人类脑计划也要面临长达十几年的困局吗？或许不会。在这项研究中，算法还是探测到了主时钟信号，它协调 CPU 中不同的部位的运行。同时，一些神经科学家也批评了论文给出的结论，他们认为计算机芯片和大脑的机制并不能完全类比，同样的分析方式并不能直接移植应用。

法国计算机科学与自动化研究所机器学习专家 Gaël Varoquaux 表示：「6502 与当代 CPU 相比，前者和大脑的区别更明显。这种原始的芯片按照顺序处理输入内容。而大脑（和现代 CPU）是多线程同时计算的。」正如他所说的，神经科学在近年来已经走过了很长的一段路。例如在视觉系统的复杂细节上，人们对于大脑如何区分线和面这样的概念已经有了合乎情理的解释。

Jonas 对这些看法表示部分接受。「我并不否认神经科学近年来的成就，」他辩解道，他继续用人类基因组计划作类比。「这项工程产生的数据，以及其后更先进手段收集得来的数据都为人类的基因研究打下了基础，但由基因组计划引起的对于未来的不实际期待则被打破。收集数据是一回事，想搞清楚数据背后的意义，我们还要等很久。」

论文：Could a Neuroscientist Understand a Microprocessor?

摘要：在神经科学领域，我们有一个普遍的观念：研究非常依赖于数据，在大型数据集和高级分析算法的帮助下，我们可以探求大脑运行方式。这种量级的数据集尚不存在，而且即使它们存在，我们也无法得知我们算法生成的分析结果是否有效。

为了证明这个观点，atv，我们使用了一个具有代表性的微处理器作为生物模型，并进行了一系列实验以检查目前主流的分析方法是否可以理解 CPU 的信息处理方式。微处理器是人造信息处理系统的组成部分，它们形式复杂，同时结构完全已知——从逻辑流程，到逻辑门，再到晶体管的动态。我们的研究展示了现有神经科学分析方法对于 CPU 的运行数据产生了有趣的见解，但这些分析随后被证明对于解释芯片在信息处理时的层级结构毫无意义。这意味着目前神经科学领域的分析方式可能对于我们理解神经系统毫无帮助——无论我们是否拥有足够数据。

此外，我们的研究结果表明，科学家们需要使用复杂非线性动态系统在已知内容的基础上开展研究，微处理器对于时间序列和结构发现方法而言就是一个可用的平台。