我個人認為這個問題很棒。我覺得目前受困兩個大的方面：(1)研究工具，(2)研究人員自身素質。
先從研究工具入手。這一點又分兩個，首先是腦成像工具，其次是統計工具。
我們現在使用的腦成像無非是 fMRI，EEG 類東西。其基本原理主要是被動分析我們大腦活動所產生的電信號或者代謝數據。如下圖。
為什麼説還不夠好呢?我們從 fMRI 原理説起，它研究分析人在特定工作下血氧代謝情況，也就是説你要是沒有代謝變化就沒有辦法測出來。這些測量方法在時空分辨率往往有 妥協，只能説還有待提升。我個人認為最好的目前是單電極分析，但是由於目前限制，是在沒法推廣。我個人認為終有一天，待我們的技術可以達到無入侵的高時空分辨率的成像技術的時候，我們對於大腦的研究會產生一個巨大的突破。
除了工具本身，工具怎麼用也是問題。懂了 fMRI 原理夠了麼?會看圖夠了麼?不夠，別人做功能性連接的牛吧，還有做拓撲的呢。山外有山，但是我敢説再往後十年，同樣的核磁共振，新的科學家們玩的會更溜。在這裏挑戰就是研究者們能不能深切掌握工具。
下面就是統計工具，説實話，各國研究心理學或者神經科學的人，必然基本都會統計，但是統計質量呢?我倒是很期待本科學數學或者物理的加入一線神經科學研究(不是人工智能)。只有運用更加準確的統計工具才能提高研究本身的分析效力。就好比説實驗結果就像複雜的生活一樣，只有準確運用了統計方法才能理清楚潛在的脈絡和邏輯，不然就是盲人摸象。在這一點上，很多學生都得加油，新的統計手段使用什麼的還是得要掌握(比如我)。
最後就是人員素質本身了。為什麼要提到這個呢?目前神經、認知心理學蓬勃發展，很多人都研究某個細小組塊。結果呢，研究初級視覺皮層的不見得很熟悉高級識別，研究視覺的不太能馬上操作聽覺的研究。這樣的分區塊的研究自然有好處，術業有專攻;但是對於目前漸漸提倡整合或者跨模式的研究呢，我真的擔心大家的知識儲備(大牛們肯定比我們多了幾千篇論文，我擔心的是我們這些新晉的研究者會不會由於內容的過度細節化影響了總體的把控能力)。比如，我最近還在研究面孔識別，但是通過研究我發現工作記憶也有巨大作用：在認知裏面，視覺和記憶簡直隔行如山，但是其實暗中鑲嵌。
所以説，未來神經科學的突破肯定也會出現在一些細節上，但是更大的突破需要更新的技術手段和分析方法，加之以多領域協同工作，這樣的突破才會給我們生活帶來質變。
站在巨人肩膀上，眼界也開闊了，但是對挑戰也看得更清晰。怎麼辦呢?我們也應該成為新的巨人。