Rodney A. Brooks--罗德尼·布鲁克斯：机器人专家，曾任麻省理工学院人工智能实验室主任。：著有《我们都是机器人：人机合一的大时代》（Flesh and Machines：How Robots Will Change Us）。
从古至今，我们一直用技术系统的隐喻来描述身体和大脑如何运作。古希腊水利技术就解释了4种体液，并提出要使它们保持平衡。到了18世纪，时钟机制和液体流动也用来比喻大脑的运作情况。20世纪的头50年，人们经常把大脑比作电话交换网络。事实上，因电报和电话线信号传播而发展的数学，被用于建立轴突的动作电位模型。而到了20世纪60年代，控制论专家则试图用负反馈模型（原用于蒸汽机，第二次世界大战期间被广泛应用于控制枪支瞄准）建立大脑模型。但可以说，这些隐喻很快就遭到了淘汰，它们被电子计算机所取代。我们开始听到一些把大脑比作硬件，把思维比作软件的说法，尽管它对理解大脑或思维都没什么帮助。整个20世纪后半叶，大脑被比作大规模并行的超级电子计算机。现在，你可以听到很多关于大脑和万维网在运作方面相似的说法，神经元和网页扮演着类似的角色，超链接和突触也相互映射。
以上这些例子，说明关于大脑的隐喻将会随着技术的发展而不断演变，它总是和我们当前拥有的最复杂的技术相对应。但是，当下流行的隐喻对当前的科学有影响吗？我认为是有的，计算隐喻学将引领研究人员提出一些问题，而这些问题在以后看来，顶多算得上是稀奇古怪罢了。
计算和计算思维的力量是无穷的，但它对科学的导入作用还仅处于初期。在自然现象中，把近似计算法和计算理论混淆并不总是有帮助的。例如，想想那个行星围绕太阳旋转的经典模型。它是一个引力模型，二者的运动可以由一个描述力、加速度以及它们之间关系的简单微分方程来解释。这个方程也能扩展用于相对论和多个行星，并能立刻描述物理学家对这一系统的说法。然而由这一点看来，方程并非万能，为了理解系统中的长期行为，我们能做到的就是利用算法将时间分为小片段，用连续描述局部行为的数字逼近法进行长期的模拟。然而，最顽固的计算学家（确实存在）认为，行星自身每时每刻都在“计算”它该做什么。而我们知道，行星因重力影响而运动的观点更为有效。
计算隐喻学已经承担起解释大脑和更简单神经系统的工作。我们经常听到别人谈论神经编码，那么，在轴突上随着时间运行的动作电位序列中的编码又是什么呢？早期神经元的进化能更好地同步肌肉活动。例如，如果水母的游泳肌肉同时激活，那么它能游得很快，也不会摇晃。进化可以为不同物种中存在的这类问题提供多种解决方案。这些方案包括：极快地增殖，仔细调节信号沿着触发轴突衰减，还有根据强度调节肌肉纤维的局部延迟等。此外，许多水母体内有基于不同繁殖化学结构的多种神经系统，这些化学结构可以支持不同的行为，甚至游泳模式。就像计算系统不是描述行星状况的最佳方式一样，把简单系统看成运算系统，神经元在其中传递“信息”，这种方法也不适于描述所在环境中的系统行为。
过去60余年，神经元计算模型使得我们不再需要了解一些事情，比如神经胶质细胞在大脑行为中的作用，影响附近神经元的小分子扩散，荷尔蒙导致的神经系统不同部分的相互影响，不断产生的新神经元，以及我们还未考虑到的大量事物。它们不适用于计算隐喻，所以即使很多隐喻消失了也无妨。我们从计算隐喻中得出的新机制，已经被强行粘贴到计算模型中，但却变得越来越不实用，而那些对传统执念很深的人看不到这一点，他们还在不停地发表新文章，试图以此增进我们的“理解”。我认为，如果计算隐喻被世界上其他一些隐喻（可以帮助我们理解大脑在行为系统中扮演的角色）所取代，那么我们更容易取得新的发现。虽然我不知道那些隐喻究竟是什么，但科学史告诉我们，它们必将出现。
