马里乌斯·乌尔萨凯和威廉·西姆斯·本布里奇所描述的那种复杂的推荐系统“头脑文件”可能以软件形式复制我们。然而，确保将一个人按照不同于原始的方式重建的唯一真正可靠的方法是，通过提取神经元来复制大脑中的所有细胞通路。
要使上述方法成为可能，我们必须首先接受人工智能的核心原则：大脑执行的主要任务可以被视作信息处理，这与计算机执行的任务没什么不同。换句话说，计算机系统中所用的软件与所谓的人脑“湿件”没有本质区别。这种智能模式要求我们遵守“基质独立”原则，这意味着大脑作为一种动态过程，并不一定与一组原子相关联。如果大脑的信息处理是真正的基质独立，那么这就意味着某一天，它可以将智能从以蛋白质为基础的大脑转移到另一种更加持久的媒介中，如计算机网络。
因此，问题就演变为我们如何建造这样的一个大脑。最简单的答案是，就像任何一个曾经把闹钟拆开想要了解其工作原理的人，他知道这是对它的“反向设计”。这种行为就是把现有软件或硬件拆开，从而了解它的生产方式。一旦我们了解了它的生产方式，我们就可以用同样的方法建立一套完全相同的模型。如果我们碰巧知道它已经建造成功，还获取了一些输入和输出的数据，我们就可以训练神经网络，使它对本书所述的任何事做出相同的举动。
当今时代，把大脑当作软件最成功的尝试是深度学习神经网络。基于对生物大脑的简单模仿，这些网络已经变得越来越复杂，并且越来越成熟。当马文·明斯基于1994年创作他的论文《机器人是否将接管地球？》时，大量神经网络构成了约440个连接点。而在我写本章的时候，世界最大的深度学习网络属于一家名为“Digital Reasoning”的美国认知计算公司，拥有约1 600亿个神经连接点。尽管它与人脑的实际复杂性还相距甚远，因为人脑约有86万亿个类神经连接，但这是几十年来的一个巨大飞跃。每立方毫米的人脑组织竟然包含100 000个神经元，以及约900 000 000个类神经连接。
如果摩尔定律继续有效，未来几十年内建立一个这种规模的神经网络不是什么问题。不幸的是，单靠这些并不足以生成大脑般聪慧的智能。我们知道，这是因为尽管计算机科学家建立了拥有上百万个神经元的神经网络，但它仍然还不具备可与动物相提并论的通用人工智能。在动物界，100万个神经元应该能让大脑具备蜜蜂这个水平（96万神经元）或蟑螂这个水平（100万神经元）的智能。我们还没有做到这点。事实上，我们离重造真正的动物中枢神经系统的“神经连接体”或接线图最近的尝试是分析一种被称为秀丽隐杆线虫的雌雄同体线虫。早在20世纪70年代，诺贝尔奖得主、生物学家悉尼·布伦纳（Sydney Brenner）和他的同事为了能够使用功能强大的电子显微镜拍摄线虫细胞，开始对秀丽隐杆线虫进行切片。到了1986年，布伦纳收集到了足够多的信息，发布了这种线虫完整的神经系统连接体。至今，它依然还是我们能够解码的所有生物体中最完整的神经连接体。
因为秀丽隐杆线虫的神经系统结构非常基础，7 000个神经突触将仅有的302个神经元连接在一起。尽管这种结构非常简单，但是我们对其神经系统的实际工作原理仍然知之甚少。自2011年以来，用计算机为该线虫建模的任务一直由美国、欧洲和俄罗斯的数百位科学家和程序员组成的国际团队在进行。这个被称为“OpenWorm”的项目试图建立一个线虫的仿真物理躯体和具体的仿真神经系统模型。然而，尽管花费了大量人力物力，我们依然尚未了解线虫神经元处理信息的机制，而依靠这种机制我们可以复制最基本的爬虫行为。
假设我们已经有了功能足够强大的计算机，那么模拟数十亿互动的神经元就不再是棘手的事了。从已经展开的工作来看，我们知道在网络里组装数十亿个神经元并不能产生智能的人类级大脑，而把数十亿个传感器放在一起至多产生一个功能不错的中央处理器（CPU）。秀丽隐杆线虫这样的神经连接体是一个静止的环路，实际上缺乏所有的环路运行信息。这是因为，当我们查看神经网络的时候，有些参数隐藏在我们无法进入的神经元内。换句话说，你可能查看了现有计算机的蓝图之后就建造了一台计算机，但你可能依然会对编写微软Word程序一头雾水。
如果思维是大脑的软件，为什么我们希望它会有所不同？