年，瑞士神经科学家HenryMarkram宣布用计算机模拟人类大脑。而今，十年之后，耗资10亿，嗯，那个，还是欧元，结果，最终项目宣布彻底失败。
看到这个新闻，笔者不禁嘿然，甚至，差点气乐了。
神经学家，对于这项研究来说，其更为了解的，是待研究对象。而相关项目确立的，却是建模方法。
这就好比，郭德纲老师的段子，一个听相声的，听着听着就起义了，自己说相声去了。
用计算机模拟某个事物进行研究，这是计算机科学领域的工作。用计算机（试图）模拟人脑，神经学知识在这个场景中，是研究对象（更准确的说是待对照研究成果标准）。牵头人方向不对，可以说，项目最开始就是（偏）外行领导内行，失败不足为奇。
而回到研究行为本身来说，现阶段，即在项目确立十年之后宣布彻底失败的时刻，这个项目还是有些过于超前了。
计算机模拟，说白了，就是编程行为。当然，依照不同的场景，尤其是不同的业务需求情况，这包括了软件编程（即我们通常熟知的狭义的程序）自己必要的硬件定制开发。但无论如何，其研究对象，都必须涵盖程序两个核心内容：数据结构与算法。
简单的说，数据结构相当于程序能够做什么事；算法相当于有了事之后怎么做。
从这两个角度，我们不妨进一步展开分析。
先说数据结构。
这个部分，又可以分成两个部分（别慌，本文的描述，就细分到这里了），包括数据和数据之间的关系。这个很好理解。说白了，就是确立研究范围的“圈地”行为。
科研的角度给人脑建模，肯定不是简单的结构立体成像建模（尽管这也是一种建模），科研角度更为侧重的是人脑对事物的认知与分析。
作为人类思维中枢系统，人脑处理对象为：一切抽象事物，以及一切形象事物的抽象认知……
而且，从数据结构的角度讲，为了便于程序处理，以及计算结果（包括关键中间步骤的临时结果）呈现与反馈现实，还要设计高效而真实的数据关系……
这也就是说，在对人脑进行建模之前，对于客观世界与人类主观认知，先要确认有效的模型设计。大了吧……
当然，这个过程可以进行小范围单元确认，进而增量开发推进迭代。但这个模式的前提，是前期的设计要绝对有效，并保持高度的正确性。简单的说，就是，这个阶段，不允许犯错误。记得动车轨道宽度和两个马屁股的故事吧，就是这个道理。
完成分析对象数据结构的确立之后，工作只能算是刚刚开始。重头戏还在后面。
算法的设计，就是让计算机能够对输入数据进行有效处理。
这句话说起来很简单，就像“孩子们，你们要想得诺贝尔奖就要好好学习”一样简单。
这简单的一句话，实施起来包括了（不限于，毕竟笔者个人水平有限）：
1.对数据的分类识别能力（类似于人工智能子学科模式识别）；
2.相关数据提取能力；
3.充分条件的有效结果计算；
4.非充分条件的结果可能性汇总集合；
5.非充分调节结果结合在补充条件引入后的结果提取；
6.条件是否充分的判断能力；
7.基于已有数据与规律的认知推导；
8.推导结果与客观数据的修正；
9.诧异结果的溯源逆向分析；
10.逆向分析结论对推导方法的修正；
……
别的不好说，上面很多条目，有效实现出来，拿个图灵奖问题不大。
而以上这些，要是真的都做出来，估计计算机也该革命了，届时，可能就没咱们人类什么事了吧。
早知道，即使此刻，所谓的人工智能驾驶，只是在处理相对信息更为有效的路况，仍尚未得到有效的社会认可。
用计算机模拟个人脑来，这个研究，还早点。这在，最好还是先从有效的数据迭代、公式确立开始。这个时代，能够打下这个基础，在笔者看来，已经可圈可点了。
