近日，来自英国伯明翰阿斯顿大学的 Eric Hill 及其他研究成员则正在尝试利用 3D 纳米打印技术复制大脑的神经网络。这项研究可能会帮助人们重建出脑结构，了解发展过程中的大脑网络形式，同时让我们了解诸如阿尔茨海默症等疾病究竟是如何影响大脑的。

Eric Hill 表示，他们希望借助人工3D打印的神经网络来改善大脑受损区域神经元的连接，从而逐渐探索出修复或替换如帕金森、痴呆或其他脑损伤患者脑部受损的部分。而作为一项对人类发展具有重要意义的未来科技研究项目，该计划已经获得了来自欧盟委员会330万美元的资金。

早在去年的美国 SXSW 科技展会上，南加州大学的 Theodore Berger 教授就已经在人类身上完成了利用人造海马体实现记忆的转换，就像我们现在的手机、电脑一样，通过对人脑记忆进行备份，并转移到其他人的大脑之中。此外美国休斯研究实验室此前也研发出了一种新型设备，能够将数据信息直接传输到人类大脑中，让人无需学习就能快速掌握新的知识和技能（就好比哆啦 A 梦的“记忆面包”）。

尽管科研机构近年来已证明了3D纳米打印技术对大脑的扫描复制并实现数字化的可行性，但对神经网络的重构比起针对大脑记忆的获取、复制以及转移还是要困难得多。

这主要是因为大脑是人体中最为精密复杂的器官，在小小的体积中却包含有大约 1000 亿个神经元，依靠神经元之间信息传递实现极度复杂的运算。Eric Hill团队认为，单个神经元对信息的处理方式是非常简单的，信号通过突触在神经元之间传递，其中只有两种情况，要么抑制，要么激发。这就好比机器语言一样，要么“0”，就是“否”的意思；要么“1”，就是“是”的意思。每个神经元往往需要在一瞬间实现对其接收到的成千上万个信号进行统计，最终得出到底是“是”还是“否”，前者居多，信号将通过它继续传递，后者居多则会保持静默。

本质上， 神经网络的形成可以说就是对所有神经元上进行的这类基础计算进行整合，从而演变各种复杂的思维结果，这也为众多科学家构建人工神经网络带来了启示。以深度学习技术为例，如今人工智能在某种程度上已经实现了从“算”到“学”的转变，去年Alpha Go战胜围棋顶尖高手李世石，又以 master 的身份连败几乎所有知名人类围棋选手，随后又相继在麻将、德州扑克等不同类型的博弈比赛中战胜顶尖人类选手。

在 Eric Hill看来，虽说大脑的复杂程度超乎想象，但人工智能成功模拟出神经网络的复杂连接也只是时间问题。而重构神经网络对于人类文明也具有更重要的意义，就像开头所提到的那样—— 实现数字化的“永生”，例如电影《超验骇客》中的科学家 Will Custer 那样将思维转移到虚拟世界中，以数据的形式存在着。

但不得不说，无论是上述哪一种尝试，都还具有较高的风险，毕竟大脑拥有世界上最精密的构造，而这也意味着，如果在改造大脑的过程中出现丝毫偏差，都有可能造成无法挽回的后果。