計算機虛擬可活動人腦神經細胞模型，這消息是真是假？算是重大突破嗎？對今後腦科學與人工智慧有多少影響？

艾倫腦科學研究所的科學家取得了突破性神經科學研究成果，通過大數據計算機創造出了活動的虛擬腦神經細胞模型，該研究能夠使今後對人腦和器官的探究過程更加便利和深入。這項計算機模擬人腦神經細胞3D模型能夠虛擬活體人腦細胞運作，其基於外科手術團隊直接供給的真實腦細胞樣本的大數據構建，是科學家迄今創建的最接近人腦臨床表現的虛擬腦細胞模型。 https://m.baidu.com/sf?pd=realtime_articleopenapi=1dispName=iphonefrom_sf=1resource_id=4584word=%E8%84%91%E7%A7%91%E5%AD%A6title=%E4%B8%AD%E5%9B%BD%E7%A7%91%E6%8A%80%E7%BD%91keysign=http://www.wokeji.com/zhuanti01/nkx/2017-10/30/content_588779.shtmlsource=realtime_afks=4cfe25lid=9342970068152457467ms=1frsrcid=19frorder=2

謝謝邀請。如果你能耐心讀完這個回答，我相信你會點贊的～

找到了這篇中文稿的依據，來自於NPR（National Public Radio）的一篇報道 "Scientists and Surgeons Team up to Create Virtual Human Brain Cells"（很不喜歡中國的很多作者不註明引用出處）. 艾倫腦科學研究所自己的press release 沒有這篇文章，因為這篇文章的表述方式不可能出自嚴謹的科學家之手，中文稿的編輯可能沒有較深的科學素養把這件事情描述清楚，顯得像在瞎編。但艾倫腦中心最近的press release 內容很多和大腦神經細胞3D模型相關，大家可以自行到其網站查看。

位於西雅圖的艾倫腦科學研究所在神經科學界的地位無人不知，也很有錢（僅美國NIH就給資助了$100M用於神經細胞研究）。研究所在從事的研究中，神經細胞建模是非常重要的一部分。所以，

1. 這篇文章描述的計算機能夠建立活著的（living）人類大腦神經細胞3D模型是屬實的。本次事件，由外科醫生把外科手術中切除的腦組織放在培養皿中，使其存活一段時間。然後由科研人員把腦組織切成極小的薄片放在電子顯微鏡下（我認為可能是激光共焦顯微鏡，只有這個顯微鏡技術才能達到100納米級的解析度，並快速成像，相當於記錄視頻）觀察，並記錄神經細胞的解剖圖像，如下圖。

2. 這篇文章描述的神經細胞之間的電信號被探測到是有可能的。既然腦細胞仍處於活體狀態，腦細胞之間仍然存在『聯繫』，如離子交換，蛋白質轉移等。至於如何能記錄到極其微小的細胞間電流，我暫時還沒找到他們用的技術細節。但我相信以現在的微電極技術或者化學染色技術追蹤通道離子，肯定是可以做到的。神經生理電信號的發生傳遞過程是可以用3D動態圖來模擬的，如下圖。

綜上，艾倫腦中心用計算機模擬細胞3D模型以及神經元電生理過程的消息是真的。

那麼，我們來看第二個問題，怎麼評價這個成果呢？

1. 神經細胞的解剖結構在上世紀90年代就開始了有明顯進展的探索，得益於高倍數的電子顯微鏡技術。在這個報道之前，可以說科學界已經基本清楚了神經元的細微解剖結構。從這個意義上說，該事件的發現並沒有特別的意義。
2. 能夠記錄活體神經元電生理的過程，很有意義，至少比神經細胞3D解剖模型更有科技含量。但實際上，本世紀初，對大腦神經元電生理的建模也已經有了相當大的進展，如論文：Spiking neuron models [electronic resource] : single neurons, populations, plasticity。但是對於更細節的真實過程捕捉，該事件還是非常有重大貢獻的。
3. 獲得了圖像和數據，並非等同於獲得了3D動態模型。能夠把海量的圖像信息進行特徵提取，建模並展現在計算機上，是要有相當的技術水準和工作量的。艾倫腦中心本身也沒有這個能力，所以聯合了哈佛大學，麻省理工等頂級高校，才完成了初步的幾十種細胞的建模工作。雖然每個研究部分可能沒有那麼有革命性，但能夠把世界上最優秀的專家整合到這個項目併合作出這個成果，是一件很了不得的成就。
4. 這件事對於人工智慧的貢獻是巨大的。人工智慧方法論中一個最大的分支之一，就是模仿人類大腦的信息處理過程。因為3D模型可以被科研人員設置不同參數，重複模擬大腦神經細胞的工作過程，對信息的處理細節。這極大了提升了人們對神經細胞工作原理的認知效率（你可以試想，做一個真實的神經細胞實驗要花費多少時間，多少人力，多少錢？）。

其實，艾倫腦中心的最大貢獻不是展現他們的科技水準，而是建立一個共享的腦細胞資料庫！原話：The Allen Institute for Brain Science has added the first data from human nerve cells to the Allen Cell Types Database: a publicly available tool for researchers to explore and understand the building blocks of the human brain.

所以，艾倫腦中心的偉大之處就是開源共享人類的智慧！

向腦中心捐助者艾倫 保羅致敬，向腦中心的科學家致敬！

點了鏈接，但是找不到英文原文。看了相關的圖，感覺就是成像做出來的3D模型，沒有什麼特別的。

從文章里扒了一張圖，不曉得是不是原版配圖：

這種3D模型都是在很宏觀的水平上看腦的生理結構，和模擬神經元個體放電完全是兩碼事。

所以我的回答是：不知道是真是假（因為沒給出處），即使是真的也不是什麼重大突破（根據有限的信息判斷），對腦科學和人工智慧有正面影響，但談不上ground-breaking。

===分割線===

話說回來，計算機能模擬人腦神經細胞活動（i.e. 放電）並不複雜，可以用0（靜息）和1（放電）來簡單的表示，用通用計算機就可以編程實現。只是個模擬多少細胞的問題。

作為歐洲的人類腦計劃（Human Brain Project）的一部分，我們曼大計算機系就有做百萬核晶元矩陣，用硬體來模擬神經細胞放電的。我們最大的系統可以實時模擬10億個神經元的放電活動。由於神經元之間的交流主要有硬體來支持，所以能耗要比通用計算機要小很多。

聽起來很牛逼吧？

問題是我們能模擬放電了，但是不知道神經元怎麼個放電，各种放電的方式又是編碼了什麼信息。就像我們有了廚房、各種廚具、和食材，卻不知道菜譜一樣。光有模擬的硬體沒有理論指導也只能是然並卵啊～

所以呢，要麼就走人工智慧的「黑盒」之路（AI具體怎麼算的我不知道也不在乎），要麼就要能等神經科學家們在活細胞上研究出規律了才能在計算機上有效的模擬人腦。

科學家們一再通過各種的觀測和計算證實，暗能量在宇宙中佔主導地位，約佔73%，暗物質占近23%，我們所熟悉的物質僅約佔4%。所以宇宙的運動不是由我們所熟悉的物質來推動的，而是由暗能量來推動的。太陽系和銀河系的運動都是旋渦型的，所以，暗能量必定以一種旋渦運動的形式存在，以便推動它們的這種運動。結果，在暗能量運動的範圍內就會形成一種旋渦場，我們稱之為暗能量旋渦場，簡稱為旋渦場。

暗能量是驅動宇宙運動的一種能量。它和暗物質都不會吸收、反射或者輻射光，所以人類無法直接使用現有的技術進行觀測。

人類到目前為止對宇宙的研究表明：27%的宇宙是由暗物質組成的，暗物質就像膠水一樣把所有物質連接在一起。新的一項研究發現，一部分暗物質正在消失，而導致他們消失的原因則是暗能量。 暗能量很有可能在消耗著暗物質，如果這一推論正確那這種現象將對宇宙的未來產生重大的影響。相關結果已經發表在了物理學評論快報上。

暗能量和暗物質並不會吸收、反射或者輻射光，所以人類無法直接使用現有的技術進行觀測。於是研究測試它們的性質變得十分困難。天文學家們一直以來通過觀測一些宇宙結構和物質受引力的影響以及能夠探測到的輻射來研究這一概念。

這項研究是基於宇宙時空的基本性質。在宇宙層面上來看還能揭示它的命運。如果暗能量真的持續吞噬暗物質的話，那我們的宇宙最後就會成為一個近乎絕對的虛無。暗物質在宇宙中的作用就相當於一個框架，如果不是因為暗物質我們所見到的星系們就不會在今天的位置。目前的研究表明暗物質很可能在被消耗，我們宇宙框架的成長隨之變慢。

約二十年前，一項研究表明我們的宇宙正在膨脹，而膨脹的速率不是恆定或減慢，而是在加速。這項研究在2011年被授予了諾貝爾物理學獎。 學者們認為暗能量的密度可能是一種宇宙常量，而真空則提供了宇宙膨脹的動力。

通過研究許多不同的資料，研究小組比較了宇宙的膨脹規律。他們認為暗能量吞噬暗物質可以作為宇宙加速膨脹的解釋。而傳統的標準模型對這一現象並不能給出合理完整的解析。

在物理宇宙學中，暗能量是一種充溢空間的、增加宇宙膨脹速度的難以察覺的能量形式。暗能量假說是當今對宇宙加速膨脹的觀測結果的解釋中最為流行的一種。在宇宙標準模型中，暗能量佔據宇宙約68.3%的質能。

對於人的大腦以及意識的探索，是當前最前沿的科學問題。意識問題的認知，可以引發人類文明的又一次飛躍，可以導致人類衝出地球的壯舉成為現實。

探討人的意識，必須從從人視覺聽覺 自閉學者 語言 天賦論 引力場量子場論 以相對論量子論為基礎 討論人的大腦暗能量-默認模式 入手，才可以得到答案。

大腦暗能量，大腦11空間是探索的核心。

大腦暗能量

你躺在屋外的搖椅上打盹兒，腿上放著一本雜誌。突然，一隻蒼蠅停在胳膊上，你拿起雜誌去拍它。在蒼蠅停在你身上之後，你的大腦里發生了什麼？在停下來之前呢？長期以來，神經科學家一直認為，人在休息時，大腦中的神經迴路基本處於關閉狀態。從這個意義上說，此時的神經活動屬於「隨機雜訊」，就像沒收到信號的電視機顯示的雪花狀圖案。而當蒼蠅停在你的胳膊上時，大腦恢復意識，準備執行「拍蠅任務」。但最近的神經成像研究揭示了一個完全不一樣的事實：當人們躺著休息時，大腦並未閑著，很多重要的神經活動仍在進行。這種不間斷的信息傳遞被稱作大腦的默認模式，它所消耗的能量是我們拍打蒼蠅，或有意識地對其他外在刺激作出反應時所耗能量的20倍。實際上，我們有意識去做的大多數事件，比如吃飯和演講等，都是對大腦默認模式下基準神經活動的背離。

理解大腦默認模式的關鍵，是要找到此前不為人知的大腦系統——默認模式神經網路（default mode network，DMN）。在組織神經活動的過程中，默認模式神經網路到底發揮了怎樣的作用，現在仍在研究當中，但我們知道，大腦在形成記憶，組織其他各種需要為未來事件做準備的神經系統時（比如感覺到蒼蠅停在胳膊上就下意識地去拍打，這個動作就需要大腦的運動系統隨時做好準備），可能就是採用默認模式神經網路預先設定好的方式。在使腦區行為同步方面，默認模式神經網路可能也發揮了重要作用——讓各個腦區就像賽跑運動員一樣，在發令槍打響的那一剎那，都處於合理的「預備」狀態。如果默認模式神經網路確實在為大腦的有意識活動做準備，那麼研究這個網路的行為，也許能讓科學家找到一些線索，揭示意識體驗的本質。另外，神經科學家還推測，默認模式神經網路遭到破壞，可能會引起精神錯亂，以及從阿爾茨海默病到抑鬱症的一系列複雜大腦疾病。

人們在休息或發獃時，大腦裡面到底發生了什麼？過去幾年，我們和其他一些研究小組對這個問題產生了極大的興趣，因為多項研究都暗示，在這種狀態下，大腦中存在一定程度的背景活動。

只須對大腦成像圖進行肉眼觀測，就能找到大腦背景活動存在的證據：無論來自對照組還是試驗組，大腦成像圖總是顯示，多個腦區都處於相當忙碌的狀態。由於都存在背景「雜訊」，通過肉眼觀察原始圖像，我們幾乎不可能從兩類大腦成像圖上找出差別，而要完成這一任務，只有利用計算機進行精密的圖片分析。

進一步分析發現，在執行特定任務時，大腦消耗能量的上升幅度不會超過基礎神經活動的5%。在神經迴路中，大部分神經活動都與外部事件無關，這些活動消耗的能量佔大腦總消耗能量的60%～80%。因此我們借鑒天文學家的說法，把這些固定存在的神經活動稱為大腦的暗能量——看不見的暗能量佔據了宇宙中物質能量的絕大多數。

推測大腦暗能量可能存在的另一個理由是，研究發現只有極少的感官信息能夠真正抵達大腦的中樞處理區域。視覺信息從眼睛傳向視覺皮層的過程中，信號強度會大幅衰減。

人們周圍存在無數信息，每秒約有上百億比特的信息抵達視網膜，但與之相連的視覺輸出神經連接只有100萬個，每秒鐘視網膜傳向大腦的信息只有600萬比特，最終能到達視覺皮層的信息只有1萬比特。

經過進一步處理，視覺信息才能進入負責產生意識知覺的腦區。令人驚訝的是，最終形成意識知覺的信息每秒鐘不足100比特。如果這些是大腦所能利用的全部信息，如此少的信息量顯然不大可能形成知覺，因此固定存在的大腦神經活動必定在此過程中發揮了某種作用。

神經突觸的數量也暗示大腦暗能量可能存在。突觸是神經元間的連接點。在視覺皮層中，負責傳遞視覺信息的突觸數量還不到全部突觸的10%。因此，大部分突觸肯定是用於建立視覺皮層內部神經元間的聯繫。

1995年，威斯康辛醫學院的BharatBiswal等人,發現在完全沒有運動的休息狀態下，大腦左右兩側運動皮層的fMRI信號仍然會顯示出很強的相關性——即腦區激活(activation).

這是一個非常重要的發現，因為之前雖然知道左右兩側的運動皮層在完成雙手協調任務時會同時激活，但並沒有人會想到人在沒有動手的時候負責控制兩側手的區域仍然會同步活動。這提示了一個大腦重要的屬性——大腦中存在著某種暗能量，一種自發的腦活動，而且這些自發腦活動不是雜亂無章的，而是有組織的。

這些腦區包括這些腦區有後扣帶回/前楔葉(PCC/Precuneus), 內側前額葉(MPFC), 雙側角回(bilateral AG), 雙側外側 顳葉 (bilateral lateral temporal cortex, LTC), 雙 側 海 馬 (bilateral hippocampus, HF+) (Fox et al., 2005; Raichle et al., 2001)——在很多認知任務實驗條件下幾乎不激活。

Shulman 等人(1997)綜述了相關正電子發射斷層掃描(PET)的研究, 發現這些腦區的大部分在安靜條件下的活動比主動任務條件下高, 被試在進行認知任務時, 這些腦區總是表現出負激活(deactivation)——即默認網路的活動和注意網路 (attention network)的活動相互拮抗(anticorrelation)

隨後, Raichle (2001)提出大腦功能「默認模式(Default mode)」的概念, 以指當大腦不加工外在任務時回歸到基線狀態(baseline state), 並將支持這一功能的腦區稱之為「默認網路(Default Mode Network, DMN)」。這一概念逐漸被其他研究者所接受。

Mazoyer 等人(2001) 的PET研究元分析, 以及Shannon (2006) 分別對區組設計和事件相關設計的 fMRI 研究進行的元分析得出的默認網路腦區均和 Shulman 等人(1997)的元分析結果非常相似。Greicius, Krasnow, Reiss和 Menon (2003) 首次使用靜息態功能連接分析發現以默認網路的重要腦區後扣帶回/前楔葉為種子點, 其與剩下的腦區都存在功能連接, 說明這些腦區具有同步活動的特性, 證實默認網路的存在。獨立成分分析的研究證明默認網路的存在, 研究發現對大腦低頻血氧信號進行獨立成分分析, 可以分離出幾個不同的成分, 其中一個成分就是默認網路, 其覆蓋腦區與任務誘發的負激活腦區類似(Greicius,Srivastava, Reiss, Menon, 2004; Damoiseaux et al., 2006)。

最關鍵的證據，是腦科學家提供的，21世紀量子場腦科學理論的關鍵證據，就是人類大腦最多可達到 11 維空間。這也是揭示了在現代物理理論基礎上，重新認知人類行為、認知、情緒、意識與靈魂的關鍵。

人類大腦非常複雜！竟然具有11維幾何空間 -人類大腦|幾何空間|維度-生物通

　　最新研究揭曉人類大腦最多可達到 11 維空間，這種多維空間或許能破解人類記憶的形成之謎。

研究人員使用一種叫做「代數拓撲」的數學模型，確定軟體建立的虛擬大腦中的幾何結構位置。為了測試該模型，研究人員在真實大腦組織上進行了實驗。

據國外媒體報道，人類大腦是最複雜的結構之一，科學家仍需揭曉更多關於大腦的謎團。目前，最新一項研究顯示，人類大腦布滿一種多維結構，該結構可使大腦在

這項研究使用複雜計算機模型理解大腦細胞如何自己組織起來，完成複雜的任務。瑞士「藍腦計劃」主管、神經系統科學家亨利·馬克拉姆（Henry Markram）說：「我們發現一個我們從未想過的世界，大腦中存在數千萬個幾何結構，它們可達到 7 維空間，甚至對於一些幾何結構，可以達到 11 維空間。」

當叫做神經元的大腦細胞組形成複雜幾何結構時，科學家稱它們為「團（clique）」。每一個神經元與鄰近神經元以特殊方式建立連接，從而形成具有複雜互連的幾何結構。越來越多的神經元加入「團」，從而使該幾何結構增添更多的維度。

三維是指高度、寬度和深度，現實生活中任何物體都具有三維結構。

目前，這項研究發現大腦的維度空間可達到 5、6、7，甚至是 11 維。比利時魯汶大學塞斯·范·李文（Cees van Leeuwen）教授說：「超過物理範圍之外，高維數空間被經常用於描述複雜數據結構或者系統狀況，例如：狀態空間中動力系統的狀態。」大腦空間僅是該幾何結構所有自由度的結合體，其狀態描述自由度的價值實際上是可以假設的。研究人員使用一種叫做「代數拓撲」的數學模型，確定軟體建立的虛擬大腦中的幾何結構位置。為了測試這一模型，研究人員之後在真實大腦組織上進行了實驗，他們發現虛擬大腦能夠刺激形成漸進較高維數的結構，在這些結構之間是多面性洞狀結構。

英國阿伯丁大學拉恩·李維（Ran Levi）說：「當大腦處理信息時，高維洞狀結構的出現意味著大腦神經元網路以非常有組織的方式響應刺激。這就好像大腦對刺激的反應是建立之後消除一個多維塔狀積木，最開始是使用條棒（1 維），之後使用平板（2 維），再之後使用方塊（3 維），之後更複雜的幾何結構具有 4 維、5 維等。

通過大腦的活躍進程類似於一個多維度沙塔，它是在沙堆上建立，之後瓦解散落在沙堆之中。目前研究人員面臨的最大問題是，我們所進行任務的複雜性是否依賴於大腦建立的多維沙雕的複雜程度。

同時，神經系統科學家也努力探索大腦存儲記憶的區域，馬克拉姆教授說：「大腦記憶區域很可能『隱藏』在高維洞狀結構之中。」

對於人的大腦以及意識的探索，是當前最前沿的科學問題。意識問題的認知，可以引發人類文明的又一次飛躍，可以導致人類衝出地球的壯舉成為現實。

探討人的意識，必須從從人視覺聽覺 自閉學者 語言 天賦論 引力場量子場論 以相對論量子論為基礎 討論人的大腦暗能量-默認模式 入手，才可以得到答案。

大腦暗能量，大腦11空間是探索的核心。

從靈異故事、天賦論、天人合一論和引力場開始，以相對論量子論為基礎 大腦11維度空間 討論人的知覺、意識 1

從人視覺聽覺 自閉學者 語言 天賦論 引力場量子場論 以相對論量子論為基礎 討論人的大腦暗能量-默認模式 2

好比知道了燈泡的工作原理，接下來要造個cpu

一部分是，IBM已經把neuron coding的做到了晶元上。但是人腦神經元工作的方式還在了解中，那要比神經元放電複雜應該還有化學，量子力學啥的。