脑科学，顾名思义，就是研究大脑的结构和功能的一门学科。它不仅涉及到诸如人类的各种感觉，运动，睡眠等生理相关的功能，还会研究关于情绪，学习，记忆，推理，自由意识，复杂行为控制等等偏向精神和认知层面的功能，所以这门学科就显得充满魅力。尤其是在这个人工智能高度发展的时代，“算法”一词简直就像是一个充满无限吸引力的黑洞，为脑科学又平添了另一重魔力。
传统的脑科学研究，主要是从先解析大脑的结构基础进而探究其生理或认知功能这条路径展开。这种研究方式姑且可以被称之为“从下往上”的研究路径。而在这个算法为王的时代，另一条“从上往下”的研究路径也随之变得越来越普遍。即研究人员首先依据某种理论模型，给出相应的理论预测，然后再有针对性地去设计具体的实验，从而验证理论预测是否合理。
稍微回顾物理学的发展历程，人们会觉得这后一种研究路径不是自然而然的吗？确实，物理学有太多的重大成果都是通过后一种研究路径做出来的。但是，生物系统和物理系统有一种重大的差异，即生物系统还需要考虑实现某种理论算法的生物合理性，即大脑的物质结构基础是否能够支撑其实现某种算法？计算神经科学虽然高度依赖数学，但同时又极度受限于大脑的物质结构基础。
那为什么最近20多年来的脑科学研究中这种“从上往下”的研究路径越来越普遍了呢？应该是得益于各种技术的极大进步。一方面是计算机的计算能力极大提高，另一方面是各种监测大脑活动的手段越来越高通量化，使得脑科学也进入了大数据时代。两相结合，就为这种“从上往下”的研究路径创造了合适的土壤。
为什么要特别强调这种从“从上往下”，或从“理论模型——生物实验”的研究模式呢？因为这种研究模式为脑科学的研究增添了很多以前根本就不会想到的“新的问题”。何以如此呢？比如说，现在的研究人员会基于某种理论上的模型，依据某种算法给出一系列预测。试想，如果仍然仅仅遵从传统的那种“从下往上”式的研究路径，研究人员又怎么会有能力提出这种实验设想呢？
这也是现今不少脑科学的博士却读不懂很多脑科学的研究论文的原因所在。因为有越来越多的脑科学的论文充斥着大量的理论模型的数学推演。如果不具备相应的数学能力，不具备这种“从上往下”式的思维模式，可以说就直接丧失了一大片可供耕耘的肥沃土壤。对于任何一个想在脑科学研究中施展抱负的研究人员而言，这应该都是一种无法承受的巨大损失吧？
