⼤脑模块化

人脑是一个复杂的网络，一般将大脑划分为不同的区域（即节点），并使用某种方法表征大脑区域之间的关系（即连接的边）来构建人脑网络。在功能磁共振成像（fMRI）数据的网络模型中，每条边代表两个节点之间的功能连接强度，即fMRI活动水平的时间相关性。该网络模型可用于研究大脑全局和局部的连接模式。大脑网络包含不同的模块，这些模块是由一组内部紧密相连但与其他节点连接较弱的脑区组成的。我们把网络的这种特性称为模块化。

连接

结构连接

指的是大脑神经元或脑区之间解剖学上的连接，具体来说，如神经元之间轴突或突触连接，皮层和皮层下核团之间的神经纤维束连接等。

功能连接

是利用不同脑区记录得到的信号（如磁共振BOLD信号，EEG、MEG信号等），计算得出反映不同脑区关系强弱的某种指标。最简单的关系指标应该就是皮尔森相关系数，当然，除了皮尔森相关系数，还有很多其他的更为复杂的指标。

有效连接

指的是一种因果影响，具有方向性，比如说，A神经元或脑区与B神经元或脑区之间存在解剖学连接，但是只能由A神经元或脑区向B神经元或脑区发送指令，这种连接就具有方向性，属于有效连接。

神经元集群

单个神经元的运算能力是有限的，为了更加方便对复杂信息的处理，结构功能相似的神经元会组成相应的模块，使得信息处理的效率大大增加。

神经元在脑中是以模块方式发挥功能的，这些模块的常见形式是皮质柱（Cortical Column）。虽然皮质柱是多层结构，含有不同种类的细胞，但我们可以将其中生物物理功能相似的神经元组队，以构成一个神经元集群。

模块化最重要的⼀项优势也许是在不断变化的环境中，模块化⼤脑能 够更快地适应或进化，因为它能够在其他模块不变的情况下改变或复制某 ⼀个模块，从⽽⽆须改变那些已经充分适应环境的模块。这样⼀来，系统 中某⼀区域的进化就不会影响其他功能正常的区域。

稳健性

【系统】的某个【属性】如果在 【⼀组扰动】下保持【不变】，则称该属性具有稳健性。

大脑的认知和运动等功能编织出人和动物多种多样的行为。其中一种很重要的功能便是短时记忆，它将过去，现在和将来的那些瞬间连于一体形成连贯的行为。例如别人告诉你名字或电话号码，你能马上记住一会儿并存入你的手机通讯录。过去的研究发现大脑中持续性的神经电活动与短时记忆功能有密切的联系，被认为是支撑短时记忆的神经活动基础。这种持续性电活动存在于许多不同的大脑区域之中，一般认为多脑区的相互协作维持了持续性电活动及短时记忆【1，2】。同时，人们也相信多脑区协作可以更好的对抗内外环境的噪音扰动，因为其它脑区冗余的信息可以补偿或补救被干扰脑区的信息。但这种协作补偿的另一个前提是不同脑区之间在局部受到扰动时需要保持较高的独立性（模块性，modularity），以防被扰动脑区的破坏性信息扩散到其他未被扰动的脑区从而失去得到补偿的机会。然而，大脑中不同脑区在结构上是高度连接在一起的，因而给了破坏性信息扩散的机会。

脆弱性

修剪过度的情况时有发⽣。越来 越多证据表明，发育时期的修剪错误是孤独症10和精神分裂症的起因11。 “稳健⽽又脆弱”⽆处不在，当你在理解⼤脑组织原理时，也必须牢记这⼀ 核⼼概念。

层级化

⼀些模块存在层级化结构，也就是模块本⾝由亚模块组成，亚模块又 由亚-亚模块构成。

在“层级”结构中，加⼯是同步进⾏的（“并⾏”）。

在层级化系统中，各个层级之所以能独⽴运⾏，是因为每个层级都拥 有各⾃的⼯作协议。

层级产⽣的信息可以上传也可以下传。这⾥有⼀个 隐藏条件：⼀旦层级系统建⽴，信息就⽆法跨层级传播。

层级化复杂系统的弱点是⼯作协议故障。

为什么不能彻底解决系统中的故障？有⼀种策略能在此扭转局⾯，那就是为系统引⼊冗余性。

在⼤脑的⽣化层级，有很多蛋⽩质在信号通路和反馈回路中负责多个环节，从⽽可以 在多个层级参与对系统的调控。

其他可能还包括⼀些负责约束分⼦内部及分⼦间交互的层级。

负责产⽣动态交互即负责产⽣变化或进展的层级。以及负责通过反馈调整 系统响应的控制层级。