ما در حال زندگی‌کردن در میانه بزرگ‌ترین تلاش‌های علمی بشر هستیم، کوشش برای فهم پیچیده‌ترین مسائل عالم هستی، یعنی مغز. دانشمندان تلی از داده‌ها درباره جنبه‌های بسیار متنوع ساختار و عملکرد مغز را روی هم انباشته‌اند، از عام‌ترین مسائل تا مغز خودمان. ده‌ها هزار محقق میزان عظیمی از زمان و انرژی خود را دارند صرف فکر کردن به این می‌کنند که مغز چه می‌کند و فناوری‌های تازه‌ای که به حیرت می‌اندازدمان برای ما مهیا شده‌اند تا بتوانیم فعالیت مغز را هم توصیف کنیم و هم در آن دخالت داشته باشیم.
ما اکنون می‌توانیم یک موش را واداریم که چیزی را مربوط به بویی به یاد آورد که هرگز با آن برخورد نداشته است، خاطره بد یک موش را به خاطره‌ای خوب تبدیل کنیم و حتی از جریانی الکتریکی استفاده کنیم تا این را که چطور چهره افراد تشخیص داده می‌شود تغییر دهیم. ما بیش‌ازپیش در حال پیاده‌سازی نقشه‌های کارکردی پیچیده و همراه با جزییات مغز هستیم، چه مغز انسان و چه دیگر موجودات. در برخی گونه‌های جانوری، ما می‌توانیم مغز را آن طوری تغییر ساختاری دهیم که دل‌مان می‌خواهد و در نتیجه این کار، رفتار حیوان را عوض کنیم. برجسته‌ترین پیامد تسلط روزافزون ما می‌تواند این باشد که می‌بینیم توانایی‌ما به حدی رسیده که شخصی شبیه‌سازی‌شده را می‌توانیم درست کنیم تا یک بازوی رباتیک را با نیروی مغز خود کنترل کند.
هر روز ما می‌شنویم که کشفیات جدیدی رخ داده‌اند که نوری می‌تابانند روی چگونگی کارکرد مغز و در کنار این‌ها نویدها یا خطرات فناوری‌های نو نیز برشمرده می‌شود با این مضمون که مثلا این فناوری‌ها می‌توانند ما را قادر سازند کارهایی را بکنیم که انجام آن‌ها قبلا خیلی دشوار بود، همچون خواندن ذهن افراد یا تشخیص تبهکاران یا حتی ریختن اطلاعات ذهن روی یک رایانه. کتاب‌هایی  دائما در حال انتشارند که هریک مدعی‌اند کارکرد و ساختار مغز را از راه‌های متفاوتی شرح می‌دهند.
و با این حال، بین تعدادی از دانشمندان علوم اعصاب بیش از گذشته این اتفاق نظر به وجود آمده است که مسیر آینده ما در این حوزه روشن نیست. نمی‌توان گفت که علم اعصاب به کجا باید برود، غیر از اینکه صرفا بگوییم داده‌های بیشتری باید جمع شود یا آخرین روش‌های تجربه هیجان‌آور را برشماریم. همان‌طور که دانشمند برجسته آلمان علوم اعصاب، اولاف اسپورنز، گفته است «علوم اعصاب هنوز از نبود نظم سازمان‌دهی‌شده یا چارچوب نظری برای تبدیل داده‌های مغز به دانش بنیادیو فهم آن رنج می‌برد ». به‌رغم تعداد انبوهی از فکت‌هایی که رو هم انباشته شده‌اند، فهم ما از مغز بیشتر به بن‌بست و یک گره کور نزدیک می‌شود.
در سال 2017، دانشمند فرانسوی علوم اعصاب، ایو خنیاک، روی مد جدید گردآوری انبوه اطلاعات در پروژه‌های پرهزینه و بزرگ‌مقیاس متمرکز شد و استدلال کرد که سونامی داده‌ها که این پروژه‌های تحقیقاتی تولید می‌کنند باعث می‌شود که پیشرفت در علوم مربوط به شناخته مغز به یک تنگنای بزرگ نزدیک شود و آن‏چنان که خود او می‌گفت، «کلان‌داده دانش نیست».
خنیاک در مقالات و کتاب‌های خود نوشته است: «تنها تا 20 یا 30 سال پیش، اطلاعات عصب‌شناختی نسبتا نادر بود، درحالی‌که درک فرایندهای مربوط به ذهن ظاهرا به‌خوبی انجام شده بود. این روزها، ما در حال غرق‌شدن در سیلی از اطلاعاتیم. تناقض اینجاست که تمام درک ما از جهان مواجه است با خطر از بین رفتن. قایق‌آمدن بر هر مانع فناورانه جعبه پاندورایی را باز می‌کند که در خود متغیرها، مکانیزم‌ها و مسائل غیرسرراست پنهانی را در بر دارد و به‌اضافه اینکه سطح جدیدی از پیچیدگی را نیز به موضوع اضافه می‌کند.»
آن چرچلند و لری ابوت که دو دانشمند علوم اعصاب‏اند نیز بر دشواری‌های ما در تفسیر این میزان زیاد داده که در آزمایشگاه‌های سراسر جهان تولید می‌شوند تاکید کرد‌ه‌اند: «رسیدن به فهم عمیق این حوزه علاوه بر اینکه به کاربرد ماهرانه و خلاقانه فناوری‌های پیچیده نیاز دارد، محتاج است به پیشرفت‌های چشمگیر در روش‌های تحلیل داده‌ها و به کار بستن مفاهم نظری و مدل‌های علمی در این شاخه از علوم.»
مسلم است که روش‌های نظری‌ای برای مطالعه عملکرد مغز وجود دارد، حتی برای رازآمیزترین کاری که مغز انسان می‌تواند بکند، یعنی ساختن خودآگاه. اما هیچ یک از این چارچوب‌ها در میان جمع وسیعی از دانشمندان پذیرفته نشده و هیچ کدام هنوز آزمایش‌های تحقیقات تجربه را از سر نگذرانده‌اند. این احتمال هست که مراجعه دایم به یک نظریه امید برای درست بودن آن را بیشتر کند. شاید این استدلال مطرح شود که ممکن نیست یک نظریه واحد از کارکرد مغز وجود نداشته باشد چون مغز یک چیز واحد نیست. (دانشمندان حتی دریافته‌اند دشوار است به یک تعریف دقیق از این دست پیدا کنند که مغز چیست.)
طبق مشاهدات فرانسیس کریک که یکی از دو دانشمندی بود که مارپیچ دوتایی دی‌ان‌ای را کشف کرد، مغز یک ساختار مسنجم و تکامل‌یافته است که در لحظات مختلف تکامل و انطباق با مسائل متفاوت شکل‌های گوناگونی به خود می‌گیرد. فهم کنونی ما از اینکه چطور مغز کار می‌کند بسیار ناقص است. برای مثال، بیشتر تحقیقاتی که به حسگرهای عصبی مغز پرداخته‌اند روی حس باصره متمرکز شده‌اند و نه حس شامه، به این دلیل که حس بویایی از لحاظ مفهومی و فنی بسیار چالش‌برانگیزتر است. طریقه عملکرد حس بویایی و دیداری متفاوت است، هم از نظر محاسباتی و هم از نظر ساختاری. ما با متمرکز شدن روی قوه باصره فهم خیلی محدودی از اینکه مغز چه می‌کند و چطور کار می‌کند پیدا کرده‌ایم.
ماهیت مغز ـ یعنی همزمان یکپارچه و ترکیبی بودن آن ـ  شاید به این معنی باشد که درک آینده ما از مغز چون از بخش‌های دیگر مغز نشئت خواهد گرفت، متفاوت از درک امروزمان خواهد بود. چرچلند و ابوت پیچیدگی این امر را چنین توضیح می‌دهند: «فهم جهانی از مغز وقتی که در آینده فرابرسد، به احتمال زیاد شکلی از به هم وصل شدن تکه‌های مختلف یک پارچه چهل‌تکه را در خود خواهد داشت که هرکسی از ظن خود یار آن شده است.»

استعاره‌های ناقص
طی نیم قرن، تمام تکه‌های این لحاف چهل‌تکه که ما در مطالعه روی مغز داشته‌ایم و قسمت اعظم تحقیقاتی که روی مغز انجام شده است، این فرص را در نظر گرفته‌اند که نحوه عملکرد مغز همچون کارکردن رایانه است. اما این استعاره به این معنا نیست که در آینده نیز مفید خواهد بود. در آستانه شروع عصر دیجیتال در سال 1951، کارل لشلی که دانشمند پیشروی علوم اعصاب بود علیه استفاده از یک استعاره ماشین‌محور برای مغز بحث می‌کرد.
لشلی نوشت: «دکارت تحت تاثیر شکل‌های آبی قرار گرفت که در باغ‌های سلطنتی ساخته می‌شد و نظریه‌ای هیدرولیکی را برای عملکرد مغز پیش برد. در دوران معاصر، ما نظریه‌های تلفنی و بعد نظریه‌های میدان‌های الکتریکی و اکنون نیز نظریه‌هایی برپایه ماشین‌های رایانه‌ای و سکان‌های خودکار را برای عملکرد مغز داشته‌ایم. من پیشنهاد می‌کنم که ما برای اینکه دریابیم مغز چطور کار می‌کند، به مطالعه روی خود مغز اتکا کنیم و پدیده رفتار جانوران، نه اینکه با شبیه دانستن مغز به پدیده‌های دیگر که قیاس مع‌الفارقی است خود را سرگرم کنیم.»
رد کردن شیوه استفاده از تمثیل و استعاره برای یافتن عملکرد مغز اخیرا حتی با عقاید روما برت، دانشمند فرانسوی علوم اعصاب، جلوتر هم رفته است. او پایه‌ای‌ترین استعاره عملکرد مغز را زیر سؤال ‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏برده است: کدگذاری. فکر کدهای عصبی از زمان ابراز آن در دهه 1920 همواره در اندیشه دنیای علوم اعصاب دست بالا را داشته است. در ده سال اخیر، بیش از 11 هزار مقاله علمی درباره این موضوع منتشر شده است. انتقاد اساسی برت این بود که در فکر کردن به «کدگذاری»، محققان علوم اعصاب بین جنبه تکنیکی و جنبه بازنمایانه آن تفاوت می‌گذارند. از لحاظ تکنیکی کدگذاری یعنی ارتباط بین یک محرک و فعالیت یک نورون و از لحاظ بازنمایانه یعنی کدهایی عصبی که آن محرک را نمایندگی می‌کند.
پیچیدگی بیان‌نشده کدگذاری عصبی این است که فعالیت شبکه نورون‌ها در یک مشاهده‌کننده یا خواننده ایده‌آل  در مغز بازنمایی و معمولا به‌شکل یک جریان به تصور درمی‌آید که از روشی وجود دارد تا سیگنال‌هایی که به مغز می‌رسند در آنجا کدگشایی شوند. اما اینکه چه ساختارهایی هستند که این فرایند انتقال و کدگذاری و کدگشایی سیگنال‌ها را انجام می‌دهند، امری ناشناخته است و به‌ندرت به شکل فرضیه‌های روشنی درآمده است، حتی به‌ندرت به شکل مدل‌های ساده‌ای درآمده که بتواند عملکرد شبکه عصبی را توضیح دهد.
فرایند کدگذاری عصبی عمدتا به‌شکل یک سری از مراحل خطی فرض گرفته شده است که مثل یک خط دومینو از یک مرحله به مرحله دیگر منتقل می‌شود. با این حال، مغز شامل شبکه‌های عصبی به‌شدت پیچیده‌ای است که با یکدیگر ارتباط متقابل دارند و همه این‌ها با جهان بیرون در ارتباطند. تمرکز کردن روی مجموعه‌ای از نورون‌های حسگر و منتقل‌کننده بدون اینکه این شبکه‌ها را به رفتار جانور مربوط بدانیم، باعث می‌شود که از درک کل این فرایند عاجز بمانیم و به اشتباه بیفتیم.
با در نظر گرفتن مغز به‌مثابه یک رایانه که به‌طور منفعلانه به داده‌های ورودی و داده‌های پردازش‌شده واکنش نشان می‌دهد، ما فراموش می‌کنیم که مغز یک اندام فعال است و بخشی از بدنی است که در دنیا مداخله می‌کند و گذشته تکامل‌یافته‌ای دارد که ساختار و کارکرد آن را شکل داده است. خطوط اصلی این نوع نگاه به مغز در کارهای گئورگی بوژاکی، دانشمند مجارستانی علوم عصبی، ترسیم شده است. بوژاکی در کتاب اخیرش به نام «مغز، نگاه از درون به بیرون» می‌گوید که مغز صرفا یک اندام منفعل نیست که فقط محرک‌ها را از محیط بیرونی خود جذب کند و بر اساس یک سری کدهای عصبی به آ‌ن‌ها واکنش نشان دهد بلکه در عوض، در جست‌وجوی این است که از طریق احتمالات جایگزین گزینه‌های مختلفی را آزمایش کند. نتیجه‌گیری او از پس دنبال‌کردن کار دانشمندان در قرن نوزدهم میلادی شکل گرفته است و می‌گوید مغز اطلاعات را بازنمایی نمی‌کند بلکه به اطلاعات ساختار می‌بخشد.
استعاره‌هایی که برای علوم اعصاب به کار می‌رود ـ رایانه‌ها، کدگذاری، دیاگرام‌های متصل به هم و نظایر آن ـ ناگزیر استعاره‌های ناقصی‌اند. البته این ماهیت استعاره است که بسیار هم مورد مطالعه فیلسوفان علم و دانشمندان قرار گرفته است؛ ماهیتی که ظاهرا در کانون طریقه فکر کردن دانشمندان قرار دارد. اما استعاره‌ها به‌قدری نیز غنی‌اند که اجازه می‌دهند افراد به بینش و کشف تازه نیز دست پیدا کنند. البته که استفاده از استعاره‌ها برای عملکرد مغز باعث شده محدودیت‌هایی که این استعاره‌ها و تمثیل‌ها داشته‌اند شناخت عملکرد مغز را نیز محدود سازد. با این حال، اتفاق نظری بین اهالی این حوزه نیست در اینکه استفاده از تمثیل‌های رایانه‌ای و بازنمایانه برای مغز از چه زمانی رایج شده است. از زاویه نگاه تاریخی، به احتمال زیاد ما حالا داریم درباره اینکه استعاره رایانه برای مغز درست است یا نه بحث می‌کنیم برای اینکه ظاهرا در حال رسیدن به انتهای دوران استعاره رایانه‌ هستیم. اما با اینکه تلاش‌های زیادی در حال صورت گرفتن است برای اینکه استعاره رایانه برای عملکرد مغز کنار گذاشته شود و دیگر مغز را مشابه با یک رایانه در نظر نگیریم، هنوز روشن نیست که استعاره بعدی برای مغز چه خواهد بود.
دانشمندان معمولا به هیجان می‌آیند وقتی که درمی‌یابند چطور نگاه‌های آنان با استفاده از یک استعاره شکل می‌گیرد و اینکه یک تمثیل جدید چطور می‌تواند چگونگی درک آ‌ن‌ها را از کارشان متحول کند یا حتی آن‌ها را قادر سازد دست به تجربه‌های جدید بزنند. کنار آمدن با استعاره‌های جدید دشوار و مسئله‌برانگیز است و بیشتر استعاره‌هایی که در گذشته برای عملکرد مغز ساخته شده‌اند مربوط بوده‌اند به اقسام تازه فناوری. این اتفاق می‌تواند این نتیجه را حاصل کند که استفاده از استعاره‌های جدید برای عملکرد مغز مستلزم این است که فناوری‌های تازه نیز رایج شوند، چنانکه در طی دوران گذشته فناوری‌های جدیدی در جهان رواج یافته همچون نیروهای هیدرولیکی، تلفن و رایانه و استعاره‌هایی که برای مغز به کار می‌رفته براساس همین فناوری‌های دگرگون شده است. با وجود این، هنوز نشانه‌ای در دست نیست که فناوری‌های جدیدتر برای بسط تعریف عملکرد مغز به کار گرفته شده باشند. مدت‌هاست که فناوری‌هایی مثل بلاکچین، کوانتم، نانوفناوری و امثال آن رایج شده‌اند اما این فناوری‌های برای تعریف عملکرد مغز به کار نرفته‌اند و نتوانسته‌اند استعاره رایانه‌ای مغز را زیر سؤال ‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏ببرند. بنابراین می‌توانیم ببینیم که لزوما تغییر در فناوری باعث نمی‌شود که تمثیل‌هایی که ما برای مغز به کار می‌بریم تغییر کنند.

خودآگاهی
یکی از نشانه‌هایی که دلیلی است بر اینکه استعاره‌های مربوط به مغز قدرت توضیح‌دهندگی خود را از دست می‌دهند این است که در میان خیلی از افراد تصور می‌شود آنچه سیستم عصبی انجام می‌دهد فقط می‌تواند به‌شکل سیستم‌های غیرقابل پیش‌بینی توضیح داده شود، یعنی اینکه شما نمی‌توانید قبل از اینکه عملکرد یک سیستم شکل بگیرد آن را پیش‌بینی کنید. برای دهه‌ها و حتی قرن‌ها این تفکر بر نظام‌های استعاری مغز حاکم بود و چنان تعبیر می‌شد که مغز عضوی است که می‌تواند یک سری ورودی‌ها را بگیرد و آن‌ها را پردازش کند و خروجی داشته باشد اما نمی‌تواند بدون اینکه ورودی داشته باشد خروجی‌هایی را حدس بزند. در سال 1981، ریچارد گرگوری، فیزیولوژیست انگلیسی، استدلال کرد که اتکا به چنین مفروضی در تشریح عملکرد مغز باعث می‌شود مشکلاتی در چارچوب نظری این پدیده پیش بیاید. اما این مسئله ادامه داشت و دانشمندان وارد شرح جزییات بی‌پایانی در این باره شده بودند تا اینکه ظهور هوش مصنوعی و نوعی خودآگاهی که هوش مصنوعی با خود به همراه آورد، این وضعیت و نوع نگاه به عملکرد مغز را تغییر داد. استعاره‌هایی که به کار گرفته شدند دیگر این‌طور نبودند که مغز را ابزاری در نظر بگیرد که فقط به پدیده‌هایی که ظهور می‌کنند واکنش نشان دهد بلکه پیچیده‌تر است و خود می‌تواند مفروضاتی را فارغ از آنچه در حال اتفاق است در نظر بگیرد. خود هوش مصنوعی هم برای امر امر بدیعی بود، چون آن خودآگاهی را که به منصه ظهور می‌رساند تا پیش از آن، فقط می‌شد در دنیای داستان‌های علمی‌تخیلی دید نه در دنیای علم.
بنابراین می‌توان دید که ایده خودآگاهی به‌تدریج جایگزین استعاره رایانه برای مغز می‌شود و این تمثیل تغییر می‌کند. برخی از محققان به ذهن به‌منزله یک سیستم عامل نگاه می‌کنند که سخت‌افزار آن شبکه پیچیده‌ای از عصب‌ها یا همان مغز است و بنابراین به مغز یک وضعیت رایانشی می‌دهند. بر همین اساس است که تصور می‌کنند اندامی را می‌توان از یک مغز یا سیستم عاملی که دارد جدا کرد و به مغز جدیدی با یک سیستم عامل دیگر وصل کرد. البته که این استعاره که معمولا در افواه مطرح می‌شود یک تمثیل نادرست است و اگر بخواهیم دقیق‌تر بگوییم، یک جور فکر معصومانه و خام‌اندیشانه است.
فرضیه‌ای که درباره ذهن و مغز وجود دارد این است که در  انسان‌ها، جانوران و هر موجود زنده دیگر، وضعیت شبیه به هم است. یعنی نورون‌ها و فرآیند‌هایی که آن‌ها در برمی‌گیرند یک چیز واحد هستند. در رایانه، نرم‌افزار از سخت‌افزار جداست و سیستم عامل از سخت‌افزارها متمایز است. با این حال، مغز ما و ذهن ما این تمایز را ندارند و می‌توانیم بگوییم اتفاقاتی که در ذهن و مغز می‌افتد کاملا با یکدیگر ممزوج و درهم‏آمیخته‌اند.
تصور اینکه ما می‌توانیم سیستم عصبی خود را تغییر بدهیم تا بتواند برنامه‌های متفاوتی را اجرا کند یا ذهن‌مان را روی یک سرور بارگذاری کنیم، شاید ظاهری علمی در خود داشته باشد اما ایده پشت سر این حرف‌ها چیز نویی نیست و به زمان دکارت و قبل‌تر از او بازمی‌گردد. در آن موقع که بحث هیدرولیکی بودن مغز مطرح بود، تصور می‌شد مغز مایعی دارد که ذهن در آن شناور است و اگر این مایع را از یک مغز به مغز دیگری وارد کنیم، همان ذهن در مغز جدید شکل خواهد گرفت. بعدها که تمثیل‌های دیگری از مغز رایج شد، همچنان این مسئله صادق بود و فی‌المثل برای استعاره رایانه‌ای مغز نیز تصور می‌شد که می‌توان کدها را از یک مغز در مغز دیگر بارگذاری کرد.
اما با همه این حرف‌ها، همچنان استعاره «مغز همچون رایانه» سلطه خود را در این حوزه حفظ کرده است، به‌رغم اینکه درباره میزان قدرتمندی این استعاره بحث و مخالفت زیاد است. در سال 2015، رادنی بروکز که متخصص علوم رباتیک است استعاره رایانشی را برای مغز انتخاب کرد تا در مقاله‌ای که درباره مغز حیوانات خانگی تحت عنوان «این فکر باید از بین برود» می‌نوشت از آن استفاده کند. دو دهه قبل‌تر نیز اس راین یوهانسون مورخ از این استعاره اما به‌شکلی کمتر هیجان‌انگیز استفاده کرده بود. او در تالیفی که در این باره انجام داده بود نوشت که «بحث بی‌پایان درباره واقعیت داشتن یا نداشتن استعاره‌ای مثل مغز شبیه رایانه است اتلاف وقت است. روابطی که در این میان وجود دارد استعاری است و این استعاره‌ها به ما می‌گویند که در این روابط چه کاری می‌شود کرد، نه اینکه سعی کنند به ما حقیقت را بگویند.»
از سوی دیگر، گری مارکوس که متخصص آمریکایی هوش مصنوعی است دفاعی جاندار از استعاره رایانه می‌کند: «رایانه‌ها در اساس کار خود یک معماری نظام‌مندند که ورودی‌ها را می‌گیرند، کدگذاری می‌کنند، اطلاعات را دستکاری می‌کنند و ورودی‌ها را به خروجی‌ها تبدیل می‌کنند. مغزها نیز تا جایی که می‌توانیم بگوییم، دقیقا همین کار را می‌کنند. سؤال ‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏درست این نیست که آیا مغز یک پردازشگر اطلاعات است یا نه، بلکه درست این است که بپرسیم مغزها چطور اطلاعات را ذخیره و کدگذاری می‌کنند و چه عملیاتی روی این اطلاعاتی که کدگذاری کرده‌اند انجام می‌دهند.»
مارکوس بحث را تا اینجا ادامه می‌دهد که می‌گویند وظیفه دانشمند علوم اعصاب «مهندسی معکوس» مغز است، درست مثل کاری که ممکن است یک مهندس روی رایانه انجام دهد و اجزای آن و روابط متقابل اجزا را تشریح کند تا دریابد رایانه چطور کار می‌کند. این پیشنهاد تا مدتی مورد توجه واقع شده بود. در سال 1989، برخی دانشمندان که این شیوه را پیش گرفته بودند دریافتند که ایده‌شان مورد توجه واقع شده است اما بعدتر به این نتیجه رسیدند که اشتباه می‌کنند. مسئله این بود که آن‌ها شروع کردند به مهندسی معکوس مغز گویی که در حال مهندسی معکوس برای شناختن یک «فناوری بیگانه» هستند اما بعدتر که این روش به نتیجه نرسید، خودشان اعلام کردند که شروع کارشان از نقطه اشتباهی بوده و در مجموع روش کاری‌شان منطق علمی لازم را نداشته است.
البته باید این را هم گفت که در این حوزه، مهندسی معکوس معمولا در مقام یک آزمایش فکری به کار می‌رفت تا نشان دهد چطور ما ممکن است پدیده مغز را فهم کنیم. آزمایش فکری طرحی است که بدون نیاز به آزمون مستقیم، برای آزمایش یک فرضیه یا نظریه ارائه می‌شود. هدف آزمایش فکری این است که بدون نیاز به آزمایش مستقیم نتایج بالقوه یک نظریه کشف شود یا احیانا تناقض درونی آن نشان داده شود. این آزمایش‌ها هم در علوم طبیعی و هم در علوم انسانی و هم حوزه‌هایی چون اخلاق کاربرد دارند. میزان مقبولیت این آزمایش‌ها در رد و قبول فرضیه‌ها یا نظریه‌ها یکی از مسائل مورد بحث در حوزه فلسفه علم بوده است. گاهی نیز این آزمایش‌های فکری در زمینه شناخت مغز با استفاده از مهندسی معکوس موفق بوده‌اند و ما را ترغیب کرده‌اند که برای فهم ارگان‌های داخل مغز نیز از آزمایش فکری استفاده کنیم. اما در سال 2017، یک زوج محقق علوم اعصاب تصمیم گرفتند که دقیقا روی مدارهای رایانه‌ای واقعی آزمایش انجام دهند، یعنی روی دستگاهی که منطق واقعی و اجزای واقعی دارد و کارکردهایش با روشنی زیاد طراحی شده‌اند. اما نتایج این آزمایش آن‌طور که انتظار می‌رفت به دست نیامد.
اریک یوناس و کنراد پل کوردینگ تکنیک‌های دقیقی را به کار بستند که معمولا برای تحلیل مغز از آن‌ها استفاده می‌کردند اما این بار آن‌ها را در تحلیل رایانه‌هایی به کار بردند که در دهه 1970 و 1980 کار می‌کردند و  ماشین‌هایی بودند که روی آن‌ها گیم‌هایی همچون «دانکی کنگ» و «مهاجمان فضایی» اجرا می‌شد.
آن‌ها ابتدا مدل ترانزیستورهای مدارهای این رایانه‌ها را اسکن کردند و قطعات آن‌ها و روابط بین اجزای رایانه را با رایانه‌های پیشرفته امروزی شبیه‌سازی کردند. سپس بازی‌ها را با استفاده از این شبیه‌سازی اجرا کردند و آن‌گاه از همه فنون علوم اعصاب استفاده کردند برای اینکه رایانه را تحلیل کنند. از جمله این فنون می‌توان به برداشتن یک قطعه و مطالعه روابط سایر قطعات در نبود آن قطعه و همچنین برداشتن یک ترانزیستور و اجرای گیم و دیدن مشکلاتی که برای گیم به وجود می‌آید اشاره کرد. در علوم اعصاب نیز چنین فنی به کار می‌رود، به این ترتیب که یک نورون یا عضو کوچک برداشته می‌شوند و رفتار فرد در نبود آن عضو مورد مطالعه قرار می‌گیرد.
علی‌رغم به صف کردن و بهره‌گرفتن از چنین تجهیزات تحلیلی قدرتمندی و با در نظر گرفتن این واقعیت که توضیحی قطعی وجود داشت برای اینکه بدانیم مدار رایانه‌ای چطور کار می‌کند، مطالعه با روش‌های تحلیلی علوم اعصاب نتوانست سلسله‌مراتب پردازش اطلاعات را که در داخل مدار رخ می‌داد مشخص کند. همان‌طور که یوناس و کوردینگ گفتند، این تکنیک‌ها نتوانستند فهم معنی‌داری از مدارها ایجاد کنند. نتیجه‌گیری آن‌ها ناامیدکننده بود: «در نهایت، مسئله این نیست که دانشمندان علوم اعصاب نمی‌توانند ریزپردازنده‌ها را درک کنند بلکه مسئله این است که آن‌ها با استفاده از روش‌هایی که در حال حاضر به کار می‌گیرند نمی‌توانند این پدیده را درک کنند.»
این نتیجه تامل‌برانگیز نشان می‌دهد که به‌رغم جذابیت استعاره رایانه و این واقعیت که مغزها مسلما اطلاعات را پردازش می‌کنند و جهان خارج را به‌نوعی بازنمایی می‌کنند، ما هنوز باید گام‌های نظری موفق زیادی برای رسیدن به پیشرفت در این زمینه برداریم. حتی اگر مغز شما منطبق بر خطوط منطقی طراحی شده بود، که نشده است، ابزارهای مفهومی و تحلیلی کنونی ما به‌هیچ‌وجه در تشریح آن کافی نیستند. این بدین معنی نیست که پروژه‌های شبیه‌سازی مغز بی‌حاصلند بلکه ما با مدل‌سازی یا شبیه‌سازی می‌توانند فرضیات را آزمایش کنیم و با ربط‌دادن این مدل‌ها به سیستم‌هایی که خوب درست شده‌اند و می‌شود آن‌ها را دستکاری کرد، می‌توانیم به بینش‌ عمیقی از چگونگی کارکرد مغز برسیم. این‌ها ابزارهای بسیار قدرتمندی‌اند اما وقتی که می‌خواهیم مدعی شویم این ابزارها حاصل تحقیقات زیادی بوده‌اند باید سطحی از پذیرش ضعف و فروتنی را داشته باشیم و در مواجهه با تشریح شباهت‌های بین مغز و سیستم‌های مصنوعی باید واقع‌گرایی به خرج داد.
حتی اگر همه‌چیز هم در ظاهر سرراست و منطقی به نظر برسد، وقتی که بحث گنجایش ذخیره در حافظه پیش می‌آید باید حساب مغز را جدا کرد. محاسبه توان حافظه در مغز مشکلات مفهومی و عملی را پیش می‌آورد. مغز یک پدیده طبیعی و تکامل‌یافته است، نه یک ابزار دیجیتال. با اینکه معمولا ابراز می‌شود که کارکردهای خاصی جای بخصوصی در مغز دارند، مثل ماشینی که هر کاری را در قطعه خاصی انجام می‌دهد، چنین عقیده‌ای بارها توسط اکتشافات جدید در علوم اعصاب زیر سؤال ‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏‏رفته است. این اکتشافات نشان می‌دهند که نواحی مختلف مغز به هم متصلند و نوعی کشسانی در آن‌ها هست که یک بخش می‌توان کار بخش دیگر را نیز انجام دهد، چنانکه در برخی از آزمایش‌ها مشاهده شده بخش‌هایی از مغز از عهده کارهای بخش‌های مفقوده‌ای برآیند که تصور می‌شده فقط در آن بخش‌های مفقوده کار انجام می‌شود یا رفتاری شکل می‌گیرد.
در واقعیت امر، ساختارهای یک مغز و یک رایانه به‌کلی با یکدیگر متفاوت‏اند. در سال 2006، لری ابوت مقاله‌ای نوشت تحت عنوان «کلیدهای مغز کجاست؟» و او در آن پایه‌های احتمالی زیست‌فیزیکی قطعه اولیه یک ابزار الکترونیکی یعنی کلید را مرور می‌کند. با اینکه سیناپس‌ها می‌‌توانند جریان فعالیت‌ها در نورون‌ها را کنترل کنند اما روابطی همچون کلید که بتواند یک جریان را قطع و وصل کند در مغز بسیار نادر است.
یک نورون مثل یک کلید باینری (دوتایی) نیست که بتواند خاموش یا روشن شود و یک دیاگرام را شکل دهد. در عوض، نورون به‌شکلی آنالوگ واکنش نشان می‌دهد و فعالیت‌های خود را براساس تغییر در تحریکات تغییر می‌دهد. سیستم عصبی کار خود را با تغییر در الگوهای فعالیت در شبکه سلولی که به‌تعداد زیادی در واحدهای بسیار مغز متمرکزند عوض می‌دهد. کل این شبکه به هم پیوسته است و تغییرات در کلیت آن اتفاق می‌افتد. برخلاف ابزارهایی که ما دیده‌ایم، مراکز این شبکه نقاط ثابتی مثل ترانزیستورها یا ارزش‌های باینری نیستند بلکه مجموعه‌ای از نورون‌ها هستند، یعنی صدها و هزاران و صدها هزار رشته عصبی که دایما در قالب یک شبکه و به‌طور پیوسته از خود واکنش نشان می‌دهند، حتی اگر یک سلول که این ترکیب را می‌سازد از خود رفتاری همیشگی نشان دهد.
فهم حتی ساده‌ترین جنبه‌های این شبکه در حال حاضر فراتر از دسترس ماست. ایو ماردر، دانشمند علوم اعصاب در دانشگاه برندایس، بیشتر مدت فعالیت حرفه‌ای خود را صرف تلاش برای درک چگونگی چند ده نورون در بخش محدودی از مغز کرده تا شیوه کار آن‌ها را دریابد. ما با اینکه میزان زیادی تلاش و ذکاوت به خرج داده‌ایم، هنوز نمی‌توانیم پیش‌بینی کنیم تاثیر تغییر یک بخش از این شبکه کوچک که ماردر روی آن کار می‌کند حتی در یک مغز ساده چه خواهد بود.
این بزرگ‌ترین مسئله‌ای است که ما باید حل کنیم. از یک سو، مغز ساخته شده است از نورون‌ها و دیگر سلول‌ها که در شبکه‌ها با هم ارتباط متقابل دارند و فعالیت آن‌ها نه‌تنها بر فعالیت‌های سیناپس‌ها اثر می‌گذارد بلکه مولفه‌های گوناگون دیگری نیز در آن دخیل است. از سوی دیگر، روشن است که کارکرد مغز مرتبط است با الگوی پویای پیچیده‌ای از فعالیت نورون‌ها. یافتن رابطه بین این دو سطح از تحلیل مغز چالش ما در مطالعه علوم اعصاب طی قرن حاضر است. و رسیدن به درک درستی از اینکه در بیماری‌های روانی چه اتفاقی در مغز می‌افتد که کار بسیاری دشوارتری است و شناسایی اتفاقاتی که در این مورد از بیماری‌ها در مغز رخ می‌دهد بسیاری دورتر از دسترس ما هستند. بنابراین می‌توان گفت که شبیه‌کردن مغز به رایانه به همین سادگی که گفته می‌شود نیست و پیچیدگی‌های بسیار زیادی دارد و ظرایفی در آن هست که باید در نظر گرفت. به همین راحتی نیست که بگوییم مغز شبیه رایانه است و بعد برویم سراغ قطعاتش و بعد، از همه دقایق آن سر دربیاوریم.