科学家现在可以在大脑中同时监测和记录数以百计的神经元的活动，科技的持续发展也使这个数字成倍地增加。然而，简单的记录神经活动并不能完全的理解大脑是如何工作的。

    发表在《自然神经》杂志上的一片综述报道。卡内基梅隆大学Byron M. Yu和哥伦比亚大学的John P.Cunningham描述了通过一类机器学习算法——降维——来解释研究许多神经元共同活动的科学动机。

    近年来，降维这种算法提供了洞察大脑是如何区分不同命令之间的不同的新方法，即在面对不确定性时做出决定传达给大脑的命令和打算活动一个肢体但实际没有活动传达给大脑的命令。Yu和Cunningham认为使用降维算法作为一个标准的分析方法就能很容易地比较健康和异常的大脑的活动模式，最终可以改善脑部损伤和疾病的治疗方法和干预措施。来自卡内基梅隆大学电气和计算机工程和生物医学学院的助理教授和神经认知基础中心教员，Yu说：“神经科学的核心原则之一就是多种神经元共同作用使大脑进行工作。然而，许多标准的分析方法一次只能分析一个或者两个神经元的共同作用。为了了解大量神经元相互之间是如何作用的，高级的统计方法，例如降维法，在解释这种大规模神经记录数据中是必须的。”

    降维法真正的目的是总结大量神经元利用少量潜在变量的活动。降维法对于发现大脑内部的工作方法是十分有用的，例如，当我们反复思考或解数学问题时，所有的大脑内部活动是怎么回事。这些潜在的变量可以用来追踪人们想法的路径。

    Cunningham说：“科学的主要目标之一是用简单的形式解释复杂的现象。传统上，神经科学家试图发现单个神经元的工作机制。然而，人们越来越认识到，神经元在不同活动模式下会显示不同的特点。这很难通过一次检测一个神经元来解释。降维法给我们提供了一种方法，就是以神经元相互作用的形式来阐明单个神经元的异质性以及寻找到一种简单的解释方法。”

    虽然与现有的统计分析方法相比降维法对于神经科学家门是一种相对新的统计方法，但是这种方法的前途无量。大数据变得越来越大，这要归功于不断发展的神经记录技术和联邦BRAIN Initiative组织的贡献，降维法及其相关方法的应用会变得越来越重要。

#食品泡菜豆芽汤#审核组