大脑如何产生思想？我们的感知、行动、思想和感觉？历史上对大脑的研究以分而治之的方式进行，试图找出单个区域的功能 - 包含皮质或皮质下层神经元的灰质块 - 一次一个。联网大脑这本书证明：由于大脑不是模块化系统，我们需要概念工具来帮助我们解读高度网络化、复杂的系统如何运作。
大脑的模块化程度如何？
当细分一个更大的系统时——一个由很多部分组成的系统——模块化的概念开始发挥作用。从广义上讲，它是指构成感兴趣系统的许多部分之间的相互依赖程度。一方面，可分解系统是其中每个子系统根据其自身的内在原则运行的系统，独立于其他系统——我们说这个系统是高度模块化的。
另一方面，一个非可分解系统是这样一种系统，其中各部分的连接性和相互关联性使得它们不再明显可分离。
虽然这两个极端可以作为我们思考方向的有用锚点，但在实践中，人们会发现可能的组织的连续体，因此考虑系统的模块化程度更有用。
科学作为一门学科与在一组组成子部分方面的理解实体密不可分。一个相当模块化的观点在神经科学中占了上风。在为科学服务的简化驱动的推动下，大多数研究人员将大脑的研究表述为一个剖析构成大脑的众多“子器官”的问题。
联网的大脑
早期的人工智能专注于开发可以模拟人类“智能”的计算机算法，包括解决问题的简单形式、知识表示和语言理解。一种平行且相互竞争的方法——后来成为人工神经网络领域，或简称神经网络——的灵感来自于自然智力，并采用了神经系统生物学的基本原理。
在这个非算法框架中，简单处理元素的集合协同工作以执行任务。
一个早期的例子是模式识别问题，例如识别 0 和 1 的序列。一个更直观、更现代的应用程序解决了图像分类的目标。给定一组编码为像素强度集合的图片，任务是生成一个输出信号，表示感兴趣的属性；例如，如果图片包含人脸，则输出“1”，否则输出“0”。
人工神经网络背后的基本思想是，“智能”行为源于简单处理元素的联合操作，例如人工神经元将其输入相加并在总和超过某个阈值时生成输出。是一种集体计算。
1940 年代和 1950 年代也是科学家第一次开始系统地开发普遍设想的系统理论的时期。智力控制论运动主要关注系统如何自我调节以保持在稳定的体制内；例如，正常、清醒的人体温度保持在一个狭窄的范围内，变化不到摄氏 1 度。
系统理论，也称为一般系统理论或复杂系统理论，试图形式化某些属性如何源自多个可能是简单的组成部分的相互作用。“整体性”是如何以一种不能立即由部件的特性来解释的方式产生的？
快进到 1998 年，Duncan Watts 和 Steven Strogatz 发表了一篇题为“'小世界'网络的集体动态”的论文。该研究提出，许多生物、技术和社交网络的组织赋予它们增强的信号传播速度、计算能力和部件之间的同步。
Watts 和 Strogatz 应用他们的技术来研究一个包含超过 200,000 名演员的社交网络的组织，他们认为如果两个演员一起出现在电影中，他们就会“联系起来”。尽管给定的演员只与少数其他演员（大约 60 名）有联系，但他们发现可以在任何两个演员之间找到短的“路径”。
Watts 和 Strogatz 的论文，以及 Albert-László Barabási 和 Réka Albert 于次年发表的相关论文，引发了对众所周知的“网络科学”的大量研究——对由更基本组件组成的互连系统的研究，例如个人的社交网络。
从那时起，这个研究领域取得了巨大的发展，新技术正积极应用于社会、生物和技术问题，以完善我们对“集体行为”的看法。
这些想法也与脑科学研究产生了共鸣，不久之后，研究人员开始应用网络技术来研究他们的数据。在人类神经成像中尤其如此，它使用磁共振成像 (MRI) 扫描仪来测量不同实验条件下整个大脑的活动。
网络科学提供了一系列分析工具来处理大脑数据。首先，该框架鼓励研究人员根据网络级属性来概念化神经系统。也就是说，尽管单个部分——大脑区域或其他此类单元——很重要，但必须针对集体或系统范围的属性。
......
那么，今天的神经科学在哪里？牛顿的数学原理——可以说是有史以来最有影响力的科学成就——所引发的机械传统是脑科学家思考方式背后的主要概念驱动力。例如，尽管许多生物学家认为他们的主题与物理学不同，但科学实践在很大程度上受机械方法的支配。
本书采用了一种不同的思维方式，围绕“集体现象”的思想、网络的思想和关于复杂性的思想。这本书与我们对大脑的了解一样多，也是一篇激发我们如何将大脑视为高度复杂的网络系统的文本。