本文发表于《大众科学》的前博客网络，反映了作者的观点，不一定反映《大众科学》的观点
1949 年，一位名叫唐纳德·赫布的加拿大心理学家在他的开创性著作《行为的组织》中写下了以下革命性的话语
“让我们假设，持续或重复的再循环活动（或“痕迹”）倾向于诱导持久的细胞变化，从而增加其稳定性……当细胞 A 的轴突足够接近以激发细胞 B，并反复或持续地参与激发它时，在其中一个或两个细胞中发生某种生长过程或代谢变化，使得 A 作为激发 B 的细胞之一的效率提高。”
或者，更直白地说：“一起放电的细胞，连接在一起。”
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。 通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
赫布的思想影响了许多现代神经科学家，尤其是在脑图绘制领域。迄今为止，大多数脑图绘制工作都更侧重于宏观层面：例如，识别大脑的哪些部分与特定功能相关联，或染色单个神经元以在大量脑组织中追踪它们，或查看连接大脑不同部分的更粗的“线路”。理想情况下，神经科学家希望追踪大脑的实际“线路”：形成神经元之间突触连接的树突和轴突。
所有酷孩子都称之为“连接体”。麻省理工学院的 Sebastian Seung 也是如此——事实上，他出版了一本新书（他的第一本），名为 连接体：大脑线路如何造就我们。Jen-Luc Piquant 如饥似渴地阅读了它，并称赞这是一本非常棒的书。她现在正在她像素化的大脑中无限循环播放 Seung 的 TED 演讲。真是一个迷妹。
几年前，我在圣巴巴拉的卡弗里理论物理研究所听过 Seung 的演讲，并被深深吸引；当他被 TED 选中时，我一点也不感到惊讶。他通过凝聚态物理理论进入神经科学领域，研究人工神经网络 (ANN)。
早期的兴趣自然而然地过渡到神经科学，他利用 那项专业知识 进行当前的研究。他的目标不亚于将神经解剖学领域转变为“高通量、数据丰富的科学领域”，通过创建自动化系统，可以将脑组织样本作为原始输入，并生成完整的电路图作为输出。
Seung 说，这“是一个前所未有的图像处理问题，因为即使是适度尺寸的样本也会在纳米级分辨率下产生大量数据。” 他不是在开玩笑：我们正在谈论太字节和拍字节的数据，仅仅是为了生成果蝇的线路图，更不用说人脑了。实现完整的果蝇“连接体”将构成超出大多数人最疯狂梦想的成功，并使神经科学家更有可能在我们有生之年实现人脑中某些关键位置的电路图：例如，海马体，或嗅球和视网膜。
如果您想看到连接体的实际运作，Technology Review 网站上有一个很棒的 在线迷你电影。这是一个兔子视网膜一部分（称为内网状层）的详细线路图的 3D 动画。那是眼睛后部的少量神经组织，它感知光并将视觉信息发送到大脑。首先出现一个神经突，以绿色显示，随后是更大子集的神经突，以多种颜色显示。结果是一个名副其实的“大脑森林”，因为动画追踪穿过致密脑组织的“线路”。
更棒的是：Seung 欣然抽出时间与 Jen-Luc Piquant（“尖叫！”）聊了聊他的新书，以及他为什么相信连接体可能掌握着人格、智力、记忆，甚至可能是精神障碍的基础。
Jen-Luc：一位凝聚态物理学家究竟是如何进入神经科学领域的？
Seung: 当我完成博士学位时，我开始思考也许最有趣的涌现特性是生命系统。分子如何组合在一起形成生物体，神经元如何组合在一起形成聪明的大脑？我在贝尔实验室建立了多年的神经网络数学模型，当我去了麻省理工学院时，我继续这样做。
但到那时，我变得有点失望，因为我们在构建这些模型时不得不做出太多的假设。新的技术正在上线，原则上可以让我们绘制神经网络的连接图，并可能为我们的模型提供急需的约束。
Jen-Luc：研究神经元及其之间的连接为什么如此重要？
Seung：有一种传统是将大脑划分为区域，并将功能归因于它们。但是区域方法无法回答为什么大脑区域在某些人身上运行良好，而在另一些人身上运行不佳的问题。我们无法解释智力和许多精神障碍。我们无法解释当我们学习某些东西时大脑区域如何变化。为此，我们需要进一步细分神经元区域。任何学过物理学的人都会熟悉这个想法。通过将一块物质分成原子，你会学到很多东西。
我相信连接体对于我们最关心的东西至关重要：人与人之间的差异以及我们自身的变化。“我每天都戒烟”就是一个笑话。那是关于神经活动的变化。我已经做出了动作，我放下了香烟，并且某种活动模式发生了变化，但是要终身戒烟呢？那可能涉及连接体的变化。
Jen-Luc：你真正谈论的是改变自我。但这难道不是已经是一个不断涌现和发展的东西吗？
Seung：我们需要区分两种自我概念。有意识的自我，总是变化和不断变化的自我，然后是稳定的自我，只有在困难时才会改变的自我——核心自我。我们真的对此一无所知。
我们知道连接体具有所有这些变化机制。在书中，我谈到了四个 R：重新加权、重新连接、重新布线和再生。但我们不确切知道这些机制如何参与变化——学习新技能、记住某事、从受伤中恢复。我们不确定这些过程如何服务于自我的这些变化。
Jen-Luc：我们如何才能了解这一点？
Seung：对我们来说，重要的是弄清楚我所说的代码破解。你不能指出任何一个连接对个人变化负责。据推测，它是一些连接模式。记忆存储在哪里，那里一定存在某种模式，而我们从未见过模式。这就是为什么这项技术如此重要。
关于四个 R 的另一个问题是，它们在成年期持续到什么程度？最后一个问题是，如果我们想要更多，我们可以使用什么人工手段来促进它们？我不认为你可以服用一颗可以改变你行为的药丸，但你也许可以服用一颗可以让你更好地改变自己的药丸。
Jen-Luc：在未来的挑战方面，什么最让你兴奋？
Seung：现在我非常兴奋能够看到记忆的潜力。当我们存储记忆时，神经元的连接可能发生了一些变化。你能看到发生了什么吗？我们可以在大脑内部实际看到这种情况发生吗？记忆似乎是无形的，但根据神经科学家的假设，它是一种物质结构，我们应该能够看到它。
第二个挑战是看到连接病——与精神障碍相关的假设性大脑错误布线的可能性。这些是我想要攻击的两个挑战。还有很多其他挑战需要攻击，但这两个是最让我兴奋的。
Jen-Luc：有证据表明，我们实际上并没有检索记忆；它不像计算机中的文件那样存储。我们每次都重建它们，所以“记忆”可能分布在整个大脑中。这会使最终“看到”记忆变得格外困难吗？
Seung：当然。问题之一是我们无法查看整个大脑。我们必须做小块，这意味着我们需要对在哪里寻找有一个很好的想法。在粗略尺度上研究大脑的认知神经科学家为我们提供了一些候选区域。你可能会担心我们无法捕捉到所有的记忆，但如果记忆是分布式的，那么它的任何一部分都包含记忆。我不太担心这个。我认为即使是模式的一部分也会告诉我们一些东西。
Jen-Luc：您目前正在绘制小鼠视网膜图。
Seung：是的。我们有这个新网站：Eyewire.org。这是一个公民科学项目。我们的人工智能还不够准确，无法自行绘制连接体图。我们仍然需要人工干预。所以我们现在创建了这个网站，让任何人都可以做到这一点。
我们希望用驱动科学家参与发现的相同动力来激励他们。这个网站让人们可以了解视网膜，同时发现有关视网膜的一些东西。
哲学家总是会问一个反问句：“大脑是否足够复杂到可以理解自身？” 也许如果我们团结我们数十亿的大脑并与人工智能合作，我们可以完成这项工作。
Jen-Luc：在你的书的结尾，你处理了不可避免的奇点问题，以及上传整个人脑的可能性。我们现在使用数字虚拟化身可以做的事情与实际上传人类意识之间，目前的差距有多大？
Seung：在我的书中，我定义了这个探索：解构大脑。它与人工智能相反，人工智能试图构建一个人造大脑。要解构整个人脑，你可以通过推断摩尔定律来计算需要多长时间。如果进步从根本上受到计算的限制，那么到达那里大约需要 40 年。每个人都希望我们在拥有它之后模拟大脑。我不知道那是否可能。但我相信，通过拥有连接体，我们可以了解很多关于我们自己的信息。但这并不意味着我们拥有基因组就意味着我们拥有细胞的模拟。
人们痴迷于模拟，因为这是一个古老的梦想，但如今模拟远没有那么重要。在许多方面，大脑模拟人员与科学脱节。他们更痴迷于科幻小说。而且模拟比人们想象的要困难得多。
可以说，连接体比基因组更接近模拟大脑。如果你看看我们目前关于感知和记忆等事物如何运作的理论，它们实际上非常简单，但也许这些理论是错误的。我不知道会发生什么。我们将测试过去半个世纪积累的所有这些理论，但我们不知道当我们看时，大自然会给我们什么。我认为带着假设进入很重要。但带着开放的心态进入也很重要。
书的封面艺术：Christopher Niemann.
连接体图像（顶部）：Gigandet X, Hagmann P, Kurant M, Cammoun L, Meuli R, et al. (2008) Estimating the Confidence Level of White Matter Connections Obtained with MRI Tractography. PLoS ONE 3(12): e4006. doi:10.1371/journal.pone.0004006
视网膜图像（底部）：Aleksandar Zlateski 和 Sebastian Seung