看得到的神經網絡
機器學習領域中的主要人物許多來自電腦科學界，他們有四分之三的屬性為電腦怪傑、四分之一為神經科學怪傑。但是探索智能的科學家中，依然有許多人會親自動手做實驗，好確知腦部的運作方式，而扎實的證據只能來自於研究真實的腦部。
像我這樣的職業實驗科學家最先想到的問題是：「我們要怎樣才能夠研究腦中由無數神經元構成的神經網絡？同時記錄數千個神經元的活動？就算能夠辦得到，要怎麼消化這些資料？」數十年前這似乎辦不到，但現在正有所進展。
一如以往，我們要把各個領域中的進展結合起來。其中有四個領域特別重要。首先是雙光子共軛焦顯微鏡，能夠呈現比傳統顯微鏡更為清晰的影像，而且不只能夠看到表面，還能夠深入下方。如果用來看腦，能夠看到皮質中的各層。之前提到了，雙光子顯微鏡是登克發展出來的，他是科學界中真正的創意大師，也是未來的諾貝爾獎得主（我希望）。有人寫說傳統顯微鏡和雙光子顯微鏡之間的差異，就像是在黑暗和在亮光下看彩色電視機。雙光子顯微鏡讓我們不需要損壞細胞就能觀察，這是傳統共軛焦顯微鏡所遭遇的障礙。
第二個領域是遺傳工程，能夠讓我們改造腦神經元的一種蛋白質，在特定的神經元活動時讓它發光（更正確地來說是改變螢光色）。如果你用共軛焦顯微鏡觀察有這種改造蛋白質的神經組織，可以即時看到個別神經元的活動。
第三項進展來自於昆蟲生物學界。如果你要追蹤一隻甲蟲的爬行路徑，例如你想知道什麼狀況讓甲蟲往左轉或是往右走，你可以拍攝甲蟲爬行的影片，接著找個研究生把甲蟲的移動路徑記錄下來。不過昆蟲生物學家找到了自動記錄的方式。他們把甲蟲的背部黏在固定平臺下方，讓甲蟲的腳懸空，然後在甲蟲下方放一個很輕的圓球，像是乒乓球之類的，讓甲蟲的腳抓住圓球。這個圓球放在幾乎沒有摩擦力的容器上，只要甲蟲腳在動，球便跟著轉動，這時只要測量球的轉動就知道甲蟲的移動狀況了，可以由電腦自動記錄（這時研究生可以去從事其他比較有趣的事情）。
第四項進展是我們現代人認為理所當然之事：廉價的電腦運算能力。當雙光子顯微鏡拍攝出幾千個細胞，每個都因位處於活動中而發出小小的亮光，這時你得到的是巨量資料。沒有當代電腦的運算能力，我們進行實驗的科學家無法從這些觀察結果中發掘出意義。
最後我們需要傑出、堅持與勇敢的神經生物學家。他是雙光子顯微鏡的發明者之一、普林斯頓大學的唐克。他把以上種種進展融合起來，並且加上自己的一些妙點子。
唐克說：「我們把目標放遠，試試看一次觀察數千個神經元，而且是在意識清醒且不受干擾的動物身上，觀察動物在看到東西並且思考這些東西時的神經元活動。」
