑计划时也没有如奥巴马所希望的那样，把阐明人脑高级功能和在计划期间解决各种脑疾患问题作为目标——因为人类对许多脑疾患的发病机制还远不了解。

当然，笔者并非说大科学计划没有意义。对于有明确目标、坚实理论基础，主要通过工程技术实现，而又须耗费大量人力、物力、财力、从上到下统一组织的问题，或者建立科学家可以共享的代价高昂的大型设施，大科学不仅必要，而且可能。

即使对于人脑研究来说，如果把目标定在开发研究脑的新技术，开发并建立耗资巨大的大型设备，系统搜集脑的基础数据（如神经元分类、多尺度脑图谱、宏观和微观的脑连接组学等），建立与广大脑科学家分享这些数据、软件和模型的公用平台，那么大科学计划还是有意义并有一定可行性的。

美国艾伦脑科学研究所和人类连接组计划就是这样做的，虽然它们也得到了相当多的资助（人类连接组计划得到了约4000万美元的资助，艾伦脑科学研究所一共得到了5亿美元的资助），不过和耗资6.07亿欧元的HBP相比还是少多了。目前许多大型脑计划（包括“宫廷革命”后的HBP）都把重点转向了这些方面，它们有可能在将来为脑机制研究取得突破提供工具和数据，但在笔者看来，相较认识脑机制、治疗脑疾患和开发智能机器本身，它们还算不上突破。

新技术如果不能用于解决合适的问题，就失去了意义；数据也并不等于知识。想取得真正的突破，一如20世纪最伟大的生物学家克里克（Francis Crick）指出的那样，需要“新的技术和思想”^[13]。但就连马克拉姆本人也说过，为此需要十几个爱因斯坦。然而，这些都不是能计划出来的，也不是靠金钱就能解决的。

在笔者看来，大科学计划和独立科学家或科学家小组的自由研究，二者不可偏废。在当前情况下，或许后者更为重要。当然，这可能也需要引导，或许由神经科学领军人物集中智慧提出脑研究中需要解决的若干迫切重大问题——就像1900年希尔伯特（David Hilbert）在巴黎的国际数学大会上总结出当时数学需要解决的23个问题那样，再由各种基金组织遴选其中最有新意又有一定可行性的申请予以资助，会更有成效。 

2. 是在超级计算机上逆向工程全脑，还是从脑研究中寻求启发？

这是一个令科学界争论不休的问题。马克拉姆的回答无疑是前者：“我们研究方法的关键在于精心研究脑赖以产生的基本蓝图，也就是在整个进化过程以及胚胎发育过程中指导构造脑的整套原则。从理论上说，这些原则正是我们着手建造脑所需的全部信息。怀疑是有道理的：这些原则所造成的复杂性是惊人的，因此我们需要超级计算机来解决问题。不过，发现这些原则本身要好办得多。如果我们找到了这些原则，那就没有任何逻辑方面的理由，足以证明我们不能利用生物学上产生脑的同样蓝图去建造一个硅脑。”^[14]

持这种想法的并不只有马克拉姆，美国发明家霍金斯（Jeff Hawkins）在其畅销书《千脑智能》中说了几乎同样的话:“要创造真正智能的机器，我们首先需要对大脑进行逆向工程。”“实现机器智能的最快途径是理解大脑的工作原理，然后在计算机中模仿这些原理。”^[15]美国神经科学家毛克（Michael D. Mauk）也认为，构建人工心智所需要的只是“辛勤工作”，再加上速度更快和存储量更大的计算机，“关键在于神经元及其联结所服从的规则是有限和可以理解的”。^[16]

然而，当代脑机接口的领军人物尼可莱利斯（Miguel A. L.Nicolelis）严厉地批评了上述观点，^[17]他认为这些观点的错误在于把脑当成了一种肉体版的数字计算机。他指出，脑及其许多高级功能在图灵意义下都是不可计算的。因此，不管超级数字计算机如何先进，都不可能复制人脑。脑的运作既有数字成分又有模拟成分，二者之间还存在着递归的、非线性的动态相互作用，这更远超图灵机的能力。

他不点名地批评了这些观点的鼓吹者：“如果这种荒谬的说法仅仅局限于好莱坞的科幻电影之中，那倒没多大关系。但是只要某些计算机科学家，甚至神经科学家也在公众面前重复这种神话，并向欧洲和美国的纳税人索要几十亿美元，毫无意义地去追求在数字媒介上实现模拟人脑的企图，问题就变得异常严重了。”

既然如此，阐明脑机制的问题就不像马克拉姆们所期望的那样，只要加强数字计算机的算力就能解决。事实上，从马克拉姆提出人脑计划至今已超10年，他当初预言10年内就能在超级计算机上仿真整个人脑，根据的是计算机算力发展的摩尔定律。虽然摩尔定律至今尚未过时，但不要说是人脑，就算是他一再声称在3年内就能仿真鼠脑，也依然遥遥无期。

笔者认同尼可莱利斯的观点，认识脑虽然和开发智能机器有关，但却是两个不同的任务，对于工程技术来说，只能从脑研究的成果中寻求启发，而不是在计算机上逆向工程人脑。

马克拉姆的微皮层回路模型大概算得上遵循逆向工程路线的最佳例子了，尽管如此，其模型中依旧保留了大量的假设，而不能完全算是逆向工程。不过这一“标志性成就”并未得到科学界的一致称赞。一些科学家认为，这一长达36页的工作成果正好说明了重建全脑的想法是一种浪费金钱的误导。

这一模型并不能实现任何认知功能，德国神经科学家黑尔姆施泰特（Moritz Helmstaedter）认为这“并没有真正的发现。把大量数据堆砌在一起并不能创造出新科学”。英国科学家莱瑟姆（Peter Latham）认为“关键是您可愿意花10亿欧元来做这些事？这才是问题之所在”。^[18]

仿真小脑机制控制机器人运动可能有其实用价值，早在人脑计划之前，诺贝尔生理学或医学奖得主埃德尔曼（GeraldEdelman）就设计过一种仿真小脑回路控制的机器车（达尔文机），它能自由穿越弯曲小径，不过他的目的主要是以此验证小脑的运动控制机制，和通过仿真做一些在生物上难以操作的实验来验证某些假说。^[19]但达尔文机作为一种无人驾驶车辆依然只能活动在积木世界之中，真正在大道上行驶的无人驾驶汽车甚至完全与小脑机制无关。至于HBP的仿小脑机器是否能得到应用，让我们拭目以待吧。 

3. 为什么完全按照工程技术的策略研究大脑行不通？

笔者曾经指出：“大自然并不像工程师那样行事。工程师喜欢均一性，而大自然更喜欢变异性和多样性。工程师在建造某一系统之前，心中先有一张蓝图。他们希望元件的种类尽可能少，同类元件中的每一个都完全一样，这样在进行分析、设计、建造和修理时都比较方便。然而大自然并不刻意地设计生物，它让多少有所不同的个体彼此竞争，没有两个个体是完全一样的。在竞争中，只有更适应其环境的个体才更有机会存活并产生下一代。埃德尔曼的神经达尔文主义也假定在神经系统的回路或模块之间存在竞争，只有适合于完成其目标的回路或模块才能保存下来。”^[20]

而马克拉姆等人却把希望寄托在这种乌有的自然蓝图上，当然只能是缘木求鱼。

另一个道理就如分子生物学家雅各布（François Jacob）所说：“进化是个修补匠，而不是工程师。”当面临新任务时，大自然并不从顶层按照逻辑做全新的设计，而只是在现有的基础上做些更新，这就决定了脑并非如一般人所想的那样完美无缺。

正如林登（David J. Linden）在《不完美的大脑》一书中所说：“从脑区、回路到细胞、分子，无论从哪个层次看，大脑都是个设计拙劣、效率低下的团块，可又出人意料地运作良好。大脑不是终极且万能的超级计算机，不是一个天才在白纸上即兴完成的创作。大脑是一座独一无二的大厦，积淀着数百万年的进化历史。”^[21]既然如此，我们为什么还要盲目照搬进化过程产生的一切，而不是从中寻求启发，根据自己的需要和条件去从头设计呢？

最后，从工程技术上来说，人们喜欢还原论方法，认为只要把整部机器拆成一个个零件，研究清楚了每个零件的性质和彼此之间的联结方式，就可以推断出整部机器的工作原理。这种方法是如此成功，以至在脑研究的历史上也留下了深刻的烙印。

但是脑不像机器那样简单，它有着许许多多不同的层次，不仅下一个层次中的元件性质及其相互联系对上一层次的功能有贡献，上一层次的动作对下一层次也有影响。并且，不仅是相邻层次之间，甚至在各个层次之间都存在着相互影响。这里起作用的已经不再是在工程技术中占统治地位的线性因果链，而是既有自下而上，又有自上而下的循环因果关系（互为因果）。脑不仅是某种信息处理系统，更是某种意义提取系统。^[22]这是工程技术前所未遇的难题。 

四、结语

“10年内仿真人全脑”这样吸睛却缺乏可行性的目标，在最初被提出时就是不可能实现的，马克拉姆本人也并非不知道这一点。2009年，他在“蓝脑计划”官网的“问答”一栏中就清楚地说过，“以目前和可预见的未来的计算机技术而论，还不大可能仿真一个精确到细胞和突触复杂性水平（分子层次以上）的哺乳动物脑”。

对于是否可用一台计算机来仿真人脑，他的回答是：“这不太可能，也没有这个必要。要这样做是非常困难的，因为脑内的每个分子就是一台功能强大的计算机，我们若要实现以千兆计的分子的结构和功能，还得仿真这些分子相互作用所遵循的全部规律。你至少需要比现在大千兆倍和快千兆倍的超级计算机。哺乳动物自己就能繁殖，我们无须用计算机来复制哺乳动物。这不是我的目的。我们只是想认识生物系统是如何工作的，又为什么会失常，这将造福于人类。”（当然，这些话后来都从网站上被删去了）。

虽然HBP由于“宫廷革命”而放弃了逆向工程人全脑的最初目标，对照新领导提出的目标建立了EBRAINS平台，开发出多层次的脑图谱，圈内也有些科学家利用这一平台取得了治疗癫痫这样的成就，但圈外科学家是否愿意把自己的数据和其他成果贡献给这个平台仍有待观察。另外，HBP在今年3月向欧盟申请3800万欧元以维持EBRAINS在HBP到期后继续运行遭到否决，不过6月获准再申请一次。如果依然不行，那就只能寄希望于私人或个别国家的资助了，前途未卜。^[23]

而关于“在多个尺度上重建脑组织”则并没有见到突破性进展。“在所有层次上把实验、临床数据、数据分析和仿真紧密结合在一起......最终在各个层次之间架设起桥梁”，这些都是带有方法论性质的原则，而不像是科学计划的具体目标，任何计划只要有资金支持就可以在这方面有所进展并发表论文。

HBP在这方面确实有所推进，但是笔者还没见到可称得上是“科学史上的突破”的成就。而想要由一个平台搜集全球所有的实验数据和临床数据，则更成问题。早在20世纪末，美国科学家科斯洛夫（S. H.Koslow）就提出过以此为目标的“人类脑计划”，并曾在世界主要国家建立起“节点”，结果无疾而终。

即使就HBP的两大主要成就来说，EBRAINS是否成功，最后也要看有多少科学家乐于访问该平台，并据此做出突破性贡献；仿神经芯片有可能在对耗能要求极高的场合起作用，但是否能发展成新一代计算机，不但要看科学家能否开发出相应的生态系统，而且要看有多少科学技术人员愿意在传统计算技术飞速发展的当下，舍弃自己已经投入大量时间和金钱而已驾轻就熟的传统技术，从头学习一门前途未卜的新技术。这些都还有待观察。

因此，我们可不可以说，HBP从一开始就是一个在科学思想上不正确，在可行性有问题，通过杰出的营销手段炒作出来的功利性计划？中间它又因一场“宫廷革命”放弃了原来的“卖点”，变成了一面大旗之下的大拼盘。确实，这样一锅夹生饭谁都不容易烧好，虽然计划最后得以交差——推出了一个EBRAINS网上平台、两种仿神经芯片和2500篇论文，但值得为此花费纳税人数亿欧元吗？对HBP的官方评审将在今年11月进行，明年1月公布，感兴趣的读者不妨拭目以待吧。^[24]

马克拉姆认为脑科学经过哲学思辨、实验和理论研究的阶段，现在已经到了一个他称之为“仿真神经科学”（simulation neuroscience）的新阶段。^[25]确实，在计算机上进行仿真可以检验假设，做一些生物学实验难以完成的“数字实验”，这对跨层次研究尤其重要，但它只是工具。

在笔者看来，进行生物学实验，从中找出规律，特别是神经回路之类的介观层次上的规律，提出新的思想，依然是当务之急。仿真只是其中的一个环节，绝不可能代替实验和提出新思想，也不会成为神经科学研究的新范式。找出全脑的理论框架依然是最为重要的课题，但是极难预见人类什么时候能做到这一点——毕竟任务的重要性并不等于在当下就能实现这个任务的可能性。

1998年，拉马钱德兰（V. S. Ramachandran）曾经说过，如果用物理学来做参照，那么目前的神经科学依然处于法拉第阶段，而不是麦克斯韦阶段。^[26]笔者认为，从总体上来说，目前的脑科学依然如此，当务之急是努力把脑科学从法拉第阶段推进到麦克斯韦阶段，而非进入什么仿真神经科学或工业化大科学的新阶段。一心想要在二三十年甚至10年内就揭开人脑之谜，只能是揠苗助长和水中捞月。 

[1] 顾凡及. 从蓝脑计划到人脑计划: 欧盟脑研究计划评介[J]. 科学， 2013，65(4): 16-20.  

[2] MARKRAM H. The Human Brain Project[J]. Scientific American，2012(6): 50-55.

[3] 顾凡及. 全球脑计划[J]. 环球科学， 2017(7): 58-59.  

[4] "大科学" 是20世纪50年代国际科技界提出的概念。主要表现为投资强度高、多学科交叉、配置昂贵且复杂的实验设施(设备)、研究目标宏大等， 具有多学科、多目标、多主体、多要素等特点， 其复杂程度、经济成本、实施难度、协同创新的多元性等往往都超出一国之力， 需要通过国际科技创新合作来实施。

[5] GU F. The Human Brain Project EU is Unlikely to Create an ArtificialWhole-Brain in a Decade[J]. Brain-Mind Magazine， 2013， 2: 4-6.

[6] 顾凡及. 欧盟人脑计划面临新斗争[J]. 科学， 2015， 67(5): 35-38. 

[7] 顾凡及. 欧盟和美国两大脑研究计划之近况[J]. 科学， 2014， 66(5): 16-21. 

[8] 国内通常译为 "神经形态计算" ， 笔者以为此译名不妥， 极易误导读者。不错， neuromorphic的前缀neuro是神经的意思， 词根morphic来自希腊文morphé， 意为形态、形式， 也有类似于、接近于的意思。传统译名采取了前一个意思 "形态" ， 这就容易使读者误以为这种芯片和神经组织在形态上有关， 其实完全不是这么回事， 是其构筑方式和功能上类似于相应的神经组织，或者说是在模仿其内在机制， 因此笔者以为译为 "仿神经" 较为贴切。

[9] AMUNTS K， EBELL C， MULLER J， et al. The Human Brain Project:Creating a European Research Infrastructure to Decode the HumanBrain[J]. Neuron， 2016， 92: 574-581

[10] HBP. A Closer Look at Scientific Advances[R/OL]. (2023-04-13)[2023-07-26]. https://www.humanbrainproject.eu/en/science-development/scientific-achievements/brochures/.  

[11] MARKRAM H， MULLER E， RAMASWAMY S， et al. Reconstruction and Simulation of Neocortical Microcircuitry[J]. Cell， 2015， 163: 456-492. 

[12] 顾凡及. 尖端创新神经技术脑研究计划: 美国脑研究计划评介[J]. 科学，2013， 65(5): 19-23.   

[13] 吕向东. 狂热的追求[M]. 唐孝威， 译. 合肥: 中国科技大学出版社， 1994. 

[14] MARKEAM H. The Human Brain Project[J]. Scientific American，2012(6): 50-55.

[15] 霍金斯. 千脑智能[M]. 廖璐， 等译. 杭州: 浙江教育出版社.

[16] MAUK M D. There is No Principle that Prevents Us from Eventually Building Machines that Think[M]//Think Tank: Forty NeuroscientistsExplore the Biological Roots of Human Experience. New Haven; London:Yale University Press， 2018.

[17] NICOLELIS M A L. The Human Brain， The True Creator of Everything，Cannot be Simulated by Any Turing Machine[M]//Think Tank: Forty Neuroscientists Explore the Biological Roots of Human Experience. NewHaven and London: Yale University Press， 2018.

[18] KUPFERSCHMIDT K. Rat Brain—or a Smidgeon of it—is Modeledin a Computer[N/OL]. Science， (2015-10-08)[2023-07-26].

http://www.sciencemag.org/news/2015/10/rat-brain-or-smidgeon-it-modeled-computer.   

[19] MCKINSTRY J L， EDELMAN G M， KRICHMAR J L. A Cerebellar Model forPredictive Motor Control Tested in a Brain-Based Device[J]. Proc NatlAcad Sci USA， 2006， 103: 3387-3392.

[20] 林登. 不完美的大脑: 进化如何赋予我们爱情、记忆和美梦[M]. 沈颖， 等译. 上海: 上海科学技术出版社， 2022.

[21] FREEMAN W J. How Brains Make up Their Minds[M]. London:Weidenfeld & Nicolson， 1999.  [22] KUSHNER D. The Discover interview-Henry Markram[J]. Discover，2009(12): 61-77.

[23] NADDAF M. Scientists Aimed To Recreate the Brain in a Computer.How Did it Go?[J]. Nature， 2023， 620: 718-720.

[24] 同上。

[25] FAN X， MARKRAM H. A Brief History of Simulation Neuroscience[J].Frontiers of Neuroinformatics， 2019， 13 (32): 1-28.

[26] 拉马钱德兰. 脑中魅影——探索心智之谜[M]. 顾凡及， 译. 长沙: 湖南科学技术出版社， 2018. 

本文来自微信公众号：信睿周报 （ID：TheThinker_CITIC），作者：顾凡及（复旦大学生命科学学院），本文原载于《信睿周报》第106期