直到現在，神經系統科學主要沿著兩個方向發展。一個是研究者專注於個體神經元的微觀研究。這取得了一些進步，但它只提供了一些有關大腦機能的有限知識，因為它忽視了發生在神經元周圍的大腦網絡活動。另一個是研究者關注大腦不同部分的宏觀皮層架構，在大腦皮層裡，最小的可分解單元可能是幾十萬個神經元。一直以來，這種研究主要通過實際移除部分人類大腦，並在顯微鏡下進行分析來進行。今天，我們能夠以微創的方式進行這項研究。1990年，日本物理學家小川誠二（Seiji Ogawa）和他的同事創立了一種腦成像技術，稱為功能性磁共振成像，簡稱fMRI，由於能夠找出哪部分大腦對某些類型的行為負責，它創造了許多令人矚目的成就。
比如2015年，加利福尼亞的醫生將一對電極移植進一位名為埃裡克·索爾托（Erik Sorto）的34歲的四肢截癱的患者腦中，使他能夠利用自己的思維控制一條機械手臂。通過記錄索爾托大腦後頂葉皮層（這部分大腦負責處理運動計劃）的信號，並將這些信號反饋至旨在分析這些信息的神經網絡，索爾托的意圖能夠被解碼，並隨後轉換成運動指令，發送給獨立的機械手臂。索爾托從握手這樣的簡單任務開始，很快就能玩「石頭剪刀布」，甚至可以10年來首次自己端起啤酒來喝。
在另一個相似的實驗中，休斯敦大學的研究人員開發了一種大腦機器界面，它不再需要移植進大腦，而只要一個腦電帽，通過這頂帽子該界面可以檢測大腦通過頭皮的腦電活動。儘管生成的信號比在大腦裡實際放置一個納米微電極產生的電噪多，但研究人員卻能夠縮小或擴大大腦有用的信號運行的頻率。結果，和埃裡克·索爾托一樣，測試中56歲的截肢患者能夠使用機械手臂撿起各種物體，包括水瓶和信用卡。
和本章開始部分所說的「頭腦文件」細節一樣，從這些項目中獲取的知識都能使研究人員建立關於大腦的更加詳細的畫面。2013年，一組研究人員得出了一個3D人腦掃瞄圖，它佔用了一兆兆（1012）字節的空間。儘管這些掃瞄圖依然還不足以回答大腦微觀結構方面的問題，但這些圖告訴了我們一些大腦顯微解剖學不曾告訴我們的細節。
因此，下一步就涉及繼續鑽研更加精細的細節，按神經元逐個找出事物的功能。就在現在，神經系統科學家已經大致瞭解了大腦神經元的作用是什麼，以及它們是如何與其他神經元相互交流的，但他們仍然無法明確地說出實際交流的是什麼。神經元有上百乃至上千個變體，每個變體都有自己的細胞類型和不同的分子特性。現在，我們仍然不知道一共有多少種神經元，或者每種神經元的電學或結構屬性是什麼。我們也不知道大腦採用什麼格式進行編碼。我們知道計算機使用JPEG和GIF等文件格式為圖片進行編碼，或者DOC和TXT格式為文本文件進行編碼。理解大腦意味著不僅要理解單個神經元的工作方式，也要理解與它們並行的作為神經網絡一部分的其他神經元之間的互動方式。
現在有許多關於如何更好完成這個項目的想法。未來學家雷·庫茲韋爾（Ray Kurzweil）目前被谷歌聘為工程總監之一，他建議使用小型微觀納米機器人掃瞄人腦。這有點像第三章裡描述的可注射式智能設備。實現庫茲韋爾的願景需要數十億個這種掃瞄機器人，其尺寸如同人類的血液細胞，它甚至可以更小，從而進入大腦，通過內部掃瞄來捕捉「所有顯著的神經元細節」。
從理論上來講，這是個好想法，但庫茲韋爾的樂觀想法一直為一些神經系統科學家所批判。因為他這種關於人腦科學的說法就像是建議我們要增強對瀕危物種的意識，而做法則是在雨林的中央建造很多公路，以便人們可以近距離觀看動物。比如，《神經生理學期刊》主編大衛·J·林登（David J. Linden）指出，大腦不僅由神經元構成，也由所謂的「膠質細胞」構成。膠質細胞的數量是神經元的10倍，而且緊緊地擠在一起，使納米機器人無法通過。更糟的是，即便是腦細胞之間的極小空間也充滿了支撐結構，從而反覆地將信號運往相鄰細胞。林登說：「你可以設想庫茲韋爾的納米機器人……墜毀在活躍的、腦電活動的微妙網絡中。即使我們勇敢的納米機器人有噴氣發動機，並且裝備了強大的切割激光，但它在大腦中通行時怎麼能夠在身後不留下破壞的痕跡呢？」
即使庫茲韋爾的說法有些是錯的，但他所設想的宏圖並沒有錯。隨著人工智能的進步和納米技術的平行發展，機器人學與神經系統科學是數以億計的資金湧向人腦逆向工程的原因。就像1956年開啟人工智能的英國達特茅斯大會一樣，這導致了不同學科間的一些有趣的合作。