脑的研究论文

人类大脑与电脑英国科学家艾伦·图灵1937年发表著名的《论应用于解决问题的可计算数字》一文。文中提出思考原理计算机——图灵机的概念，推进了计算机理论的发展。1945年图灵到英国国家物理研究所工作，并开始设计自动计算机。1950年，图灵发表题为《计算机能思考吗？》的论文，设计了著名的图灵测验，通过问答来测试计算机是否具有同人类相等的智力。 图灵提出了一种抽象计算模型，用来精确定义可计算函数。图灵机由一个控制器、一条可无限伸延的带子和一个在带子上左右移动的读写头组成。这个在概念上如此简单的机器，理论上却可以计算任何直观可计算的函数。图灵机作为计算机的理论模型，在有关计算机和计算复杂性的研究方面得到广泛应用。 计算机是人类制造出来的信息加工工具。如果说人类制造的其他工具是人类双手的延伸，那么计算机作为代替人脑进行信息加工的工具，则可以说是人类大脑的延伸。最初真正制造出来的计算机是用来解决数值计算问题的。二次大战后期，当时为军事目的进行的一系列破译密码和弹道计算工作，越来越复杂。大量的数据、复杂的计算公式，即使使用电动机械计算器也要耗费相当的人力和时间。在这种背景下，人们开始研制电子计算机。 世界上第一台计算机“科洛萨斯”诞生于英国，“科洛萨斯”计算机是1943年3月开始研制的，当时研制“科洛萨斯”计算机的主要目的是破译经德国“洛伦茨”加密机加密过的密码。使用其他手段破译这种密码需要6至8个星期，而使用‘科洛萨斯’计算机则仅需6至8小时。1944年1月10日，“科洛萨斯”计算机开始运行。自它投入使用后，德军大量高级军事机密很快被破译，盟军如虎添翼。“科洛萨斯”比美国的ENIAC计算机问世早两年多，在二战期间破译了大量德军机密，战争结束后，它被秘密销毁了，故不为人所了解。 尽管第一台电子计算机诞生于英国，但英国没有抓住由计算机引发的技术和产业革命的机遇。相比之下，美国抓住了这一历史机遇，鼓励发展计算机技术和产业，从而崛起了一大批计算机产业巨头，大大促进了美国综合国力的发展。1944年美国国防部门组织了有莫奇利和埃克脱领导的ENIAC计算机的研究小组，当时在普林斯顿大学工作的现代计算机的奠基者美籍匈牙利数学家冯·诺依曼也参加了者像研究工作。1946年研究工作获得成功，制成了世界上第一台电子数字计算机ENIAC。这台用18000只电子管组成的计算机，尽管体积庞大，耗电量惊人，功能有限，但是确实起了节约人力节省时间的作用，而且开辟了一个计算机科学技术的新纪元。这也许连制造它的科学家们也是始料不及的。 最早的计算机尽管功能有限，和现代计算机有很大的差别，但是它已具备了现代计算机的基本部分，那就是运算器、控制器和存储器。 运算器就象算盘，用来进行数值运算和逻辑运算，并获得计算结果。而控制器就象机算机的司令部，指挥着计算机各个部分的工作，它的指挥是靠发出一系列控制信号完成的。 计算机的程序、数据、以及在运算中产生的中间结果以及最后结果都要有个存储的地方，这就是计算机的第三个部件——存储器。 计算机是自动进行计算的，自动计算的根据就是存储于计算机中的程序。现代的计算机都是存储程序计算机，又叫冯·诺依曼机，这是因为存储程序的概念是冯·诺依曼提出的。人们按照要解决的问题的数学描述，用计算机能接受的“语言”编制成程序，输入并存储于计算机，计算机就能按人的意图，自动地高速地完成运算并输出结果。程序要为计算机提供要运算的数据、运算的顺序、进行何种运算等等。 微电子技术的产生使计算机的发展又有了新的机遇，它使计算机小型化成为可能。微电子技术的发展可以追溯到晶体管的出现。1947年美国电报电话公司的贝尔实验室的三位学家巴丁、不赖顿和肖克莱制成第一支晶体管，开始了以晶体管代替电子管的时代。 晶体管的出现可以说是集成电路出台的序幕。晶体管出现后，一些科学家发现，把电路元器件和连线像制造晶体管那样做在一块硅片上可实现电路的小型化。于是，晶体管制造工业经过10年的发展后，1958年出现了第一块集成电路。 微电子技术的发展，集成电路的出现，首先引起了计算机技术的巨大变革。现代计算机多把运算器和控制器做在一起，叫微处理器，由于计算机的心脏——微处理器（计算机芯片）的集成化，使微型计算机应运尔生，并在70－80年代间得到迅速发展，特别是IBM PC个人计算机出现以后，打开了计算机普及的大门，促进了计算机在各行各业的应用，五六十年代，价格昂贵、体积庞大、耗电量惊人的计算机，只能在少数大型军事或科研设施中应用，今天由于采用了大规模集成电路，计算机已经进入普通的办公室和家庭。 标志集成电路水平的指标之一是集成度，即在一定尺寸的芯片上能做出多少个晶体管，从集成电路出现到今天，仅40余年，发展的速度却是惊人的，芯片越做越小，这对生产、生活的影响也是深远的。ENIAC计算机占地150平方米，重达30吨，耗电量几百瓦，其所完成的计算，今天高级一点的袖珍计算器皆可完成。这就是微电子技术和集成电路所创造的奇迹。 现状与前景 美国科学家最近指出，经过30多年的发展，计算机芯片的微型化已接近极限。计算机技术的进一步发展只能寄希望于全新的技术，如新材料、新的晶体管设计方法和分子层次的计算技术。 过去30多年来，半导体工业的发展基本上遵循穆尔法则，即安装在硅芯片上的晶体管数目每隔18个月就翻一番。芯片体积越来越小，包含的晶体管数目越来越多，蚀刻线宽越来越小；计算机的性能也因而越来越高，同时价格越来越低。但有人提出，这种发展趋势最多只能再持续10到15年的时间。 美国最大的芯片生产厂商英特尔公司的科学家保罗·A·帕坎最近在美国《科学》杂志上撰文说，穆尔法则（1965年提出的预测半导体能力将以几何速度增长的法则）也许在未来10年里就会遇到不可逾越的障碍：芯片的微型化已接近极限。人们尚未找到超越该极限的方法，一些科学家将其称之为“半导体产业面临的最大挑战”。 目前最先进的超大规模集成电路芯片制造技术所能达到的最小线宽约为0.18微米，即一根头发的5％那样宽。晶体管里的绝缘层只有4到5个原子那样厚。日本将于2000年初开始批量生产线宽只有0. 13微米的芯片。预计这种芯片将在未来两年得到广泛应用。下一步是推出线宽0. 1微米的的芯片。帕坎说，在这样小的尺寸上，晶体管只能由不到100个原子构成。 芯片线宽小到一定程度后，线路与线路之间就会因靠得太近而容易互相干扰。而如果通过线路的电流微弱到只有几十个甚至几个电子，信号的背景噪声将大到不可忍受。尺寸进一步缩小，量子效应就会起作用，使传统的计算机理论完全失效。在这种情况下，科学家必须使用全新的材料、设计方法乃至运算理论，使半导体业和计算机业突破传统理论的极限，另辟蹊径寻求出路。 当前计算机发展的主流是什么呢？国内外比较一致的看法是RISC RISC是精简指令系统计算机（Reduced Instruction Set Computer）的英文缩写。所谓指令系统计算机所能执行的操作命令的集合。程序最终要变成指令的序列，计算机能执行。计算机都有自己的指令系统，对于本机指令系统的指令，计算机能识别并执行，识别就是进行译码——把代表操作的二进制码变成操作所对应的控制信号，从而进行指令要求的操作。一般讲，计算机的指令系统约丰富，它的功能也约强。RISC系统将指令系统精简，使系统简单，目的在于减少指令的执行时间，提高计算机的处理速度。传统的计算机一般都是每次取一条指令，而RISC系统采用多发射结构，在同一时间发射多条指令，当然这必须增加芯片上的执行部件。并行处理技术 并行处理技术也是提高计算机处理速度的重要方向，传统的计算机，一般只有一个中央处理器，中央处理器中执行的也只是一个程序，程序的执行是一条接一条地顺序进行，通过处理器反映程序的数据也是一个接一个的一串，所以叫串行执行指令。并行处理技术可在同一时间内多个处理器中执行多个相关的或独立的程序。目前并行处理系统分两种：一种具有4个、8个甚至32个处理器集合在一起的并行处理系统，或称多处理机系统；另一种是将100个以上的处理器集合在一起，组成大规模处理系统。这两种系统不仅是处理器数量多少之分，其内部互连方式、存储器连接方式、操作系统支持以及应用领域都有很大的不同。 曾经有一段时间，超级计算机是利用与普通计算机不同的材料制造的。最早的克雷1号计算机是利用安装在镀铜的液冷式电路板上的奇形怪状的芯片、通过手工方式制造的。而克雷2号计算机看起来更加奇怪，它在一个盛有液态碳氟化合物的浴器中翻腾着气泡———采用的是“人造血液”冷却。并行计算技术改变了所有这一切。现在，世界上速度最快的计算机是美国的“Asci Red”， 这台计算机的运算速度为每秒钟2·1万亿次，它就是利用与个人计算机和工作站相同的元件制造的，只不过超级计算机采用的元件较多而已，内部配置了9000块标准奔腾芯片。鉴于目前的技术潮流，有一点是千真万确的，那就是超级计算机与其它计算机的差别正在开始模糊。 至少在近期，这一趋势很明显将会继续下去。那么，哪些即将到来的技术有可能会扰乱计算技术的格局，从而引发下一次超级计算技术革命呢？ 这样的技术至少有三种：光子计算机、生物计算机和量子计算机。它们能够成为现实的可能性都很小，但是由于它们具有引发革命的潜力，因此是值得进行研究的。光子计算机 光子计算机可能是这三种新技术中最接近传统的一种。几十年来，这种技术已经得到了有限的应用，尤其是在军用信号处理方面。 在光子计算技术中，光能够像电一样传送信息，甚至传送效果更好，，光束在把信息从一地传送至另一地的效果要优于电，这也就是电话公司利用光缆进行远距离通信的缘故。光对通信十分有用的原因，在于它不会与周围环境发生相互影响，这是它与电不同的一点。两束光线可以神不知鬼不觉地互相穿透。光在长距离内传输要比电子信号快约100倍，光器件的能耗非常低。预计，光子计算机的运算速度可能比今天的超级计算机快1000到10000倍。 令人遗憾的是，正是这种极端的独立性使得人们难以制造出一种全光子计算机，因为计算处理需要利用相互之间的影响。要想制造真正的光子计算机，就必须开发出光学晶体管，这样就可以用一条光束来开关另一条光束了。这样的装置已经存在，但是要制造具有适合的性能特征的光学晶体管，还需要仰仗材料科学领域的重大突破。生物计算机 与光子计算技术相比，大规模生物计算技术实现起来更为困难，不过其潜力也更大。不妨设想一种大小像柚子，能够进行实时图像处理、语音识别及逻辑推理的超级计算机。这样的计算机已经存在：它们就是人脑。自本世纪70年代以来，人们开始研究生物计算机（也叫分子计算机），随着生物技术的稳步发展，我们将开始了解并操纵制造大脑的基因学机制。 生物计算机将具有比电子计算机和光学计算机更优异的性能。如果技术进步继续保持目前的速度，可以想像在一二十年之后，超级计算机将大量涌现。这听起来也许像科幻小说，但是实际上已经出现了这方面的实验。例如，硅片上长出排列特殊的神经元的“生物芯片”已被生产出来。 在另外一些实验室里，研究人员已经利用有关的数据对DNA的单链进行了编码，从而使这些单链能够在烧瓶中实施运算。这些生物计算实验离实用还很遥远，然而1958年时我们对集成电路的看法也不过如此。量子计算机 量子力学是第三种有潜力创造超级计算革命的技术。这一概念比光子计算或生物计算的概念出现得晚，但是却具有更大的革命潜力。由于量子计算机利用了量子力学违反直觉的法则，它们的潜在运算速度将大大快于电子计算机。事实上，它们速度的提高差不多是没有止境的。一台具有5000个左右量子位的量子计算机可以在大约3 0秒内解决传统超级计算机需要100亿年才能解决的素数问题。 眼下恰好有一项重要的用途适合这种貌似深奥的作业。通过对代表数据的代码进行加密，计算机数据得到保护。而解密的数学“钥匙”是以十分巨大的数字——一般长达250位——及其素数因子的形式出现的。这样的加密被认为是无法破译的，因为没有一台传统计算机能够在适当的时间里计算出如此巨大数字的素数因子。但是，至少在理论上，量子计算机可以轻易地处理这些素数加密方案。因此，量子计算机黑客将不仅能够轻而易举地获得常常出没于各种计算机网络（包括因特网）中的信用卡号码及其他个人信息，而且能够轻易获取政府及军方机密。这也正是某些奉行“宁为人先、莫落人后”这一原则的政府机构一直在投入巨资进行量子计算机研究的原因。量子超级网络引擎 量子计算机将不大可能破坏因特网的完整性，不仅如此，它们到头来还可能给因特网带来巨大的好处。两年前，贝尔实验室的研究人员洛夫·格罗弗发现了用量子计算机处理我们许多人的一种日常事务的方法———搜寻隐藏在浩如烟海的庞大数据库内的某项信息。寻找数据库中的信息就像是在公文包里找东西一样。如果各不相同的量子位状态组合分别检索数据库不同的部分，那么其中的一种状态组合将会遭遇到所需查找的信息。 由于某些技术的限制，量子搜索所能带来的速度提高并没有预计的那么大，例如，如果要在1亿个地址中搜索某个地址，传统计算机需要进行大约5000万次尝试才能找到该地址；而量子计算机则需大约1万次尝试，不过这已经是很大的改善了，如果数据库增大的话，改善将会更大。此外，数据库搜索是一种十分基础的计算机任务，任何的改善都很可能对大批的应用产生影响。 迄今为止，很少有研究人员愿意预言量子计算机是否将会得到更为广泛的应用。尽管如此，总的趋势一直是喜人的。尽管许多物理学家————如果不是全部的话———一开始曾认为量子力学扑朔迷离的本性必定会消除实用量子计算技术面临的难以捉摸而又根深蒂固的障碍，但已经进行的深刻而广泛的理论研究却尚未能造就一台实实在在的机器。 那么，量子计算机的研究热潮到底意味着什么？计算技术的历史表明，总是先有硬件和软件的突破，然后才出现需要由它们解决的问题。或许，到我们需要检索那些用普通计算机耗时数月才能查完的庞大数据库时，量子计算机才将会真正开始投入运行。研究将能取代电子计算机的技术并非易事。毕竟，采用标准微处理器技术的并行计算机每隔几年都会有长足的进步。因此，任何要想取代它的技术必须极其出色。不过，计算技术领域的进步始终是十分迅速的，并且充满了意想不到的事情。对未来的预测从来都是靠不住的，事后看来，那些断言“此事不可行”的说法，才是最最愚蠢的。 除了超级计算机外，未来计算机还会在哪些方面进行发展呢？多媒体技术 多媒体技术是进一步拓宽计算机应用领域的新兴技术。它是把文字、数据、图形、图像和声音等信息媒体作为一个集成体有计算机来处理，把计算机带入了一个声、文、图集成的应用领域。多媒体必须要有显示器、键盘、鼠标、操纵杆、视频录象带／盘、摄象机、输入／输出、电讯传送等多种外部设备。多媒体系统把计算机、家用电器、通信设备组成一个整体由计算机统一控制和管理。多媒体系统将对人类社会产生巨大的影响。网络 当前的计算机系统多是连成网络的计算机系统。所谓网络，是指在地理上分散布置的多台独立计算机通过通信线路互连构成的系统。根据联网区域的大小，计算机网络可分成居域网和远程网。小至一个工厂的各个车间和办公室，大到跨洲隔洋都可构成计算机网。因特网将发展成为人类社会中一股看不见的强大力量－－它悄无声息地向人们传递各种信息，以最快、最先进的手段方便人类的工作和生活。现在的因特网发展有将世界变成“地球村”的趋势。 专家认为PC机不会马上消失，而同时单功能或有限功能的终端设备（如手执电脑、智能电话）将挑战PC机作为计算机革新动力的地位。把因特网的接入和电子邮件的功能与有限的计算功能结合起来的“置顶式”计算机如网络电视将会很快流行开来。单功能的终端最终会变得更易应用智能化计算机 我们对大脑的认识还很肤浅，但是使计算机智能化的工作绝不能等到人们对大脑有足够认识以后才开始。使计算机更聪明，从开始就是人们不断追求的目标。目前用计算机进行的辅助设计、翻译、检索、绘图、写作、下棋、机械作业等方面的发展，已经向计算机的智能化迈进了一步。随着计算机性能的不断提高，人工智能技术在徘徊了50年之后终于找到了露脸的机会，世界头号国际象棋大师卡斯帕罗夫向“深蓝”的俯首称臣，让人脑第一次尝到了在电脑面前失败的滋味。人类从来没有像今天这样深感忧惧，也从来没有像今天这样强烈地感受到认识自身的需要。 目前的计算机，多数是冯·诺依曼型计算机，它在认字、识图、听话及形象思维方面的功能特别差。为了使计算机更加人工智能化，科学家开始使计算机模拟人类大脑的功能，近年来，各先进国家注意开展人工神经网络的研究，向计算机的智能化迈出了重要的一步。 人工神经网络的特点和优越性，主要表现在三个方面：具有自学功能。六如实现图象识别时，只要线把许多不同的图象样板和对应的应识别的结果输入人工神经网络，网络就会通过自学功能，漫漫学会识别类似的图像。自学功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供同经济预测、市场预测、效益预测、其前途是很远大的。 具有联想储存功能。人的大脑是具有两厢功能的。如果有人和你提起你幼年的同学张某某。，你就会联想起张某某的许多事情。用人工神经网络的反馈网络就可以实现这种联想。 具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。 人工神经网络是未来为电子技术应用的新流域。智能计算机的构成，可能就是作为主机的冯·诺依曼机与作为智能外围的人工神经网络的结合。 人们普遍认为智能计算机将像穆尔定律（1965年提出的预测半导体能力将以几何速度增长的定律）的应验那样必然出现。提出这一定律的英特尔公司名誉董事长戈登·穆尔本人也同意这一看法，他认为：“硅智能将发展到很难将计算机和人区分开来的程度。”但是计算机智能不会到此为止。许多科学家断言，机器的智慧会迅速超过阿尔伯特·爱因斯坦和霍金的智慧之和。霍金认为，就像人类可以凭借其高超的捣弄数字的能力来设计计算机一样，智能机器将创造出性能更好的计算机。最迟到下个世纪中叶（而且很可能还要快得多），计算机的智能也许就会超出人类的理解能力。什么是计算机语言计算机语言的种类非常的多，总的来说可以分成机器语言，汇编语言，高级语言三大类。 电脑每做的一次动作，一个步骤，都是按照以经用计算机语言编好的程序来执行的，程序是计算机要执行的指令的集合，而程序全部都是用我们所掌握的语言来编写的。所以人们要控制计算机一定要通过计算机语言向计算机发出命令。 计算机所能识别的语言只有机器语言，即由0和1构成的代码。但通常人们编程时，不采用机器语言，因为它非常难于记忆和识别。 目前通用的编程语言有两种形式：汇编语言和高级语言。 汇编语言的实质和机器语言是相同的，都是直接对硬件操作，只不过指令采用了英文缩写的标识符，更容易识别和记忆。它同样需要编程者将每一步具体的操作用命令的形式写出来。汇编程序通常由三部分组成：指令、伪指令和宏指令。汇编程序的每一句指令只能对应实际操作过程中的一个很细微的动作，例如移动、自增，因此汇编源程序一般比较冗长、复杂、容易出错，而且使用汇编语言编程需要有更多的计算机专业知识，但汇编语言的优点也是显而易见的，用汇编语言所能完成的操作不是一般高级语言所能实现的，而且源程序经汇编生成的可执行文件不仅比较小，而且执行速度很快。 高级语言是目前绝大多数编程者的选择。和汇编语言相比，它不但将许多相关的机器指令合成为单条指令，并且去掉了与具体操作有关但与完成工作无关的细节，例如使用堆栈、寄存器等，这样就大大简化了程序中的指令。同时，由于省略了很多细节，编程者也就不需要有太多的专业知识。 高级语言主要是相对于汇编语言而言，它并不是特指某一种具体的语言，而是包括了很多编程语言，如目前流行的VB、VC、FoxPro、Delphi等，这些语言的语法、命令格式都各不相同。 高级语言所编制的程序不能直接被计算机识别，必须经过转换才能被执行，按转换方式可将它们分为两类: 解释类：执行方式类似于我们日常生活中的“同声翻译”，应用程序源代码一边由相应语言的解释器“翻译”成目标代码(机器语言)，一边执行，因此效率比较低，而且不能生成可独立执行的可执行文件，应用程序不能脱离其解释器，但这种方式比较灵活，可以动态地调整、修改应用程序。 编译类：编译是指在应用源程序执行之前，就将程序源代码“翻译”成目标代码(机器语言)，因此其目标程序可以脱离其语言环境独立执行，使用比较方便、效率较高。但应用程序一旦需要修改，必须先修改源代码，再重新编译生成新的目标文件(＊ .OBJ)才能执行，只有目标文件而没有源代码，修改很不方便。现在大多数的编程语言都是编译型的，例如Visual C＋＋、Visual Foxpro、Delphi等。

爱因斯坦一直被视为科学天才。在他死后，一些研究人员希望通过研究他的大脑来解开他的成功之谜。然而，爱因斯坦大脑研究的一些结果已经被披露，并得出了截然不同的结论。一个结论是爱因斯坦的大脑与普通人有很大的不同，这使他成为一个科学天才。另一个结论是爱因斯坦的大脑和普通人没有什么不同。他在科学上的成就，不是因为他的大脑有别于普通人，而是有很多原因，比如勤奋和后天努力。 为了研究爱因斯坦的大脑，我们必须获得爱因斯坦大脑的样本。根据爱因斯坦的遗嘱，研究员不可能获得爱因斯坦的大脑，因为遗言要求尸体火化，把骨灰散落在秘密的地方。然而，后人并没有按照爱因斯坦的遗言来处理他的身体。 1955年4月18日凌晨1点15分，爱因斯坦在新泽西州普林斯顿大学医院去世，享年76岁。当时，托马斯·哈维是普林斯顿大学病理学主任。他和爱因斯坦只有一次相识，但他成了爱因斯坦的验尸医生。哈维对爱因斯坦的身体和器官逐一进行了检查、称重和描述后，宣布爱因斯坦死于腹腔大动脉破裂。 为了研究这位伟大的科学家，哈维说服了爱因斯坦的遗嘱执行人奥托·内森和爱因斯坦的长子汉斯把爱因斯坦的大脑拿出来做未来的研究。当时，内森和汉斯一致认为，哈维切除爱因斯坦大脑的一个重要条件是，未来对爱因斯坦大脑的研究结果必须发表出来。 哈维根据解剖标准切开爱因斯坦的大脑，然后测量了它。除了给大脑拍照外，哈维还请了一位画家画素描。哈维随后将爱因斯坦的部分大脑切片成240片，每一片都有其在大脑中位置的详细记录和标签。 爱因斯坦的大脑被储存在10个罐子里进行组织学切片和两个大玻璃瓶，所有这些都是用甲醛保存的。因为把爱因斯坦的大脑私藏起来，哈维丢掉了工作，但由于哈维的监护和对一些科学家的捐赠，爱因斯坦的大脑得到了研究和保存。 爱因斯坦的大脑有两个部分。哈维把大脑切片的一部分交给了他信任的一些研究人员，另一部分被保存下来。例如，哈维在制作切片时借用了费城病理学家威廉·埃里克的实验室。为了表示感谢，哈维向对方赠送了46张脑片。埃里克在1967年去世时，他的妻子把它们送给了当地另一位医生艾伦·斯坦伯格。斯坦伯格随后将这些切片转交给费城儿童医院的高级神经病学家露西·亚当斯。亚当斯在2013年初向费城的医学博物馆MUT博物馆捐赠了46片爱因斯坦的大脑切片。博物馆于2013年4月开始展出爱因斯坦的大脑切片，其中一片可以在显微镜下观察。 研究人员得到了多少片爱因斯坦的大脑切片，目前还没有确切的数字。据说，他后来制作了多达2000片爱因斯坦大脑其他部分的切片，并分发给世界各地至少18名研究人员。因此，一系列的研究成果相继发表。 目前，爱因斯坦脑研究的成果已经发表很多。 在已发表的研究结果中，大多数都表明爱因斯坦的大脑与普通人不同，这些差异表现在很多方面。 根据哈维的解剖记录，爱因斯坦的大脑重1230克，低于成年男性的平均值（1400克），并不突出。因此，从脑容量的角度来看，爱因斯坦确实与普通人不同，但这种差别并不是人们所期望的特别突出，应该比普通人更大。 从那时起，第一份正式的学术报告发表于1985年，它解释了爱因斯坦的大脑与普通人的不同之处。加州大学伯克利分校的玛丽安·戴蒙德（Marian diamond）和其他人分别研究了爱因斯坦大脑皮层的四个部分，分别代表左、右前额叶和下顶叶，并将它们与其他11个人的大脑皮层进行了比较。结果显示，爱因斯坦左顶叶的神经元（神经元）与胶质细胞的比例低于正常人。胶质细胞是神经元的支持细胞、营养细胞和保护细胞。先前的研究表明，从老鼠到人类，哺乳动物神经元与胶质细胞的比例逐渐降低。这表明神经元的功能越复杂，就越需要胶质细胞的支持。 神经元与神经胶质细胞的比例很小，这也意味着神经胶质细胞增多，反之亦然。也就是说，爱因斯坦大脑左顶叶的神经元与胶质细胞的比例比普通人要小，这说明爱因斯坦大脑这一部分的胶质细胞数量比普通人多，所以他比普通人更聪明。 此外，神经解剖学还表明，顶叶下皮质是听觉、视觉和触觉信息的聚集地。下顶叶损伤后，患者无法进行复杂的思维，阅读、书写和计算能力也会受损。爱因斯坦大脑左顶叶神经元与胶质细胞的比例与正常人不同，这也反映出爱因斯坦顶叶下叶皮质的功能可能比普通人好。 美国阿拉巴马大学伯明顿分校神经学助理教授安德森1996年6月在《神经科学杂志》上发表题为《爱因斯坦大脑皮层厚度和前额叶皮质密度的变化》的文章。通过比较实验组和对照组的大脑皮层，他们发现大脑皮层的数量比对照组要薄。这表明爱因斯坦大脑皮层的神经元密度很高。 安德森推断爱因斯坦大脑皮层的神经元具有更好的信息传输效率，这可以解释爱因斯坦为什么有非凡的才能。 早在1999年6月，加拿大麦克马斯特大学的桑德拉·维特森等人在《柳叶刀》上发表了他们的研究成果。他们将爱因斯坦的大脑与99名去世的老年男女的大脑进行了比较。他们发现爱因斯坦左右半球的顶叶下区域比普通人厚1厘米，也就是说，比普通人多15%。因为爱因斯坦大脑的左顶叶比普通人大，其大小和形状与右顶叶相似，所以爱因斯坦大脑顶叶比普通人对称。顶叶负责视觉空间认知、数学能力和运动想象，这可能是爱因斯坦非凡的逻辑思维和空间认知能力的主要原因。这也说明爱因斯坦的左脑不同于普通人，而不是他的右脑。 此外，维特森等人。还发现爱因斯坦大脑的另一个特点是表层的许多部分没有凹槽（子宫间沟），这就像大脑中的路障，使得神经细胞很难相互交流。如果大脑中没有这样的障碍，神经元可以自由连接，使大脑的思维更加活跃。 根据福克等人在《大脑》杂志上发表的一篇研究论文，爱因斯坦的大脑确实不同于普通人。他们分析了14张之前未发表的爱因斯坦整个大脑的照片，并将它们与其他85人的大脑进行了比较。结果发现，虽然爱因斯坦的大脑只有1230克重，但他大脑的几个区域却有额外的沟和褶皱，这在其他人的大脑中很少见到。例如，爱因斯坦的大脑左侧有额外的凹槽和褶皱，这使得他的脸和舌头比平时更大。此外，爱因斯坦的前额叶皮质也有很大的延伸，这一区域是大脑的指挥和控制中心。在这里进行决策和自我控制等更高层次的思考。因此，这可以解释为什么爱因斯坦有更多的思考和新颖的想法。 胼胝体是连接大脑左右半球的神经纤维。来自中国上海华东师范大学物理系的研究人员和美国佛罗里达州立大学人类学系的研究人员利用核磁共振成像对爱因斯坦和两个对照组（一组15名中老年男性，另一组52名）的胼胝体进行了研究 健康 的年轻人）在爱因斯坦同时代的人（1905年）去世后，这组人的大脑都被保存了下来，这一年也是26岁的爱因斯坦发表相对论的年代。 研究人员比较了爱因斯坦和对照组大脑不同位置胼胝体的厚度。结果显示，爱因斯坦大脑的胼胝体比正常人厚。研究人员认为，由于胼胝体神经纤维较多，它们连接大脑的重要区域，比如负责复杂思维和决策的前额叶皮层，结合其他研究证据，比如一些物理学家的大脑比普通人的大脑大，而皱纹更为复杂，这表明爱因斯坦大脑的这些特征是他非凡才华基础的基础。 尽管上述研究表明爱因斯坦的大脑与普通人不同，但一些研究认为爱因斯坦的大脑与普通人没有区别。 纽约佩斯大学的心理学家特伦斯·海因斯在《大脑与认知》杂志上发表文章说，爱因斯坦的大脑在细胞和结构上与普通人没有什么不同。海因斯主要质疑此前一些关于爱因斯坦大脑的研究结果，以表明爱因斯坦的大脑与普通人没有什么不同。 首先，海因茨认为之前的研究并不严谨。例如，海因茨说，1985年在人类大脑中发现的钻石细胞数量明显高于普通人。因为戴蒙德分析了4个大脑区域的7个变量，相当于28组分析，只有一组p值小于0.05，这并不能解释问题。因为p值是检验结果可信度的下降指标，如果p值大于0.05，则无统计学意义，即结论不可靠；否则，p值小于0.05，结论更可靠；p值小于0.01，则非常可靠。然而，对爱因斯坦大脑中神经细胞的分类显示，28组中只有一组p值小于0.05，说明爱因斯坦大脑中胶质细胞的含量并不比普通人多。 其次，海因斯认为，以往的研究和分析在逻辑上也存在问题。爱因斯坦的大脑不同于普通人的所有结论都是通过研究爱因斯坦的大脑切片得出的，这本身并不十分科学，因为几片大脑切片无法替代大脑的所有组织和细胞，也无法揭示这些细胞是如何思考和操作多种功能的大脑作为一个整体对整个大脑的一小片或几片进行分析，可以揭示出大脑的特殊认知能力，无异于痴人说梦。 第三，人们过去常常根据爱因斯坦的自我评价来分析他的大脑。例如，爱因斯坦曾写道，他认为自己可以很好地控制自己的大脑，精力充沛。但海因茨认为，这些评论在真正的神经科学中毫无价值，不可能准确地研究爱因斯坦的大脑，根据他说的几句话得出可靠的结论。 耶鲁大学医学院的神经科学家齐默尔曼同意海因斯的观点。齐默尔曼曾经是哈维的老师。因此，哈维也给了齐默尔曼一些爱因斯坦大脑的部分。在爱因斯坦还活着之前，齐默尔曼首先和爱因斯坦约好了将来研究他的大脑。当时，爱因斯坦同意了，但有一个条件：研究结果不应发表。齐默尔曼还仔细观察了爱因斯坦的大脑，认为他的大脑非常正常。爱因斯坦的大脑和普通人的不同之处在于，他的大脑比同龄的人更 健康 ，退化的迹象更少。 至于我们是否可以通过研究大脑得出爱因斯坦比普通人更聪明的结论，齐默尔曼的观点与海因斯一致。他举例说，有人赢得了长跑冠军，但他死后，解剖他的腿，你就以为能发现成为长跑冠军的秘诀吗？ 美国罗伯特·伍德·约翰逊医学院的神经学家雷波尔提出了一个更好的观点：人们对爱因斯坦大脑的迷恋揭示了人们对大脑的假设和对天才的崇拜。 更重要的是，即使爱因斯坦的大脑与普通人不同，哈佛医学院的神经科学家加内巴德认为，他无法回答另一个问题：是非凡的大脑让爱因斯坦成为伟大的物理学家，还是他对高级物理的学习改变了他的大脑？