自人類起源以來，就一直致力於對智慧逆向還原——或者說，至少從古希臘時代開始，因為古希臘人那時候就在德爾菲（Delphi）的阿波羅神廟上雕刻題字“認識自己（know thyself）”。古往今來，人類都未能探索出人類大腦背後的組織原則。現在Joe Tsien博士領導的喬治亞州的奧古斯塔大學（Augusta University， Georgia）科學家團隊，可能已經找到這一問題的答案，其研究發現最近發表在《Frontiers in Systems Neuroscience》雜誌上。如果該發現屬實，這將對神經科學領域帶來巨大沖擊，也可能開啟人工智慧研究的新紀元。
他們的實驗（以蒙著眼睛的小鼠作為實驗物件）表明，人類大腦中可能存在通用的計算原理。在小鼠成長的關鍵階段，蒙上小鼠的眼睛，實驗結果顯示，隨著時間的推移，與視覺相關的大腦區域將重新用於其他心智任務。這似乎證實了，人類和小鼠的大腦很大程度上是相似的，都具有可塑性，這類似於通用計算機（Universal Computing Machine）上的可重新程式設計方式。
但是，如果存在某種統一的計算原理控制大腦灰質，那這一計算原理是什麼呢？Tsien博士在這方面已經研究了十多年，他認為他已從“連通性理論（Theory of Connectivity。）”中找到了答案。
“長期以來，許多人推測，智力起源和大腦進化一定存在一種基本設計原則，就像每個有機體都有的DNA雙螺旋和遺傳密碼一樣”，Tsien說。“我們有證據證明，大腦也許是按照一個相當簡單的數理邏輯運作的。”
“連通性理論”提出了一種稱作“二的冪次方排列”的簡單演算法（具體形式是n=2i-1），可用於解釋腦回路。為了更好地理解公式，先說明一些關於連通性理論的關鍵概念，特別是神經團（Neuronal Clique）。神經團是由“同時釋放”並叢集為功能連通圖（Functional Connectivity Motif，FCM。大腦用來識別特定模式或想法）的一組神經元構成。如果把它比作一棵樹的分枝，那麼神經團就是樹上最小的連線單元（尖端的嫩枝），與其他的神經團結合一起構成功能連通圖。大腦想法越複雜，FCM就越複雜。（n = 2i-1中的n指的是，輸入值為i時，觸發的神經團數目。）
最近的一篇文章中，Tsien和公司透過給小鼠提供不同的刺激並記錄不同刺激下神經元響應模式，來測試連通性理論。實驗結果似乎符合他們的猜想——演算法正確預測了對於給定刺激下，啟用的神經團的數量。
該研究成果可能不僅在神經科學領域產生巨大影響，更重要的是對於人工智慧領域的影響。運用這種原理，可以更好的構建人工大腦（Artificial Brain連線模式與人類大腦類似）。而這樣的發展令人恐懼還是值得稱讚？這將是一場影響深遠的探討。但現在看來，越來越確定的是：我們遲早會得到答案。
