モジュール構成情報は、機械学習モジュールおよびその接続情報です。 脳全体のモジュール構成情報は、脳全体についてのモジュール構成情報であり、全脳アーキテクチャ中心仮説を前提とした全脳アーキテクチャ・アプローチにおいては、この情報により認知アーキテクチャが構成されることを前提としています。

この情報は、全脳アーキテクチャ・アプローチのミッション・ステートメントの前半部分である「脳全体のアーキテクチャに学び〜」を体現するために非常に重要です。 そしてこの情報は認知アーキテクチャに制約を与えることから，「脳型制約」と呼ぶこともあります。

神経科学の知識が(ほぼ)なくても，モジュール毎に割り当てられた機能を，接続するインタフェースの制約をBriCA言語で記述して接続すれば脳型AI開発に貢献できる

脳をガイドとしているので，何れは人間レベルのAGIに到達できる見込みがある

ある程度開発が進んだ後であれば，部品を置き換えれば認知アーキとして即稼働

困ったときに，他のモジュールに助けられて，例外などに強くなる

開発しているモジュールの機能に応じて脳内の位置づけを決定し，それに応じてBriCA言語でコネクションを記述するコストが発生する

※WBAI側にアドバイザーがいれば緩和できる．

コネクションの決定にあたってインタフェースに制約が生ずる 脳内の適切なモジュラリティを決定したり，ユーザ側のプログラムを適切に分割したりなどで対応する．

脳全体のモジュール構成情報の主要な情報源としては、様々な動物種における脳全体のメゾスコピックな接続（コネクトーム・データ等）が想定されています。

コネクトーム・データをBriCA言語上で表現すること自体も一つの技術課題です。 しかし仮に、「脳は機械学習モジュールに分解できる」という仮説を受け入れたとしても課題が存在し、今後の研究や検討が必要です。 以下に代表的な課題を列挙します。

• 課題１：静的なモジュール間結合は密すぎて，認知アーキテクチャを構築するには不十分かもしれない。
• 課題２：メゾスコッピックなレベルでの神経集団のクラスタリングが，機械学習モジュールとすべきクラスタと一致する保証がない。
• 課題３：特定の認知タスクを実行しているコンテクストにおいてのモジュール間の関係性を考慮すべきであろう。