連結：https://www.zhihu.com/question/347229130/answer/832306700

神經元的結構並不簡單，現有的數學模型比如Hodgkin-Huxley Model都是比較理想化的，Hodgkin-Huxley model是一個四維的常微分方程，模擬起來並不難。但是呢，你要是再考慮到軸突和樹突是有長度的，還要再加上個空間項，這就變成了一個偏微分方程；考慮到樹突會分叉，這個偏微分方程還是定義在某個樹結構上的，更加複雜。如果再去考慮離子通道什麼的，那就更沒完了。

這還只是一個神經元，要是考慮到神經元之間的連線的話，那還有突觸的建模。突觸還有電突觸和化學突觸的區別，化學突觸還有各種遞質，還要考慮到空間分佈。。。然後大腦神經元之間連線的拓撲結構也是個大問題，解剖上看起來如此複雜的連線，到底有多少是隨機的？多少是基因決定了的？多少是後天學習之後生成的？我們並不完全清楚。

現在計算機的水平和建模的水平，基本上能把少數幾個神經元的電學行為比較精確的模擬出來。比如低等生物的運動，有很多人在做CPG(central pattern generator)的建模和計算。如果數量再大的話，在模型的生物真實性上就一定要做出犧牲了。比如可以把Hodgkin-Huxley model變成更簡單的積分-觸發模型甚至是Wilson-Cowan這樣的平均場模型；比如可以假設突觸對電導率的變化是瞬間完成的。然後人腦和低等生物還很不一樣，高等動物大腦神經網路的拓撲結構極為複雜。因為解剖資料不足，基本上大家都只能假設神經網路是一個保留了某些解剖學性質的隨機圖，不可能在模型裡面保留太多細節。

現在對大腦皮層上的一些比較小的功能區域，比如幾個柱狀結構，已經有了一些建模之後的數學結果。但是更大範圍內的計算機模擬，難度是超出外行人想象的。

長久以來，人們一直對長期培養中使成熟的人腦神經元維持生長有著極大的興趣。但是腦研究的問題之一就是腦及脊髓的神經元不能分裂，也不能在培養基中長期存活。神經元達到成熟後不能參與進一步的細胞分裂，嚴重的限制了人體恢復中樞神經系統損傷的能力。目前，人腦神經元，在實驗室可持續數小時，但最終結果仍舊是死亡。

1.技術問題。雖然神經元非常簡單，但是這只是我們所看到的，看和製作是兩碼事。要製作，你要分析成分，結構，和理性等一切問題，還要考慮神經元所能承受的外部條件問題。

2.體積問題。我們所觀察到的神經元，是經過放大無數倍的，如果我們要模擬製作，我們是放大來作還是按照原體積來做，我們有這個技術這個能力嗎？

3.風險問題。任何一項科學技術，我們無法預測其風險時，我們都無法去開展。打個比方，我們模擬了人類的大腦，萬一這個大腦比我們更高階，我們又如何應對？

這是個比較深奧和專業的高技術問題。

神經元(neuron，neure)，神經系統的基本結構和機能單位。主要部分包括樹突、胞體、軸突、細胞膜。

樹突形狀似分叉眾多的樹枝，上面散佈許多枝狀突起,因此有可能接受來自許多其他細胞的輸入。胞體內有細胞核，而且絕大多數維持細胞生命的細胞器都在其中。

軸突為細胞的輸出端，從胞體延伸出來，一般很長。許多軸突由髓鞘包裹，其作用是與其他細胞的資訊流絕緣。沿鞘壁有許多豁口， 稱郎飛氏結。軸突到突觸接端為止。

人腦由大腦、小腦、間腦、腦幹組成。其中:大腦是中樞神經系統的最高階部分，也是腦的主要部分。分為左右兩個大腦半球，二者由神經纖維構成的胼胝體相連。

大腦半球表面有許多彎彎曲曲的溝裂，稱為腦溝，其間凸出的部分稱為腦回。這些腦溝、腦回就像一塊皺攏起來的綢布，一旦展平，它的面積像半張普通報紙大小，約2250平方釐米。

兩者是有區別的，而且基礎結構還有很多不相同的地方。所以要製造模擬也不是那麼容易的事。

人類大腦的魅力來自於其重要性和獨特性，長久以來，關於大腦的研究發展迅速，但是我們距離真正的人造大腦到底還有多遠？人們孜孜不倦的研究人造大腦的目的何在？

人腦神經細胞每秒可以完成資訊傳遞和交換數達1000億次，功能遠遠超過世界最強大計算機。而更令人驚歎的是，人腦消耗的能量如果換算成電功率的話僅為25瓦，並且大部分能量都用於大腦的日常運轉。如此高效的資訊處理系統，科學家們自然不會放棄研究和開發人造大腦的機會。

目前，人們對大腦的內部結構已經有了一定程度的認知。成年人的大腦約重1.2–1.4 kg，約為人體總重量的2%。大腦包括端腦，腦幹和小腦。腦幹主要作為連線端腦、小腦和脊髓的重要通道，小腦是運動的主要調節中樞，端腦是脊椎動物腦的高階神經系統的主要部分，分為左右兩半球，可以控制運動、產生感覺及實現高階腦功能等。端腦主要包括大腦皮層和基底核，大腦皮層是主要由神經元的胞體組成的覆蓋在端腦表面的灰質，皮層深處則為神經纖維形成的白質，白質中又有灰質團塊，即為基底核。

儘管皮質的厚度僅為2~3 mm, 但是它是賦予大腦高效榮譽的原因所在：皮質是人類的思考總部，所有的想法、決定幾乎都產生於此。這是因為皮質是神經元的聚集地，約三分之二的神經元在此運作，一塊針頭大小的皮質，就含有近三萬神經元。各個神經元依靠自身的成百上千的突觸互相聯絡，大腦的基本功能就是基於神經元所構成的網路系統。一個神經元本不突出，但是上百億的神經元組成的複雜網路森林就可以創造無窮可能。各個神經元依靠化學訊號與電子訊號彼此交流，由於突觸數量之多，訊號傳遞距離短，以及訊號分子多樣性等等，使大腦的資訊處理能力遠非計算機所能企及 。

那麼，人造大腦的研究意義就僅限於創造更加高效的資訊處理系統麼？答案並不是如此簡單。人們希望創造出擁有和人類大腦相近的具有認知功能的硬體和軟體系統，在以下科學研究領域均具有重要意義 ：

1 、在認知神經科學領域，建立可靠的大腦模型有助於理解大腦工作的深層機制。

2 、在人工智慧科學領域，有一點一直備受爭論：是否能夠創造出具有人類全部功能的機械。思維實驗證明這種期待在理論上是可以實現的。

3 、創造擁有哺乳類動物（尤其是人類）同樣複雜的神經中樞系統的機器，最終目標是創造出表現出類人類行為和智慧的“強人工智慧”。

培養皿裡的迷你“大腦”：

早在2013年，科學家們就試圖利用多能幹細胞在體外培養大腦類器官，並且成功得到了可以反應大腦早期發育過程的豌豆大小類大腦組織 。

大腦類器官的培養主要可以概括為四個步驟：

1、 在合適培養條件下培養人類多能幹細胞直到擬胚體；

2、 擬胚體在神經誘導培養基中培養生成神經外胚層；

3 、將培養體轉移到基質膠滴中，於分化培養基條件下進行培養，在基質膠和培養基的共同作用下神經外胚層細胞開始增殖生長。但是由於脈管系統的缺失，類器官生長尺寸一般較小；

4、 將類器官轉移到旋轉生物反應器中，使其進一步生長。旋轉生物反應器的使用是類器官培養中一個創新突破，可以促使培養基中的營養物質進入類器官內部的細胞中，從而縮短細胞倍增時間、促進細胞增殖、豐富細胞外基質成分。經過20~30天如上述的3D培養，就可以獲得具有特定人類大腦區域，例如前額皮質、枕葉、海馬和視網膜等的大腦類器官。實驗過程中，各個階段條件的控制是需要細心把握的。

而科學家之所以希望建立這樣的體外大腦組織模型，則是希望可以更好的研究大腦早期的發育以及多種神經類疾病。因為小鼠等動物模型腦部發育和人類大腦發育存在明顯差異，例如小鼠大腦內不具有人類大腦的外腦室下區和內纖維層等關鍵部分，有關於神經疾病的研究僅依靠動物實驗難以取得成果。研究人員利用3D培養，成功構建了頭小畸形患者的大腦類器官，在體外解剖試驗類器官後，驗證了此類疾病的發病機理。由此可見，這種人工培養的大腦類器官為精神疾病的研究提供了更精確的工具。

在後續的研究中，透過改善培養條件，例如降低多能幹細胞數量、最佳化神經誘導培養基和增加腦源性神經營養因子等，研究者可以培養大腦類器官長達九個月。在來自31個人類大腦類器官的80000個細胞中，利用單細胞RNA測序方法，研究者發現在六個月培養後，類器官擁有七種神經細胞，包括視網膜細胞和皮層細胞，表明大腦類器官具有細胞多樣性。研究中還發現類器官中的視網膜細胞具有光響應的功能，為未來調控類器官的神經網路活性和物理感應提供了可能 。

研究人員發展了另一種3D培養生成層狀大腦皮質結構的方法，這種層狀大腦皮質結構被稱為人類大腦皮層球狀體。這種培養方法的關鍵是人誘導多能幹細胞的懸浮培養以及培養過程中各種培養基和抑制劑的調控。

主要培養步驟如下：

首先將人誘導多能幹細胞集落自飼養層細胞上酶處理脫離下來，隨後將懸浮的細胞集落轉移到具有去除成纖維細胞生長因子的分離血清培養基中，在低粘附培養盤上培養。幾小時內，細胞集落會形成球體結構。為了得到快速高效的神經誘導效果，研究者利用小分子抑制了骨形態發生蛋白和轉化生長因子訊號通路。懸浮培養的第六天，懸浮球體被轉移到含有FGF2和表皮生長因子的無血清培養基中。第25天開始，利用腦衍生神經營養因子促進細胞分化。第43天起，僅用神經細胞培養基對球體進行培養，隨後得到最終的大腦皮質球體。研究者利用轉錄譜在兩個時間點對大腦皮質球體和人胎兒腦組織進行了對比，經機器學習演算法分析後，發現球狀體和大腦發育過程中直到中孕晚期都具有一定程度的重疊。利用抗體驗證和陣列斷層X射線成像技術等實驗，研究者發現球體包含人類大腦皮質表層和深層的神經細胞，細胞表現出自發活動，周圍被膠質細胞包圍，且可以形成功能性突觸。

最近，研究者利用這種方法，調整了培養條件，得到了具有穀氨酸能和伽馬氨基丁酸能神經細胞的類似前腦背側和前腦腹側的球狀體，將兩種球狀體在試管中共同培養後，研究者分析了二者的相互作用並觀測到了中間神經元的跳躍遷移。這種遷移廣泛存在於正常胎兒腦組織中，有利於之後中間神經元與穀氨酸能神經元的功能性結合以及微生理系統的生成，而提摩西綜合症患者腦組織中此類遷移表現出明顯異常。研究結果表明此大腦球體有希望被應用於大腦發育和神經類疾病的探索 。

機器能夠思考嗎？

另外一些研究者，他們的目光並不在培養盤裡的類腦組織上，而是在思考是否可以使機器具有與人類相同的思考功能。

“機器能否思考？”這個問題曾困擾人們多年，很多科學家也給出了不同意見，其中最著名的可能要算是“圖靈實驗”。英國著名數學家、邏輯家、被稱作“人工智慧之父”艾倫·圖靈在1950年發表了那篇名垂青史的論文“計算機械與智力”。與其直接回答機器是否能思考，圖靈選擇提出並解釋另外一個問題——“人類目前能夠想象到的計算機可能在模仿遊戲中表現合格麼？”。圖靈提出的一種模仿遊戲為：設計三個角色，評判者 （人類） ，一名人類和一臺計算機，測試僅透過非接觸的文字對話，評判者對對方是人類還是計算機做出判斷。若計算機能夠騙過30%的評判者，那麼就說明這臺計算機擁有和人類一樣的思考能力。圖靈之所以要做出這樣的替換，主要是為了避開“思考”這個難以界定的詞。

令人興奮是，在“2014圖靈測試”大會上，聊天程式“尤金·古斯特曼” 首次“透過”了圖靈測試。“尤金·古斯特曼”的設定是一名13歲的烏克蘭小男孩，在5分鐘的對話內，這個程式騙過了超過30%的人，沒有被識破計算機的身份，因此成為了首例經過認證的圖靈測試透過者。雖然圖靈測試的內容並不完善，例如“30%”這個指標的正確性、以及測試本身並不能涵蓋或代表“思考”，但是隨著圖靈當年的預測得以成真，為未來真正實現機器的“思考”能量提供了積極支援 。

人造大腦，科學家的終極挑戰：

在各種人工智慧程式不斷被開發的過程中，相對的硬體發展也取得了成果，其中引人注目的就是有關“人造突觸”的研究。

突觸是神經細胞間以及神經細胞與其他細胞傳遞化學訊號或電訊號的關鍵部位。突觸分為化學突觸與電突觸兩種，在化學突觸中，衝動傳到突觸前末梢,觸發前膜中的二價鈣離子 （ Ca 2 + ） 通道開放，在 Ca 2 + 的作用下突觸泡與突觸前膜融合後開口，內含的遞質被排放到突觸間隙。被釋放的遞質，擴散透過突觸間隙，到達突觸後膜，與位於後膜中的受體結合，形成遞質受體複合體，觸發受體改變構型，開放通道，導致形成興奮性突觸後電位或抑制性突觸後電位。電突觸為雙向傳遞突觸，發揮的作用類似於電阻。高等動物神經細胞上存在大量的突觸，這也是大腦可以快速接收處理資訊的重要原因之一。

最近的一項研究中，研究者製備了一種奈米電子原件，一層薄鐵電物質BiFeO3 (BFO)夾雜在(Ca,Ce)MnO 3 (CCMO)電極和Pt/Co亞微米柱之間形成一個三明治結構。鐵電層的電阻，可用類似於神經元電訊號的電壓脈衝來調整。低電阻條件下，突觸聯絡 會很強；高電阻情況下，突觸聯絡會較弱。正是基於此種調節電阻的能力，研究者實現了人工神經突觸的學習能力 。

而另一組研究人員，也構築了一種新型有機材料人造突觸。這種人造突觸由三個電極構成，每個電極又由柔性薄膜組成，三個電極之間由鹽水電解液連線。其中，兩個電極之間的電流由第三個電極控制。研究者透過反覆的充電放電來模擬人類的學習過程，透過反覆試驗可以預測電極到達一定電位狀態所需電壓，一旦達到所需值則會維持穩定。研究者在所製備的人工突觸上進行了15000次測量，研究人工突觸在神經網路中的排列方式，隨之又測試了神經網路對數字的辨別能力，發現其準確度高達97%。不僅如此，此裝置還適用於訊號的識別，與傳統電晶體只有0和1兩種狀態不同，研究者在這種人造突觸上實現了500種狀態，對神經元形態計算機模擬提供了重要的意義 。

在軟體和硬體都相應取得一定進步之後，目前究竟有沒有初步成型的人造大腦問世呢？

答案是肯定的。加拿大滑鐵盧大學的研究者在2014年發表了人類大腦模擬系統——Spaun 。Spaun除了擁有250萬隻虛擬神經元，還擁有一隻28*28解析度（784畫素）的電子眼和一條可以在紙上寫畫的機械臂。雖然250萬隻神經元並不算是一個突破，畢竟IBM公司已經成功製備含有5300億個模擬神經元的系統。但是Spaun能夠幫助人們進一步理解行為的產生機制。

Spaun內部的結構嚴格依照人類大腦的某些結構進行構建，包括前額皮質 、基底核 和丘腦 。其中應用的運算也完全基於生理學原理，包括脈衝電壓和神經遞質。因為科學家們希望Spaun系統可以像真正的大腦一樣運作：電子眼接收的訊號透過模擬丘腦區域處理後，資料存放在模擬神經元中，隨後模擬基底核可以給出指令促使模擬皮質完成任務。在這個工程中科學家需要向Spaun出示字母或符號來指示它如何處理儲存的資訊。

Spaun可以完成8項任務，包括對展示圖案進行重複繪畫、加法算數、簡單的數列規律推理等。在未來，研究者希望Spaun可以擁有學習的能力，即根據完成任務來自主重構神經元，進而具備完成新任務的能力，成為更接近人類大腦的模型 。

Spaun的解剖結構和功能結構。 (A) Spaun的解剖結構展示了此係統相關的大腦結構和腦部連線。圓圈內為GABA能連線。方點虛線內為調節多巴胺能連線。相應圖形與顏色與(B)中功能相對應。PPC，後頂葉皮層； M1,主要運動皮層； SMA，輔助運動區； PM，運動前皮層； VLPFC，腹外側前額葉皮層； OFC，眼窩前額葉皮層； AIT，前顳皮層； Str，紋狀體； vStr,腹側紋狀體; STN，丘腦底核 GPe,側核； GPi，內蒼白球體； SNr，黑質下網狀部分； SNc，黑質緻密部； VTA，腹側被蓋區； V2，次級視皮層； V4,外紋狀皮層. (B) Spaun功能結構.黑色粗線表示皮層內部各部分交流過程；細線表示行為選擇機制和皮層之間的交流. 圓角框內表示行為選擇機制可以利用行為變化調整次級系統的資訊輸入。

藍腦計劃：

“藍腦計劃”是Ecole Polytechnique Federale de Lausanne的腦科學中心於2005年與IBM合作發起了一項哺乳動物大腦逆向工程,致力於利用超級計算機模擬哺乳類動物大腦。該計劃旨在透過超級計算機來“複製”人腦所有的活動，以及在其內部發生的各種反應。該計劃的領軍人物亨利·馬克萊姆在一次演講中說到：構建的人類大腦模型將幫助我們對抗疾病，並更真實地認識世界。

該計劃的研究者不僅對數十億的神經細胞進行了大量研究，神經細胞之間的通訊和連線也成為研究重點。根據所得到的資料，他們已經能夠構建新皮層的三維立體模型，並將神經元之間互相通訊的規則進行編碼。該專案的研究者在2005年完成了單細胞模型的構建，2007年度過新皮層單元研究的資料驅動處理階段，2008年構建了含有上百萬細胞的人造新皮層單元。2011年成功構建了含有100個新皮層單元的腦部微迴路。目前，該專案研究者已經重構出了幼齡大鼠新皮層中一小部分的認知功能和電學行為。而人類大腦，在完成大鼠腦結構的構建後，研究者預計2023年可以完成 。

我們“看”到的99%的東西，其實都是我們大腦對周圍資訊進行處理和推斷的結果，換句話說，世界的樣子是大腦告訴我們的。待“藍腦計劃”以及以上所有人造大腦研究進入最終極實驗過程階段，我們可以透過人造大腦來理解這種資訊處理過程，那麼，世界還會是我們現在看到的樣子麼？答案仍為未知。這也許是人造大腦研究久經不衰的原因之一吧——人類在認識自己、認識世界的路上註定越走越遠，直至真相。

是否可行除了內部結構的瞭解還需要掌握它生存的環境因素，還有能量的補充，理論上最好條件合適是可行的，所以好多科幻電影都會有類似情節。

但是在現有的醫療水平和生物科技的侷限下，估計還得好幾十年才能達到體外培養神經元的可能。

假設神經元的體細胞是Passive的，那主要的計算量就在突觸發育。在一個還原了神經突觸發育涉及的分子擴散、化學反應和突觸拓撲形變這3個互相耦合的非線性動力系統的生物物理模型中，以

[公式]

秒為1次迭代對應的物理時間跨度，計算單個神經元的Lamellipodia發育狀況只需要1秒左右。

迭代到神經元發育基本定型，需要1分鐘左右。使用的裝置是128G記憶體加雙Novida GTX 1100。

但，同樣的系統計算300個神經元在同樣時間尺度下的發育和連線狀況需要34個小時左右。資料儲存和影象顯示時還容易爆記憶體。

即使接入超算平臺，也不能在可接收的時間內進行百億級神經元突觸發育和連線的計算。而對於大腦模擬而言，在完成上述步驟後，還需要接入HH方程建立電動力學，加入STP、LTP、STDP等可塑性機制，加入突觸間涉及化學遞質、調質傳輸，加入反饋機制，加入腦區分化，加入腦功能連線圖譜等等從微觀到宏觀的級級遞進的機制。

在https://www.cell.com/abstract/S0092-8674(15)01191-5這一篇論文中，藍腦計劃的研究人員用計算機模擬了包含31000個神經元和37000000個神經突觸的大鼠神經網路。

這仍然等價於”我想登上月亮，我已經把梯子架在了大樹上“的勝利，且這把”梯子“花了10億。

如果我們想在計算機裡復現出一個遠比當下計算機更復雜的智慧系統，或許首先應該把這個容器造得更漂亮和強勁一些。

這個問題雖然我是個外行人，但是最其本的判斷還是有的。如果用幾百億的神經元來模擬人腦是否可行？我認為理論上是可行的，但這個理論可行得有個條件，那就是現在的科學能否製造出跟人腦一樣功能的神經元。我們都知道在這個地球上只有我們人類才有思維意識，而且具有抽象的思維意識，這種抽象的思維可以說是上天特意給人的特異功能。比如牛頓就憑藉他的抽象思維而發現了萬有引力，愛因斯坦憑藉抽象思維發現了相對論。而這種人獨有的抽象思維正是人的大腦裡的神經元的作用，換句話說就是隻有我們人的大腦裡的神經元能夠使大腦有抽象思維，其它動物或其它物質都不具這種特性，至少目前沒有發現。所以要用人造神經元來模擬人腦，就得先找到能夠製造這種跟人的神經元一樣功能的物質來，很顯能這是無法找到的，至少目前沒法找到，除非從人的大腦裡取出來，而且只有活人才行，死人的大腦都不行。雖然現在的高科技智慧機器越來越發達，越來越智慧，越來越接近人腦，比如人跟電腦象棋或圍棋比賽，雖然電腦戰勝了，但它只是已經編好的一個程式而已，這個程式在計算時比人快而已。所以我認為用人工神經元模擬人腦是永遠做不到跟人腦一樣具有抽象思維的。

許多事情看上去簡單，做起來難，想起來容易，操作起來複雜，所以說看上去這好像覺得，神經元and大腦，想想他們之間聯絡，如果要解決這個問題，多做一點就可以把它解決的話，或者是或許我們想的太簡單，這個涉及到科高科技領域裡面，並非咱們想的那麼容易。

做任何事情，現實性，多思考，或許對自己的選擇與行動是有利而無害的，否則就要接受衝動的懲罰。

你說得簡單，神經元進化到今天經歷了億萬年，動物世界動物們的神經元也簡單，但比人類的神經元就差之千萬。看看動物們的“反應力”，人們看到就起氣：“怎麼那麼笨…”。所以，人類要製造神經元，純屬是痴人說夢話！

按排練組合的結構來，就不簡單了，斷開每一個結合都非常的複雜。向人類的一個記憶一個痛苦的回憶，他都包含了很多很多的演算法，相當於計算機一樣，都是一個非常複雜的一個運動和一個複雜的活動。可能到什麼時候科學水平達到一定的程度，人類的生物學到達一定的程度，然後神神經的生物科技與那個人工智慧相結合，可能夠解決的一些問題。