让我们看一个例子。我久负名望的同事斯蒂恩·耐德加德医生，在丹麦奥尔胡斯将神经递质5-羟色胺注入皮质细胞中，并记录电信号，但没有发生什么事情。然后，他转向另一个神经递质--NMDA，并观察到细胞兴奋性的轻微改变，但不是很完全的动作电位。随后斯蒂恩尝试了别的东西。他在给细胞注入5-羟色胺后很快再注入NMDA，因此当细胞内出现NMDA时5-羟色胺仍存在。这一次，动作电位横跨斯蒂恩的示波器屏幕。5-羟色胺调节了细胞，使之对NMDA更敏感。
在过去的10年间，已经清楚许多神经递质的作用不只限于抑制或兴奋细胞，而且如果提供一个适当的环境，也能充当调节者的角色。这种“适当的环境”取决于靶细胞的状态。比如，让我们看一个乙酰胆碱对海马细胞作用的实验。和我们预料的相反，除非细胞已经发放动作电位，否则乙酰胆碱对这些细胞没有作用。当它们发放动作电位的时候，乙酰胆碱移去一种分子闸，靶细胞因此较其他时候更长时间地保持动作电位发放状态。因此，在这个例子中，乙酰胆碱只是放大细胞的反应。
在调节方面，时机是非常关键的，靶细胞的反应依赖于当时发生了什么或正在发生什么。事实上，调节就如同给大脑功能一个时间框架那样重要。经典的突触传递可以在任何时间发生，神经元的过去、现在和未来是不相关的。但是当我们提到调节的时候，常常指的是两件事情，在有限的时间框架里一个事情接着一个事情发生。这种复杂机制，毫无疑问会大大增加大脑的处理能力，这也需要在硅片上予以模拟。
进一步的发现可能让人工大脑模仿中心感到头痛，即那部分首先释放神经递质的神经元。经典的说法是神经递质分子从轴突的末端分泌。但是，在某些脑细胞，比如黑质细胞，即帕金森氏病中受损的区域，多巴胺不仅仅从通常的轴突末端释放，而且也从接受细胞的树突发出。当这一发现首次披露的时候，几乎让人无法置信--因为树突通常是神经递质的靶体。换言之，神经递质有时候从标着“进入”的门走出。
五、活力释放：反向信号的反馈
为什么有的神经元工作如此特殊呢？一种观点认为反向的信号给第一个细胞以反馈，结果俨然像自动调节器一样调节它的作用。另一种意见认为树突释放的神经递质不只进入突触，它即刻可对若干细胞产生范围更大的影响。依这种说法，树突释放的目的可能不是传递一个特殊的信息，而有更普遍的作用，如给全部神经元以活力。我们在前面已经看到，肽类神经递质可以以这种弥散的方式释放，因此，并不奇怪其他神经递质也可能有非传统的释放方式。但无论哪种解释，这种混杂的化学物质释放方式使数字系统相形之下显得很粗劣和不切实际。
树突给那些试图构建神经元环路者以更多的挑战。它们是一种十分容易渗漏的电缆。信号成功到达细胞体有赖于进入的树突有多长，路程短的信号衰减机会较少，比路程长者更具优势。另一个因素是时机。一个输入可能太弱以至于不能对细胞体产生效应，但两个弱的信号加在一起可能促发一次强大的信号输出。而且，使事情更糟的是，神经科学家们现在发现树突可以在细胞体不知情的情况下传递电信号。
证明这一现象最好的一个证据来自纽约利纳斯教授。利纳斯尤其擅长复杂的、实际的挑战，而且他成功地完成了一项看似不可能的任务。首先他从豚鼠中脑取了一薄片大脑，然后将这片脑组织放在充氧的盘子里养着。接下来，他熟练地插入电极--一根充满可导电液体的很细的玻璃管--插入单个神经元的细胞体中。就它本身而言，这项操作需要非常高的精确度，但几次练习后，操作技术已经相当一流。但这时候利纳斯转而用4个电极针刺显微镜下神经元的树突，这不是一桩容易的事情，因为树突只有几千分之一毫米厚。得益于他精巧的操作和令人难以置信的准确，利纳斯有了伟大的发现：他发现树突本身有一个团体，不依赖其他细胞产生动作电位。信号不一定传给细胞体，它们有严格的局部约定。
以后的图像研究证实了上述发现，它明确地显示中脑细胞的树突可以不依赖细胞体被激活。前面我们看到中脑参与学习诸如弹钢琴或打羽毛球之类的复杂运动。首先，这些技巧需要注意力，并且从感官输入信息，但是足够的练习后它们会成为第二天性。看来利纳斯研究的细胞参与这类学习。树突信号在某种程度上调节细胞使之对某个输入产生永久的改变，比方说，能看到半空中的羽毛球。关于中脑工作方式的更多证据来自一个经典的猴子学习实验。在这个实验中，科学家们试图了解当猴子学习技能性运动时中脑神经元发生了什么变化。研究的细胞，即浦肯雅细胞从大脑的不同部位接收两个主要的输入信号。当猴子学习一项技能时，浦肯雅细胞必须同时从两个输入点接收信号才能引发反应。但是一旦任务完成，只需要一个输入信号。似乎两个输入信号的联合活性在某种程度上对细胞进行了再调整，因此后来只需输入一个信号。当这个完成时，反应便“学”成了。
当然，人工神经网也能够学习，但是两者在机制上有根本的差别。生物神经元不只是改变联系的力度，它们发展新的联系并让旧的萎缩，即还改变它们的物理外形。换句话说，硬件与软件是无法区分的。
人工智能的某些拥护者并不担心涉及的机制问题，相反对学习本身高度重视。就说大脑，有人可能争辩道沃里克的机械昆虫和亚利克山得的Magnus具有受经验调节的共性。个人计算机甚至也可以学习，尽管它的工作劲头和大脑有非常大的不同，计算机通过预先设计好的规则程序进行学习；但对大脑而言，每一秒都是学习的经验，内部的环路在不停地变化和更新。
AI拥护者可能认为问题不是建立精确的大脑复制品，而是模仿其基本的功能。毕竟，我们不必为了飞翔而复制鸟的羽毛。在某种方面，AI系统已经达到了这个目的。举个例子，在圣地亚哥工作的哲学-心理学家保罗·丘其兰德，他发明了一种能识别人脸和言语的人工系统。与之相类似，罗德尼·布鲁克斯教授和一群来自麻省理工学院的科学家们建造了一台叫Cog的类人机器人。在设计Cog手臂的协调性、视觉和听力方面有了很大的进步。最终希望他的听力能接受缓慢和渐进的语言，有点类似人类。
但在我看来，问题是丘其兰德和布鲁克斯都对脑的特殊功能，即学习和记忆高度重视，这些东西计算机已经比我们更有效地获得了。他们建造了给人留下深刻印象的学习机器，并没有真正关注真实大脑的功能。关键问题是，与人脑有关的最大秘密，不是执行一系列的客观任务，但人脑除了思考之外，还有感觉。
真的很难模仿人脑的全部生物学特征。人工脑要包括数十亿个“神经元”，数十万个输入信号，还有从一个主要区域到另一个区域的联络源。而且如果人们试图像自然状态那样从身体的各部位输入无数的信号，那么任务将变得极不可能。许多神经科学家为方便起见，不顾及大脑和身体合而为一的事实。想象感觉一件尴尬的使你脸红的事情，忧虑是如何使你的手心出汗的，疼痛是如何掩盖其他想法的。显然人脑和身体之间的对话是大脑工作完整性的一部分。然后还有以激素为介导的长期的相互作用。这些在血液中循环并灌注大脑的化学物质，具有各种各样的效应。激素与产后忧郁、绝经期脸色潮红、飙车、色情犯罪有关，更不用说一个人的欲望、渴求和贪婪了。要完全模仿大脑，也需要建造一个躯体。
六、希望开端：机器意识
但关于计算机最大和最有争议的是它们假定的内在世界、它们的意识。丹认为正因为他的机器人可能永远不会有与人类同水平的意识，我们不必急着讨论机器意识的问题。然而根本的一点，任何形式的意识都是一个有希望的开端。毕竟，没有人可以宣称人工心脏和真的一样棒，但它可以履行它的职责。
进行这种比较的问题是心脏具有单一和可理解的功能：泵出血液。但是，我们不能简单地定义大脑的功能，尤其是意识。心脏的工作可以简化，但我们却很难理解意识是什么，更不要说模仿它了。
诚然我们不能像童话中的主角那样，创造一个能自动转化成某种意识的机器来理解意识。如果我们知道要建造什么样的特征，那么问题早已解决。即使我们的确成功地建成了自动意识机，我们也不能将之拆开，看它是如何工作的--届时我们将面临应用于人类时同样的伦理问题。
我个人的观点是通过人工系统理解大脑特殊性质的方法不是很有用。理解学习过程不像理解精神的独特特性--感觉。确实，即使是出生才一天的孩子，在他短暂的人生中所学到的东西虽远远少于一部简单的个人电脑，但他可以在一天内学会拥有感觉。因此我们进入下一节的主题：情感。
