脳を模倣することで知能を作り出すことはできるのでしょうか?

脳は計算装置でも単純な情報処理システムでもなく、意味抽出システムです。本当にリバースエンジニアリングできるのでしょうか?

文：Gu Fanji （復旦大学生命科学部）

人間の脳は世界で最も複雑な「機械」であり、現代の最先端の機械では実行できない多くの機能を実行できることを否定する人はいないでしょう。数学の専門用語を使うと、脳はこれらの高レベル機能の「存在」の証拠を提供します。したがって、人間の脳から学び、そこからインスピレーションと啓蒙を求め、よりインテリジェントな機械を作り出すというのは自然な考えです。しかし、この考えの導きのもと、2つの異なる考え方が生まれました。

1 つのアプローチは、まず人間の脳がどのように機能するかを理解し、次に工学的手法を使用してこのメカニズムを再現することです。もっと具体的に言うと、アメリカの発明家ジェフ・ホーキンス氏の最近の著書『A Thousand Brains』の一節を使って説明できるかもしれません。「真に知的な機械を作るには、まず脳をリバースエンジニアリングする必要がある。」「機械知能を実現する最も早い方法は、脳の仕組みを理解し、その原理をコンピューターで模倣することです。」[1] 簡単に言えば、このアイデアの核心は、人間の脳をモデルとして使用し、リバースエンジニアリングを通じて工学技術を使用して脳を複製することです。

リバースエンジニアリングとは、原理について何も知らない既存の機器、プロセス、システム、またはソフトウェアがどのようにタスクを達成するかを演繹的推論によって理解しようとするエンジニアリングの方法または手段です。本質的には、システムを分解して分析し、その仕組みを理解して複製または拡張できるようにすることです。簡単に言えば、それは「模倣品」です。リバースエンジニアリングの具体的な方法はコピーするオブジェクトによって異なりますが、プロセスには通常、情報抽出、モデリング、検証という 3 つの基本的なステップが含まれます。 [2]

もうひとつのアイデアは、脳の研究から何らかの「インスピレーション」を求め、構造、機能、原理、メカニズムが脳と「似ている」かどうかを気にせずに、工学的および技術的な手段を使用して新しい機械を開発することです。結果が工学的および技術的な問題を解決でき、経済的かつ実現可能である限り、動作原理の詳細にこだわる必要はなく、それで問題ありません。

上記の 2 つのアプローチには大きな違いがあります。実際、多くの科学者がずっと以前からこのことを指摘し、鳥と飛行機の類似点を挙げてきました。人々が飛行機を造る際に、鳥の飛行能力にインスピレーションを受けたことは間違いありませんが、現代の飛行機は、構造や機能、原理やメカニズムのいずれにおいても、鳥の飛行行動とは何ら共通点がありません。ルネッサンス時代にレオナルド・ダ・ヴィンチが描いた「羽ばたき飛行機」は、鳥に似ていました。飛ぶには羽ばたく必要があり、これは鳥の飛行を逆エンジニアリングしたとも言える。残念ながら、それは常にスケッチ段階（図 1）に留まり、使用されることはありませんでした。しかし、現代の技術を使ってレオナルド・ダ・ヴィンチのスケッチを実際に実現しようとしても、良い結果を得るのはおそらく難しいでしょう。

図1: レオナルド・ダ・ヴィンチが設計した羽ばたき翼の飛行機

ニコレリスとマウクの呼びかけ

最初のアプローチ、つまり人間の脳をリバースエンジニアリングしてインテリジェントなマシンを作成するというアプローチは、手っ取り早い方法のように思えます。そして、エンジニアだけでなく一部の神経科学者も興味をそそられています。 2018年に出版されたデイビッド・J・リンデン編著『シンクタンク：40人の神経科学者が人間の経験の生物学的ルーツを探る』[3]という本には、この考えを表す記事があります。

「原理的には、最終的に考える機械を作れない理由はない」

マイケル・D・マウクの論文のタイトルは彼の中心的な考えを捉えている。「最終的には考える機械を作ることを妨げる原理は存在しない」 [4] 。その中で彼は、脳が驚くほど大きく、詳細が不明な部分もあることを認めたが、人工心を構築する探求においては乗り越えられないギャップはないと信じていた。必要なのは「懸命な努力」と、より多くのストレージを備えたより高速なコンピュータだけだった。

マウク氏は、「他のコンピューティングデバイスと同様に、脳を理解するには、主要なコンポーネント (ニューロン) の特性、コンポーネント間の接続の性質 (シナプス)、相互接続のパターン (回路図) を特定する必要があります。その数は確かに驚くべきものですが、重要なのは、ニューロンとその接続が従うルールが有限であり、理解しやすいということです。」と考えています。彼は、知られているニューロンの種類は数百種類しかないため、それぞれの種類の入出力規則を明確に研究できると強調した。さまざまなシナプスの特性とその可塑性のルールも限定されており、理解しやすいものです。シナプス接続の数は多いですが、これらの接続はランダムではありません。彼らはまた、私たちが特定できる特定のルールに従います。現在、大規模な「コネクトーム」研究プロジェクトにより、脳全体の神経回路マップが提供される予定です。したがって、人工脳を構築するには、これらの限定されたルールを理解するだけで十分です。

マウケは上記の見解を2つの側面から論じています。

1. 人工脳を構築することと、特定の人の脳を複製することは、異なることです。特定の人の脳をクローンする場合にのみ、その人の脳内の特定の接続をすべて知る必要があります。これらのつながりは、生来の要因だけでなく、獲得した経験にも依存しており、それぞれのつながりは特定のものであり、理解する必要があります。しかし、一般的な人工脳を構築するには、接続の基本的なルールに従うだけで十分です。

次に、思考実験を行います。実際のニューロンと同じ入出力機能を備えた人工ニューロンを作成し、それを生物内の対応する生物学的ニューロンの代わりに使用できると仮定すると、対象 (生物) は何も違いを感じないでしょう。対応する生物学的ニューロンを同等の人工ニューロンに一つずつ置き換えても、被験者は依然として異常を感じません。すべての置き換えが完了すると、最終的な人工ニューラルネットワークが人工脳になります。

毛柯の考えは一部の人々の間では非常に代表的です。彼は記事の中で、自分とは反対の見解を持つ別の記事に言及したが、反論はしなかった。その記事は2番目の考えに沿っています。

「どんなチューリングマシンでも人間の脳をシミュレートすることは不可能だ」

シンクタンクの最後から2番目の記事は、脳コンピュータインターフェース研究の第一人者であるミゲル・AL・ニコレリス氏による「すべてのものの真の創造主である人間の脳は、いかなるチューリングマシンでもシミュレートすることはできない」というものです[5] 。タイトルもニコレリスの中心的な考えを正確に示しています。彼はマウクの議論を直接反駁しなかったが、その内容はマウクの議論の根本的な問題点を大部分指摘していた。

ニコレリス氏の主な主張は以下のとおりです。

今日の社会、さらには学界の中には、人間の脳は単なる情報処理機械、あるいはデジタルコンピュータの物理的なバージョンに過ぎないと考える人もいます。この誤解を招く発言に基づいて、人々は、いつの日かスーパーコンピューターを使用して人間の脳をシミュレートまたはコピーし、人の人生におけるすべての意識的および無意識的な経験をデジタル媒体に保存して、デジタル不滅を達成できると信じるようになるでしょう。一方、複雑な内容も脳にアップロードされ、人々は新しい言語や新しい技術や知識を瞬時に使用したり所有したりできるようになります。

この考えは、情報とコンピューティングに関する誤解に根ざしています。クロード・シャノンが先駆的な情報理論を提唱したときに私たちに思い出させたことですが、彼の情報の定義は、ノイズの多い通信チャネルでメッセージを送信する際の定量化の問題のみを対象としており、「送信者の状態に関する不確実性を減らす」という側面のみを対象としており、情報の内容や意味についてはまったく考慮していませんでした。脳にとって、情報の内容と意味は最も重要な側面です。

「脳コンピューティング」という用語の誤りはさらに深刻です。時には、「コンピューティング」を情報処理と同義語として一般化する人もいれば、「コンピューティング」をノイマン型コンピューターで実行される操作に限定して、この 2 つを行き来する人もいます。現代のデジタルコンピューターの先駆者であるアランチューリングは、タスクを有限数のステップで完了できる数学的アルゴリズムに簡略化できる場合、そのタスクは彼が提案した汎用チューリングマシンを使用してシミュレートでき、「計算可能」であると言えると指摘しました。チャーチ＝チューリングの仮定によれば、そのような計算を実行できるデバイス（デジタルコンピュータなど）は、汎用チューリングマシンと同等であり、そのような計算はチューリングの意味での計算と呼ぶことができます。この意味で計算不可能な問題が存在することを最初に指摘したのはチューリングでした。 [6]

残念ながら、脳とその高レベル機能の多くは、チューリングの意味では計算可能ではありません。したがって、超デジタルコンピュータがどれだけ進歩しても、人間の脳を複製することは不可能です。脳の動作にはデジタル要素とアナログ要素の両方があり、両者の間には再帰的かつ非線形の動的相互作用があり、これはチューリングマシンの能力をはるかに超えています。

人間の脳は、外部からの情報を受動的に解読するだけの装置ではありません。実際、脳は内部モデルに基づいて将来何が起こるかを予測します。脳は常に、何が起こるかを予測する際に一歩先を行きます。誤った予測をした場合、その間違いから学び、内部モデルを更新します。このプロセスは「神経可塑性」として知られています。

ニコレリスはマウク氏を名指しで批判はしなかったが、非常に強い言葉で次のように述べた。「この馬鹿げた主張がハリウッドのSF映画に限定されていたら、大した問題にはならないだろう。しかし、一部のコンピューター科学者や神経科学者が公の場でこの神話を繰り返し、デジタル媒体で人間の脳をシミュレートするという無意味な追求にヨーロッパやアメリカの納税者に何十億ドルもの金を支払わせると、問題ははるかに深刻になる。」 [5]

リンデンは招待者としての礼儀として、この正反対の二つの見解の間で太極拳をしました。本のあとがきで、彼はこう書いている。「この重要な問題について、誰が正しいのか？私たちには分からない。・・・科学の発展においては、これがよくあることだ。」しかし、太極拳をする必要はありません。

私の意見では、マウケの議論は両方とも支持できない。彼の最初の議論は、特定の人の脳をクローン化することは一般的な人間の脳を構築することよりも難しいということを示しているだけであり、後者のタスク（一般的な脳の構築）が簡単に達成できるという理由にはなりません。

Mauk の 2 番目の議論は条件を置き換えます。彼の思考実験では、仮説上の神経ネットワークは依然として被験者の体内に存在しています。脳は、グリア細胞、脳脊髄液、血管などの他の組織に囲まれており（グリア細胞の数はニューロンの10倍で、その機能はまだわかっていません）、体との正常な接続をすべて維持しています。つまり、この「人工ニューラルネットワーク」は、まだ「具現化」されており、被験者の身体の内部環境から切り離されていないのです。主体は自由に移動できるため、外部環境や社会環境からも切り離されることはありません。これは、身体から切り離された孤立したニューロンのグループとはまったく異なります。狼少年の例を考えてみましょう。狼少年の脳は構造的に普通の人間の脳と全く同じであり、具体化されて外部環境と相互作用しますが、社会環境から切り離されるだけで、対象者は正常な精神を失ってしまいます。したがって、人工ニューロンの孤立した集合体は、その内部接続がどうであろうと、マウク氏が言うところの「人工心」を持つ可能性は低い。

マウクは完全に還元主義的なアプローチを取った。彼は、機械の構成要素の特性とそれらの相互接続の特性を理解していれば、システム全体の特性も理解できると信じていました。これは、上位レベルの活動が下位レベルに影響を与えない、2 つのレベルのみを持つ単純なシステムでは当てはまるかもしれませんが、脳のように多くのレベルを持つ極めて複雑なシステムを理解することはおそらく不可能です。もちろん、多層システムの場合、最上層から始めて、各隣接層を減らしながら層ごとに下へ進み、最終的に最下層の生物学的高分子とその相互作用を使用して心を説明できると主張する人もいるでしょう。これは、次のレベルの活動が原因であり、前のレベルの活動が結果であると仮定する、一種の「線形因果連鎖」思考です。しかし、脳のようなシステムでは、下位レベルの活動が上位レベルの活動に寄与するだけでなく、上位レベルの活動も下位レベルの活動に影響を与えます。それらは因果関係があります。さらに、この関係は隣接するレベルに限定されず、多くのレベルにまたがることができるため、一種の「循環的な因果関係」となります。このようなシステムでは、急進的な還元主義戦略は機能しません。現在、非常に低いレベルでは、生物学的ニューロンのシミュレーションやチップの製造などの還元主義的な戦略を使用して特定の結果を得ることはまだ可能ですが、心や意識などのトップレベルに上がると、これは機能しなくなります。

論理的な観点から見ると、マウク氏の論文のタイトル「原理的には、思考する機械を最終的に構築できない理由はない」は間違いではない。なぜなら、脳自体も物理システムであるため、思考する人工の物理システムを構築する可能性を完全に排除することはできないからだ。しかし、論理的な可能性と実際の実現可能性は別物です。そのため、科学技術資金の申請を審査する際には、申請の革新性だけでなく、技術的なルートの実現可能性も考慮する必要があります。実現可能性を考慮せずに可能性について語るのは毛柯にとって無意味だ。

ロバの前にぶら下がっているニンジン：マークラムの約束

ニコレリス氏は、人間の脳をシミュレートするためにヨーロッパやアメリカの納税者に何十億ドルもの費用を要求している一部のコンピューター科学者や神経科学者を心配している。彼らはおそらく、2013年に欧州連合から10億ユーロの「ヒューマン・ブレイン・プロジェクト」（HBP）に応募して成功したヘンリー・マークラム氏に代表される科学者たちだろう。応募書類の中で、マークラム氏は10年以内にスーパーコンピューター上で人工の人間の脳を構築することを提案した。彼の核となるアイデアは、2012年に彼が自身のアプリケーション「ヒューマン・ブレイン・プロジェクト」を宣伝するために書いた記事に反映されています。「私たちのアプローチの鍵は、脳が作られる基本的な設計図、つまり進化の過程と胚発生中に脳を作るために使われてきた一連の原理を研究することです。理論的には、これらの原理は脳を作るために必要なすべての情報です。人々が懐疑的になるのは当然です。これらの原理によって生み出される複雑さは驚異的です。だからこそ、問題を解決するにはスーパーコンピューターが必要なのです。しかし、原理自体を発見するのははるかに簡単です。もし原理が見つかれば、生物学で脳を生み出す設計図を使って同じように「シリコン脳」を作ることができないという論理的な理由はなくなります。」 [7]

それで、マークラムはどうなったのでしょうか? 2009年、ディスカバー誌のインタビューで、彼は3年以内（つまり2012年までに）にラットの脳全体をシミュレートすることを約束した[8] 。しかし、2012年に彼はヒューマン・ブレイン・プロジェクト（2015年に延期）でも同じ約束をした。しかし、2015年まで非現実的な目標など一連の問題で「宮廷革命」で退陣に追い込まれ、公約を果たせていない。マウスの脳をシミュレートするという「小さな目標」は、ロバの頭の前にぶら下がっているニンジンのようなものです。わずか 3 ステップの距離ではあるものの、リバースエンジニアリングによって人間の脳をクローン化することはおろか、常に手の届かないところにあります。この計画の背景については、すでにファンプ[9]の長い記事で分析しているので、ここでは繰り返さない。不思議なことに、3年後、「革命的な」ヒューマン・ブレイン・プロジェクトがこの空想を放棄した後も、マウクは依然として古いアイデアを復活させたいと考えていました。 [4] 3年後、ホーキンスは若干の変更を加えて意見を繰り返したが[1]、それでも多くの人々から支持を得た。これは深く考え、さらに分析する価値があります。

図 2 マウスの脳をリバースエンジニアリングする可能性。

進化論的アプローチはエンジニアのアプローチとは異なる

カール・シュラーゲンホッファーと共著した「脳と人工知能」シリーズで、私は次のように指摘しました。「自然はエンジニアのようには行動しません。エンジニアは均一性を好むのに対し、自然は可変性と多様性を好みます。エンジニアはシステムを構築する前に、頭の中に青写真を描きます。コンポーネントの種類ができるだけ少なく、同じ種類の各コンポーネントがまったく同じであることを望んでいます。そうすれば、分析、設計、構築、修理がより簡単になります。しかし、自然は意図的に生物を設計するわけではありません。自然は、多少異なる個体が互いに競争できるようにします。まったく同じ個体は 2 つといません。競争では、環境に適応した個体だけが生き残り、次世代を生み出す可能性が高くなります。エデルマンの神経ダーウィニズムも、神経系の回路またはモジュール間で競争があり、目的を達成するのに適した回路またはモジュールだけが保存されると想定しています。」 [10] もちろん、マークラム氏や他の人々がこの存在しない自然の「青写真」に希望を託すのは希望的観測に過ぎません。

分子生物学者のフランソワ・ジャコブ氏も「進化は技術者ではなく、いじくり回す行為である」と述べた。自然は、新たな課題に直面したとき、論理に従って上から下へと完全に新しい設計を行うのではなく、既存の基礎の上に単に新しいものを追加するだけです。これは、脳がほとんどの人が考えるほど完璧ではないことを示しています。リンデンは著書『偶然の心』の中でこう述べています。「脳は、領域や回路から細胞や分子まで、あらゆるレベルで、設計が悪く非効率な塊ですが、驚くほどうまく機能します。究極の万能スーパーコンピューターでもなければ、天才が白紙の状態から即興で作り上げたものではありません。何百万年もの進化の歴史の産物である、ユニークな建造物なのです。」 [11]

さらに、脳は計算装置でも、単なる情報処理装置でもなく、意味抽出システムです。 [12] このようなシステムをどのように研究するかについてはほとんど知られていない。

最後に、人間の脳は 5 億年以上の進化の産物です。脳機能の謎は徐々に解明されていくかもしれないが、脳機能を明確に理解できるようになるのはいつかと断言する人はほとんどいない。したがって、工学技術において人間の脳機能に類似した特定の問題を解決することが緊急に必要になった場合、対応する脳のメカニズムを解明してから計画を立てるのではなく、脳に関する既知の知識からインスピレーションを得るか、脳のメカニズムを脇に置いて工学技術のみから解決策を探すしかありません。実際、脳のメカニズムがわかっていても、それが工学に応用できるとは限らないのです。エデルマンが小脳の運動制御機構に基づいて設計した「ダーウィンマシン」もカーブを自由に走行できるが[13]、最終的に自動運転を実現したのはダーウィンマシンではなく、純粋な工学的人工知能技術である。もちろん、ダーウィンマシンは小脳の運動制御メカニズムについての理解を深める上で潜在的な意味を持つかもしれない。

図 4. カーブを自由に走行するダーウィンマシン。 [13]

したがって、エンジニアは、生物学的脳の構造とメカニズムを盲目的にコピーするのではなく、可能な限り、脳の研究からインスピレーションを得て、適切なエンジニアリング技術を使用して、脳のような特定の機能を実現する必要があります。現在、人工知能の分野で非常に人気があるディープラーニングは、視覚システムの多段階処理からヒントを得たものであり、「脳のインスピレーション」の典型的な例として挙げられます。

視覚システムはまず、空間内のコントラストのある場所、つまり境界を網膜で抽出します。次に、一次視覚皮質の単純細胞が特定の場所の特定の方向の線分を抽出し、複雑細胞が受容野内の任意の場所にある特定の方向の線分を抽出します。これを繰り返して、ますます全体的な特徴を抽出し、最終的に脳内で関連する特徴を統合して物体を識別します。この最後の問題は「結合問題」として知られており、同期振動など、まだ決定的に解決されていない仮説上の神経生物学的メカニズムがいくつか残っています。 ITエンジニアは視覚システムの多段階処理メカニズムを借用し、「ディープラーニング」用の中間レベルネットワークを多数構築しました。彼らのアルゴリズムは生物の視覚システムのメカニズムとは大きく異なりますが、驚くべき成果を達成しました。もちろん、脳内のメカニズムが工学技術の実装に適している場合は、脳の解決策から自然に学ぶことができます。

現在の研究状況から判断すると、ニューロンの構造や機能など、低レベルの脳組織に対する人々の理解はより明確になっており、借りられる詳細情報もより多く、より深くなっています。この点で比較的成功した例としては、「ニューロモルフィックチップ」 [注1]が挙げられます。生物学的ニューロンは、速度と信頼性の点で電子機器と比較することはできませんが、パルス出力形式であるため、消費電力は現在の電子機器よりもはるかに低くなります。ニューロミメティックチップはこれをシミュレートし、消費電力を 4 桁削減できます。そのため、航空宇宙工学など、エネルギー消費量の多い分野での利用が期待されています。しかし、新しい技術が大きく発展するためには、広範囲にわたる応用が最大の推進力となります。最近、チャットボットChatGPTが世界中で人気となり、サーバーがパンクする事態が発生しています。エネルギー消費コストが耐えられないほどになってきました。ニューロモルフィックエンジニアリング[14]がこの機会を利用してその野望を実現できるかどうかは注目に値する。

[注1]：現在一般的な翻訳は「ニューロモルフィックチップ」です。この単語を接頭辞 neuro と語源 morphic に分解すると、それぞれ「neural」と「morphic」になります。しかし、このチップは神経細胞や神経系の「形態」とは何の関係もありません。ただ、このチップ内のユニットであるニューロンは、メカニズムの点で生物学的ニューロンに近い、つまり「ニューロモルフィック」であると言えます。著者は、「ニューロモルフィックチップ」の翻訳は読者を誤解させやすいと考えています。著者は、butterfly を cream fly と翻訳する人はいないだろうと考えています。

図 5 ニューロモルフィックチップ。 [15]

脳機能のレベルが高ければ高いほど、人間がその背後にあるメカニズムについて知っていることが少なくなり、そこから学べることも少なくなります。この機能を最大限に実現するには、エンジニアリング技術に頼らなければならないかもしれません。これが、現在の人工知能が一般的に取っている道です。具体的には、人間の脳に似たAIを作ろうとするのではなく、意思決定の仕組みが人間の脳と異なるかどうかを気にすることなく、人間の脳と同じようにAIが意思決定できるようにすることを目指しています。

一般的に、エンジニアリング技術は脳の研究をコピーしたり複製したりするのではなく、そこからインスピレーションを得るべきです。

用語を正確に使用すると、「脳のような」か「脳に触発された」か?

中国では「脳っぽい」という言葉をよく耳にします。読者は「脳のような」を「実際の脳に似ている」という意味として理解する傾向があります。もっと正確に言えば、それは脳のリバースエンジニアリングを意味します。しかし、話者はそうは思っていないかもしれません。脳の研究からインスピレーションを得て、工学技術を使って脳のような特定の機能を実現することを意味する人もいます。

「脳のような」という用語の誤用には歴史的な理由があるかもしれない。前世紀の終わりから今世紀の初めにかけて、工学的および技術的な問題は脳をリバースエンジニアリングすることで解決できると考える「脳のような」思想の潮流が国際的に人気を博していたのは事実である。もちろん、先ほど紹介したような、この見解を支持する科学者もまだ少数います。しかし、ほとんどの科学者はもはや「脳のような」という用語をほとんど使用せず、代わりに「脳に触発された」という用語を使用しています。つまり、脳をリバースエンジニアリングしてコピーすることはなくなり、可能な場合にのみ脳研究からインスピレーションを得て、エンジニアリング技術を使用して特定の脳のような機能を実現することになります。しかし、中国では多くの人が「脳のような」という言葉を今でも使っている。おそらく、その言葉がシンプルで魅力的に聞こえるからだろう。著者は、この記述は「一般的な慣行」ではあるものの、曖昧であり読者を誤解させるものであると考えています。私たちはこの「慣習」を断固として放棄し、「その名称を正す」べきでしょうか？著者は、一部の科学者がすでにこれを行っていることに気づきました。これら 2 つの技術的ルートを区別する際に、より意識的になるべきでしょうか?

参考文献

[1] ホーキンスJ（2021）「千の脳：知能の新しい理論」基本的な本。

中国語訳：Hawkins著、Liao Lu他訳。（2022）千脳知能、浙江教育出版社。

[2] https://en.wikipedia.org/w/index.php?title=リバースエンジニアリング&oldid=1128484181

[3] リンデンDJ（編）（2018）シンクタンク：40人の神経科学者が人間の経験の生物学的ルーツを探る。イェール大学出版局。ニューヘイブンとロンドン。

[4] Mauk MD (2018) 最終的に考える機械を作ることを妨げる原則は存在しない。 Linden DJ (編) (2018) 『Think Tank: Forty Neuroscientists Explore the Biological Roots of Human Experience』より。イェール大学出版局。ニューヘイブンとロンドン。

[5] Nicolelis MAL（2018）すべてのものの真の創造者である人間の脳は、いかなるチューリングマシンでもシミュレートすることはできません。 Linden DJ (編) (2018) 『Think Tank: Forty Neuroscientists Explore the Biological Roots of Human Experience』より。イェール大学出版局。ニューヘイブンとロンドン。

[6] https://en.wikipedia.org/w/index.php?title=ハイパーコンピューティング&oldid=1133373703

[7] Markram H (2012) 人間の脳プロジェクト。科学。午前。 306(6):50-5512.

[8] クシュナー、D（2009）、The Discover誌のヘンリー・マークラムのインタビュー。ディスカバー2009(12):61-77

[9] Gu Fanji (2019) 欧州ヒト脳プロジェクト：資金と大きな計画は基礎科学のブレークスルーにつながるか？公園に戻る 2019年8月20日

[10] 顧凡吉、カール・シュラーゲンホーファー『脳研究の新世界』顧凡吉訳（2019年）、上海教育出版社

[11] リンデンDJ（2007）偶然の心：脳の進化はいかにして私たちに愛、記憶、夢、そして神を与えたのか。ハーバード大学出版局。

中国語訳：Lin Deng、Shen Ying他訳（2022）不完全な脳：進化が私たちに愛、記憶、夢を与える方法、上海科学技術出版社

[12] フリーマンWJ（1999）脳はどのように心を形成するのか。ワイデンフェルド＆ニコルソン

[13] マッキンストリー、JL、エデルマン、GM、およびクリッヒマー、JL（2006）。脳ベースのデバイスでテストされた予測運動制御用の小脳モデル。米国科学誌103、3387-3392。

[14] Gu, F. J. (2019) 人工脳と神経形態構造工学。ネイチャー41(1):35-43

[15] アボット、J. 他(2020) 数千個の接続されたニューロンから細胞内記録を取得するためのナノ電極アレイ。ナット。バイオメッド。英語。 4, 232–241

この記事は科学普及中国星空プロジェクトの支援を受けています