你對大腦有興趣嗎？那你有沒有遇過跟我一樣的困境：很喜歡大腦，而且對大腦為什麼會這樣那樣好神奇很有興趣，卻不知道那是要念什麼？即使現在愈來愈常聽到『腦科學』這個字，卻不知道要從哪裡下手去學他？

另一方面，你有聽過神經科學/腦科學，但在台灣又好像很少聽到人在學，學校也沒教過，所以搞不懂到底這是在唸什麼？

這篇文就要來大致介紹一下這個領域，目標族群是高中到大二，正在尋找職涯方向的人，會回答的問題包含以下幾個(可以直接點擊連結進去自己想看的問題)：

1. 神經科學在做什麼？
   1. 神經科學想回答的問題
   2. 神經科學子領域
2. 神經科學和心理學的差別
3. 神經科學目前的熱門領域
4. 神經科學的出路

如果你是打算要出國讀博班，想了解美國神經科學博班的話會在下一篇文做說明。

＊依慣例先上個警語：我是四年多前從社會組跨領域到神經科學的，所以我一開始鎖定的研究興趣就很特定，導致我在這領域還有很多東西沒有去探索過，很需要靠更專業的人補充，這篇文很抱歉就得麻煩大家抱持先求有再求好的心態來閱讀了。

---

神經科學在做什麼？

神經科學想回答的問題

如果你有常常在想而且很好奇以下這類型的問題，那就很適合來念神經科學：

1. 記憶是什麼？是一種化學物質嗎？還是神經細胞構造的改變？
2. 大腦講簡單點就是一團肉，但這一團肉為什麼會產生出要去燒肉店點一盤肉這樣的想法？
3. 為什麼我在某些狀況底下會做出衝動的決定？（像是燈光好氣氛佳的時候咳咳，或是肚子爆餓的時候就點了一桌吃不完的菜）
4. 為什麼我憂鬱症的時候的想法會跟平常不一樣？
5. 為什麼大腦可以想東西可是我的膝蓋不會？
6. 我阿嬤他老人癡呆，阿公帕金森氏症，他們是怎麼了？

神經科學簡單說就是從生物的角度去了解大腦構造，大腦的功能、還有大腦和身體的互動。

具體一點的話：

• 所謂的了解大腦構造就是研究大腦裡面不同的細胞，為什麼長不同樣子，各自有什麼功能，細胞裡外如何互動，以及為什麼會演化出腦細胞等等。

• 了解大腦功能就是指了解這些不同的大腦細胞怎麼產生我們常聽到的大腦功能，包含意識、思考、情緒、記憶、規劃、策略、決策等等。就像問題1和2一樣。

• 大腦和身體的互動則是看大腦跟心臟、腸胃等如何互相影響，怎麼透過分泌不同物質到血液裡來跟身體其他地方互傳訊息，還有大腦裡面的免疫系統等等。

神經科學子領域

看完上面敘述就可以想像這範圍太廣，而且有些差異很大，因此神經科學可以劃分成不同子領域，不同學校分法不太一樣：

歸納起來基本款有以下幾種：

• Cell and Molecular Neuroscience（研究各種腦細胞和細胞裡的物質）
• Behavioral/Cognitive Neuroscience（研究行為和認知功能背後大腦是如何運作）
• Developmental Neuroscience（研究怎麼從一顆受精卵或是幹細胞變成有運算功能的大腦的，有些會從小孩或青少年研究起）
• Neuropathology and Disease（研究各種神經細胞病變）
• Synaptic Physiology and Plasticity（研究神經細胞之間的連結，以及他們怎麼被經驗改變）
• Neuropharmacology（研究神經細胞跟不同藥間的互動）
• Theoretical/Computational Neuroscience（用電腦模擬不同神經連結來了解大腦功能）
• Systems Neuroscience(研究不同的神經迴路如何產生不同功能)

這邊因為是簡介我就不一個一個解釋了，有幾項在NIH網站裡有介紹（點我看內容）

神經科學和心理學的差別

看到神經科學有了解大腦功能這項，很多人可能會感到很困惑，那神經科學跟心理學有什麼不一樣。

用一句話來說，心理學著重的是研究大腦功能本身，以及這個功能產生的下游行為模式，而神經科學著重的是大腦功能如何形成，追蹤功能產生的上游源頭。

以記憶的例子來看的話，心理學會研究的是記憶這個過程包含哪些、記憶有什麼樣的特性、記憶有沒有不同的類型、哪些情境會影響記憶等等，而神經科學會研究的就像前面問題提到的，記憶是一種化學物質嗎？還是記憶是神經結構的改變？提取記憶的過程細胞如何互動等等。

借用Princeton Yael Niv教授的話（https://nivlab.princeton.edu/faq-0）來說，你可以問自己：

am I primarily interested in understanding learning and behavior, and knowing about the brain (or using functional imaging) is but one of the tools I use (in which case you should apply to Psychology) or am I primarily interested in understanding the brain and how it realizes learning and behavior (in which case you should apply to Neuroscience). 

我主要是對了解學習和行為有興趣，而知道大腦怎麼運作是其中一項幫助我了解的工具（那就選心理系），還是我是對了解大腦以及大腦如何產生學習和行為有興趣（那就選神經科學）。

以上是學問上的分類。

會這麼說是因為現實社會中很多學校的心理系也會有神經科學這個分類，這又是怎麼一回事呢？那我要怎麼選？

通常（可能不是全部）這種狀況是那間學校把人類神經科學（Human neuroscience）分在心理系，而神經科學系則是用人類以外的動物做研究。畢竟神經科學很常會想了解到細胞等級，總不能把受試者大腦剖開吧？！所以就需要用到動物作為實驗體。

因此，如果你對大腦怎麼產生行為比較有興趣，但只想了解人類的話，在一些學校要在心理系才找得到。

神經科學目前的熱門領域

這幾年隨著演算能力還有探測工具大幅進步，目前最紅的子領域是Systems Neuroscience，基於後面會提到的原因，這個子領域和AI的結合性最高，所以又讓它更是成為趨勢。

因為在NIH的網站裡沒有多講，所以我就特別補充一下Systems Neuroscience大概在做什麼。

Systems neuroscience是在研究神經迴路的結構和功能，換句話說就是研究一群腦細胞在一起的時候怎麼互相連結、可以做出什麼事。

舉兩個例子：

1. 前一陣子有個在FB上被轉載很多次的關於小孩子負責管理情緒的杏仁核很活躍，要等前額葉發展成熟之後才有辦法跟杏仁核溝通，幫助他理性表達自己的意見。
2. 一群視覺細胞怎麼聯合起來運作，幫助我們改善清晰度、對比度等等，或是幫我們辨認物品

如果把以上的杏仁核和額葉或是一群視覺細胞想像成是一個黑盒子（方程式），接收到的訊息是input，產生的行為是output的話，Systems Neurscience就是在了解中間那個黑盒子怎麼組織的和組成的（方程式裡每一個未知數係數多少、有幾個未知數等等），而裡面的每一項要件改變了會對output有什麼影響。

但為什麼這樣的研究到現在才成為熱門呢？其實是因為有辦法做這種研究的工具到這十年左右才發明，像是：

1. 可以一次偵測和記錄大量神經細胞（幾百到幾千）的工具，例如fiber photometry, 2 photon microscopy, silicon probe like Neuropixel等等
2. 可以精準操控這些細胞的工具，來幫助了解改變這些細胞會改變什麼功能或行為，像是optogenetics, chemogenetics等等
3. 把1和2需要的特殊蛋白質植入大腦細胞，又不會讓生物體死掉的工具
4. 龐大的儲存容量以及強大的運算能力去分析這麼大量的數據。

而因為Systems Neuroscience最熱門的研究就是了解不同細胞如何運算、互相合作來做學習和決策，所以了解大腦就可以幫助改善AI深度學習的模型，而透過機器學習的模型發展也可以幫助我們了解大腦運作，兩者是魚幫水水幫魚的關係。

以下是個進階題，沒興趣的可以直接跳過：

看到這裡有沒有人在想Behavioral/Cognitive Neuroscience和Systems Neuroscience究竟有什麼不一樣？

差別其實很微妙，所以很多學校會乾脆把這兩者合併，硬要分辨的話大概是Behavioral/Cognitive Neuroscience會著重在一項認知功能或是一項行為，去了解這項功能或行為背後的大腦運作，但Systems Neuroscience著重的會是某個大腦區域或某個神經迴路會產生的功能，所以前者可能會研究照顧小孩這樣的行為是怎麼產生的，相關的大腦區域有哪些，後者研究的會是杏仁核，看看杏仁核在情緒、記憶上面各自會有什麼樣不一樣的活動。

神經科學的出路

因為我還很資淺，加上我在神經科學就是想體驗居多，所以這方面我完全抱持看生命要給我什麼我就擁抱各種可能性的佛系想法，其實沒有什麼研究，只能就我周邊遇過的人舉例子，但我相信應該有更多選擇。

學術界是當然的，業界的話如果不是去研究型公司，依照不同子領域出路不太一樣。

如果是systems, behavioral, cognitive neuroscience，大概是AI, data scientist, software engineer，或是biotech, bioengineering, therapeutic industry等等。

Molecular and cellular neuroscience的話，則是藥廠、biotech、therapeutic industry, microscopes, data scientist等等

—

以上！

希望沒有反而把簡單問題複雜化，把大家愈搞愈模糊，我會再想想要怎麼樣可以解釋得更簡單一點。