导读
图源Oracle你能想象在一台电脑上复制一个人类大脑和它的工作原理吗？这就是人类大脑计划（HumanBrainProject，以下简称HBP）的一项内容。
这个为期10年的项目始于年，欧洲多所大学、医院和研究中心的约名科学家受雇参与其中。HBP是欧盟有史以来资助的最大科学项目——四个“未来和新兴技术旗舰项目”（FutureandEmergingTechnology）之一。
图源EuropeanCommissionHBP将人脑项目将神经科学家、计算机和机器人专家聚集在一起，为了大脑研究建立一个独特的信息和通信技术（ICT）为基础的脑研究基础设施，旨在增强脑部研究的能力，以了解人类大脑及其疾病，由此推动大脑医学和计算技术的发展。
然而，这是一个复杂的挑战，因为人的大脑包含亿个脑细胞（称为神经元），每个神经元平均有个连接到其他神经元（称为突触）。目前的计算机能力不足以对整个人脑进行这种程度的相互连接建模。
神经元是神经系统内的细胞，将信息传递给其他神经细胞、肌肉或腺体细胞。大多数神经元都有一个细胞体、轴突和树突。图源BrainFacts
但HBP也没有放弃构思全脑模型。在这些模型中，最小的单位不是一个神经元，而是一个神经元群，对应的是大脑成像的分辨率。这些全脑模型是针对小鼠和人脑做的，它们可以直接整合来自连接组的数据。这样的模型可以用来预测和研究病理现象，如癫痫或中风等。
HBP在过去的七年间不断致力于以数据为动力推动神经系统科学的蓝图。神经科学领域大数据如火如荼的现象早已备受瞩目。
专注生命科学研究进展的媒体《生物通》在年发表标题为《年新技术：大数据时代的神经科学》的文章，描述了这项神经科学的新变化：当下成像技术和高通量记录技术的进步正在以前所未有的速度生成神经科学数据。
文中也提出追问：人脑是一个智能而复杂的机器,而其中大多数神经元行为非常复杂。定量的大数据分析真的能完全模拟神经元活动，并且主宰我们的神经元科学，带我们进入神经科学的大数据新纪元吗？
日前，曾在美国德克萨斯大学奥斯汀分校担任研究科学家，致力于研究机器学习和自然语言处理的美国作家（？）ErikLarson在国际期刊Inference上发布题为“BigNeuroscience”（大神经科学）的文章，深度刨析大数据研究对于神经科学的影响与未来。
在分析盘点了HBP及其前身“蓝脑计划”、美国Brain计划、Mindscope等计划后，ErikLarson提出了明确的观点：大数据只能作为帮手，而无法作为神经科学的主宰。
ErikLarson认为，数据就是数据，就是观察，就是经验，它永远不应该占据神经科学的核心地位。研究和实验亦不应该让位于数据收集和计算机分析。
世界顶尖科学家论坛以获得授权编译转载。
大神经科学
大数据从一开始就被夸大其词，而现在变成了一种过分吹嘘。ViktorMayer-Schnberger和KennethCukier将他们最近出版的书命名为《大数据：一场将改变我们生活、工作和思维方式的革命》。映入眼帘的并不是非常谦虚的前景。
图片上是《大数据：一场将改变我们生活、工作和思维方式的革命》作者之一的KennethCukier，图源DataInnovation
当然，如果能对大数据有一个准确的定义，那就更有帮助了。《福布斯》杂志年发表的一篇文章就说明了概念上的混乱：12个大数据的定义：你支持哪个？”年，早在这个术语本身还没有进入词典的时候，DougLaney就将大量的数据集所带来的挑战描述为“由三个属性的同时扩展所带来的挑战”：“数量”（volume）、“速度”（velocity）和“多样性”（variety）。
DougLaney的3V模型，图源GartnerBlogNetwork
在这个3V的模型上，IBM又增加了“真实性”（veracity）。不满足于4V的模型，其他人还进一步扩大了框架，表现出对Laney最初的构思不屑一顾。甲骨文公司将大数据定义为从传统的关系型数据库驱动的商业决策中衍生出的价值，并辅以新的非结构化数据来源。在年的一项研究中，英特尔设定了大数据的界限，即以“组织每周产生中位数为TB的数据”为参照。另一方面，微软将大数据定义为一组用于分析大量的数据集的技术。数据可能是海量的；分析才是最重要的。
DougLaney是Gartner数据和分析研究和咨询小组的副总裁和杰出分析师。他是信息管理和分析领域的杰出实践者和公认的权威人士。图源Coursera
这些都甚至不能算定义，而是一系列的说法。混合和匹配:大数据指的是对数据集在一定规模上的存储和分析，而在这个过程中数据的分析使得新的见解的诞生成为了可能。
毫无疑问，这样的规模是存在的；数据分析确实能带来新的洞察力；但这些洞察力是否有很大的价值是另一回事。
在科学史上，大数据的光辉性是新的，但它深层的思想却不是。
经验主义如果不是这种将科学本质上看作数据的收集和分析的观念，那它又能是什么呢？科学的职责其实是观察。这是一个可以追溯到英国的经验主义者们：洛克、乔治·贝克莱、大卫·休谟的论点。经验主义就好像休谟所理解的那样，是一个出人意料的严厉的大师。
苏格兰历史学家和哲学家大卫·休谟的肖像画，由AllanRamsay年创作，现存于苏格兰国立肖像美术馆，图源OUPBlog
休谟认为，因果之间没有必然的联系。正如我们所知道的那样，下一个吞下一口马钱子碱的人可能会发现它是有营养的。如果因果之间没有必然的联系，那么在经验中也无法辨别。有吞食*药，也有随之而来的死亡。它们之间的因果仍然是隐藏的。
休谟的结论是，正是事件之间的不断结合，为经验主义者提供了他所能知道的关于它们的因果结构的一切。
这个结论并不是给科学议程注入了乐观主义色彩。休谟观察到：
“当然，我们必须允许，自然界使我们与她的所有秘密保持着很大的距离，只给我们提供了物体的几个表面质量的知识；而她对我们隐瞒了那些完全依赖于这些物体的影响的力量和原则。”
英国的经验主义者虽然早已消亡，但在二十世纪上半叶又死灰复燃。逻辑实证主义者认为，我们在科学中所拥有的，就是休谟所说的我们所拥有的：经验的多元性，回过头来看，就是数据的记录。一些科学届的哲学家们认识到了随之而来的讨论的无菌性。
卡尔·汉普尔认为，即使是简单的现象，也不能用观察来解释。木头漂浮在水上，而不是铁。还有什么比这更简单呢？但是，木头有时会下沉，铁有时会浮起来。只有比重的概念才能让物理学家解释为什么一个有水的棺材会下沉，而一个空心的金属球体会浮起来。物体的比重就像事件之间的因果关系：两者都不能直接把握；两者都在面纱的背后；每一个都在解释中有重要的意义。
现代神经科学有赖于计算模型和模拟。令人印象深刻的计算资源是广泛存在的。这样的研究环境经常被称为脑观察站。位于西雅图的艾伦脑科学研究所(AIBS)就是一个例子。
Mindscope是目前AIBS的一个项目，它所