在人類大腦機制的探索上,研究者主要遇到的困難有哪些?

看到這個月 Nature 的封面故事提到「也許自然科學的最終挑戰就是理解人類的大腦」,好奇,在這類探索上,遇到的主要困難一般有哪些呢?


感謝 @劉柯邀請。

我個人認為這個問題很棒。我覺得目前受困兩個大的方面:(1)研究工具,(2)研究人員自身素質。

先從研究工具入手。這一點又分兩個,首先是腦成像工具,其次是統計工具。

我們現在使用的腦成像無非是fMRI,EEG類東西。其基本原理主要是被動分析我們大腦活動所產生的電信號或者代謝數據。如下圖。

為什麼說還不夠好呢?我們從fMRI原理說起,它研究分析人在特定工作下血氧代謝情況,也就是說你要是沒有代謝變化就沒有辦法測出來。這些測量方法在時空解析度往往有 妥協,只能說還有待提升。我個人認為最好的目前是單電極分析,但是由於目前限制,是在沒法推廣。我個人認為終有一天,待我們的技術可以達到無入侵的高時空解析度的成像技術的時候,我們對於大腦的研究會產生一個巨大的突破。

除了工具本身,工具怎麼用也是問題。懂了fMRI原理夠了么?會看圖夠了么?不夠,別人做功能性連接的牛吧,還有做拓撲的呢。山外有山,但是我敢說再往後十年,同樣的核磁共振,新的科學家們玩的會更溜。在這裡挑戰就是研究者們能不能深切掌握工具。

下面就是統計工具,說實話,各國研究心理學或者神經科學的人,必然基本都會統計,但是統計質量呢?我倒是很期待本科學數學或者物理的加入一線神經科學研究(不是人工智慧)。只有運用更加準確的統計工具才能提高研究本身的分析效力。就好比說實驗結果就像複雜的生活一樣,只有準確運用了統計方法才能理清楚潛在的脈絡和邏輯,不然就是盲人摸象。在這一點上,很多 學生都得加油,新的統計手段使用什麼的還是得要掌握(比如我)。

最後就是人員素質本身了。為什麼要提到這個呢?目前神經、認知心理學蓬勃發展,很多人都研究某個細小組塊。結果呢,研究初級視覺皮層的不見得很熟悉高級識別,研究視覺的不太能馬上操作聽覺的研究。這樣的分區塊的研究自然有好處,術業有專攻;但是對於目前漸漸提倡整合或者跨模式的研究呢,我真的擔心大家的知識儲備(大牛們肯定比我們多了幾千篇論文,我擔心的是我們這些新晉的研究者會不會由於內容的過度細節化影響了總體的把控能力)。比如,我最近還在研究面孔識別,但是通過研究我發現工作記憶也有巨大作用:在認知裡面,視覺和記憶簡直隔行如山,但是其實暗中鑲嵌。

所以說,未來神經科學的突破肯定也會出現在一些細節上,但是更大的突破需要更新的技術手段和分析方法,加之以多領域協同工作,這樣的突破才會給我們生活帶來質變。

站在巨人肩膀上,眼界也開闊了,但是對挑戰也看得更清晰。怎麼辦呢?我們也應該成為新的巨人。

打個小廣告:

我的新書《看臉》上架啦!!!!(購買地址:Kindle | 豆瓣 | 網易 | 百度 )

我的新書《看臉》上架啦!!!!(購買地址:Kindle | 豆瓣 | 網易 | 百度 )

我的新書《看臉》上架啦!!!!(購買地址:Kindle | 豆瓣 | 網易 | 百度 )


謝 @劉柯 邀。@華沙 說的對,另外順手推薦這篇新鮮出爐的Nature好文,基本總結了我們現有的對大腦研究方法,了解程度(at different levels),以及所面臨的困境。

Progress and challenges in probing the human brainRussell A. Poldrack Martha J. Farah

http://www.nature.com/nature/journal/v526/n7573/full/nature15692.html?WT.ec_id=NATURE-20151015spMailingID=49776155spUserID=MjA1NzQ4NDQyNQS2spJobID=781896658spReportId=NzgxODk2NjU4S0

--- 2015.10.24 ---

還覺(希)得(望)腦科學相關學科和技術(如下)可以有很好的整合,cf. level of analysis (Marr, 1982)。

學科(排名不分先後):

數學

物理

生物工程

心理學

神經科學(系統神經,分子神經,細胞神經,行為神經,認知神經,發育神經,計算神經, etc)

機器學習

統計

哲學

語言學

人工智慧

計算機科學

機器人學

醫學

技術(根據研究課題選用最適宜研究方法):

功能性腦成像(fMRI)

腦電波(EEG)

腦磁波(MEG)

彌散張量成像(DTI)擴散頻譜成像(DSI)彌散加權成像(DWI)

正電子斷層掃描(PET)

經顱磁刺激(TMS)

光遺傳學(Optogenetics)

腦機介面(BCI)

電生理記錄 (Electrophysiological recording, e.g., patch clamping, single/multi-unit recording, etc)

以上所有我都想懂都想做,而吾生也有涯.....

希望多合作——多合作——合作——作!

PS. 美國這邊很多中心走的就是這樣的各領域交叉合作模式,也是Brain Initiative以及NSF funding所鼓勵的方向, 例如

Center for the Neural Basis of Cognition

CBMM, NSF STC

Temporal Dynamics of Learning Center


作為一個還在初級神經學上掙扎的學生淺答。

大腦太複雜,基本上可以更為兩種研究方向,一種是生物基礎探索結構,一種是以行為心理為基礎探索功能。利用的方法有EEG,fMRI,心理測試(這個更加廣泛,用人的下意識反應來推斷大腦的活動)。

生物基礎所指的是探索各種存在在神經元中的蛋白功能,各種神經元傳遞的信號,這些信號的功能等等, 利用的方法有 電生理,基因變異,蛋白合成等等。

心理學基礎相當於通過人或者動物的行為監控大腦各部的反應,從而推斷大腦個組織的功能

簡單來說,一個是從小推大(生物) 一個是從大推小(心理)。

正如其他的答案所說,研究方法確實需要更大的突破,然而個人來看,真正困難的地方在於,如何能建立起這兩種方法的聯繫,從而理解由生物層面上引發的活動,電信號,和神經元變化來解釋行為學上的變化。例如 發現的生物層面的蛋白細胞可以在多個大腦組織里表達,然而這些同樣的化學物質所引起的同樣的化學反應卻造成不同的行為變化

正如我的一個神經行為學的教授所說,我們現在無法建立任何一種假設,究竟大腦是像汽車一樣,有一片一片的零件的功能拼接而成,還是像一台電腦,由不同的開關的不同組合而給出不一樣的反應,還是介於這兩者之間。

簡單來說,大腦像是一台機密的儀器,卻又不是機器,我們可以復刻一樣的細胞,但無法造出一個大腦,也或者這就是為什麼說人是有靈魂的吧


自己能不能最終理解自身


mark


推薦閱讀:

自由意志(free will)是否僅僅是特定文化意義上的、沒有充分必要使用的概念?
近期神經科學領域有哪些對人工智慧研究有啟發的工作?
為什麼小動物可以醒來以後瞬間清醒,而人需要一個緩衝期?
神經痛是一種怎樣的體驗?具體有多痛?和肉體的疼痛有什麼區別?
工程領域的人工神經網路和深度學習等方法,是否需要尋求其在神經科學、認知科學和生物學等其他領域的合理性?

TAG:神經科學 | 腦科學 |