活动流（Activity flows）是指神经元群体之间活动的动态迁移过程。这些动态的神经过程堪称大脑的驱动力，正是它们赋予了大脑运作的本质。事实上，活动流似乎是神经计算中的主要整合机制，构成了各种生物物理过程交汇并产生心理功能的主要渠道。心理功能与认知同义，涵盖了我们的感知经验、各种能力、记忆以及目标追求。在相关研究著作的前半部分，我们主要聚焦于活动流或称“大脑流”如何生成心智中最基础的方面（如习得性联想和目标追求），而在后半部分则深入探讨更复杂的功用（如意识、智能和创造力）。除了证明大脑流构成人类心智这一简单事实之外，我们还将阐述在复杂的现实世界中面对种种计算挑战时，大脑流如何依然能够生成强大的功能。
尽管大脑流对于认知功能至关重要，但如果阅读近期的神经科学文献，人们很容易误以为大脑流在神经加工中只扮演微不足道的角色。与在假设发展、数据分析和数据解释中占据核心地位不同，活动流通常被降解为仅与大多数神经科学研究的主要结论略微相关的背景知识。
相反，当代大多数神经科学研究主要集中于两个方向：一是将功能映射到特定的脑区，二是映射脑区之间的连接。尽管这些活动和连接估计很有帮助，但它们仅仅是大脑流的相关量，因此并未触及大脑的核心功能。大脑活动流是神经处理的基础，它有潜力将现有的脑功能映射和脑连接映射研究统一起来，为脑功能提供丰富且具有解释力的阐述。而这场探索大脑功能本质的旅程，正是从动作电位（Action potential）开始的。
从蛞蝓、小鼠到猴子和人类，从解剖学到计算模型，动作电位（或称峰电位）已被证实是神经信息处理的核心。这种核心作用始于外周神经系统，所有的感觉模态都通过动作电位与大脑进行交流。这些电信号沿着神经元的轴突快速流动，触发化学物质（神经递质）的释放，进而触发链条中下一组神经元的动作电位。这种动作电位发放率增加的流动（即活动流）最终进入大脑，而人们对这一阶段的了解还相对较少。例如，我们对圆圈等简单图案感知的了解并不多，对独角兽等复杂神话生物的感知了解则更少。不过，我们可以确信的是，如果某个刺激引发了运动反应，那么从大脑“另一端”输出的将是更多的动作电位，它们最终会触发肌肉运动。
鉴于动作电位频率增加的流动在大脑外部具有功能上的核心地位，我们完全可以推断它在大脑内部也同样重要。事实上，这也一直是许多神经理论的核心特征。然而，在大多数实证神经科学研究中，这种动态流动过程却被贬为外围的“背景”理论，这就像我们把双手反绑在背后进行神经科学研究一样。尽管如此，这也为我们提供了一个重大机遇：通过转向大脑流的视角，摆脱以往更偏向于“活动振幅中心论”和“连接中心论”的传统观点，从而极大地提升我们对大脑功能的理解。幸运的是，活动流可以被估算为脑区连接与任务相关活动的结合，而这两者目前每年正通过成千上万项神经科学研究被不断绘制出来。因此，我们可以充分利用这些庞大且不断扩展的知识库，来探索大脑功能的本质。
我们可以考虑一个映射脑功能的突出例子，这也是理解更复杂情况（如对独角兽等神话生物的表征）的起点：在人类视觉系统中，似乎存在某种用于处理面孔的“模块”。这个脑区被称为梭状回面孔区（Fusiform face area），当参与者看到一张面孔，而不是看到其他视觉类别（如房屋或工具）时，该脑区的活跃度更高。尽管这个区域的功能不仅限于处理面孔，但数十年的研究已经证实，这个埋藏在颞叶深处的皮层区域，在响应面孔时确实比响应任何其他类别（甚至是被打乱的面孔，即具有相同低级特征的刺激）时更具活性。那么，我们能否利用大脑流的视角，对这种局部化的功能获得更深入的洞察呢？
原则上，基于活动流的梭状回面孔区解释框架是怎样的呢？重要的是，基于活动流的解释并不会取代功能图谱或连接图谱。相反，活动流建模是在这些已有知识的基础上构建的，它将任务诱发的活动图谱与连接图谱混合起来，以估算活动流。以梭状回面孔区为例，活动流模型将利用该脑区独特的连接模式，来识别哪些其他区域对其功能做出了贡献。然后，它将模拟这些区域到梭状回面孔区的活动流，并在此过程中产生人们感兴趣的功能——即对脸部的选择性激活。鉴于该模型在受到高度实证约束的同时能够生成目标功能，我们可以认为这是一种对“面孔选择性”的生成性理解。这种生成性理解远远超越了我们最初的功能图谱和连接图谱，展示了一个高度合理的机制，解释了某一特定脑区的功能是如何涌现的。值得注意的是，来自生成式网络神经科学的这种生成视角，与神经科学中的编码模型高度相关——在编码模型中，一组基底（例如一组简单的视觉特征）被用来解释复杂的神经响应（例如对电影的视觉响应），然后用于在独立数据中测试其生成充分性。因此，活动流建模可以被看作是一种基于连接的编码建模。
大脑流框架表明，大脑中的信息处理可能主要通过脑区之间的信息转换来实现，而不是在脑区内部发生。这一观点最近得到了活动流模型成功的强有力支持——这些模型是基于实证连接和活动估计对执行任务的脑功能的模拟。在这些数字孪生大脑模型中，我们可以清晰地看到脑区之间的跨区投射是如何产生独特功能的。这与大多数认知神经科学家（包括作者本人在内）以往解释任务诱发脑活动的方式形成了鲜明对比，过去人们常将其视为未知的区内加工。大脑流框架表明，每个脑区都包含一个或多个信息“空间”（例如视网膜坐标系或以自我为中心的空间坐标系中的表征），其与其他脑区之间的活动流积极地在这些信息空间之间转换信息。因此，包含丰富场景的V1区中的低级视觉特征信息空间，通过活动流被转换为梭状回面孔区中复杂的面孔及其他物体表征空间。我们可以想象从“V1视角”和“顶叶皮层视角”来观察一个场景：V1视角处于视网膜坐标系中，因此会随着眼球运动而跳动；而顶叶皮层视角则处于以自我为中心的坐标系中，因此在眼球运动时不会跳动。涉及其他脑区的大量并行处理流各自拥有独特的信息空间，它们能够同时处理场景的其他方面。