絕大部分感覺、認知和運動發起功能都依賴腦中大量神經元相互作用。隨著神經元記錄技術的發展，科學家能同時監視、記錄腦中數百個神經元的活動，并有望將這一數字成倍提高。但關鍵問題不是為了超越單個神經元，而是從這些神經元集群的記錄中，能得到什么科學解釋。
對神經元活動的簡單記錄不會自動產生明確的表達，讓科學家理解大腦是怎樣工作的。據物理學家組織網8月25日（北京時間）報道，美國卡內基·梅隆大學（CMU）和哥倫比亞大學（CU）的兩位科學家在最近一期的《自然·神經科學》雜志上聯合發表了一篇評論文章，談到為何要研究大量神經元的共同活動，并提出一種名為降維算法的機器學習算法，可以有效處理大量記錄數據，幫助解釋大量神經元的活動。
“神經科學中的一個核心原則就是，大量神經元一起工作才能產生腦功能。但大部分的標準分析法卻一次只能分析一兩個神經元，要想理解大量神經元是怎樣互相合作的，必須用一種先進的統計方法，如降維計算，才能解釋這種大尺度的神經記錄。”CMU電學與計算機工程和生物醫學工程副教授拜倫·余說。
降維算法是將數據由高維減到低維，用來揭示數據的本質低維結構。在神經科學中，是用少數潛在或隱藏的變量來概括大量神經元的活動。比如在我們反復思考時，或在頭腦中解決數學問題時，所有活動都是在腦內進行而不在外部世界，通過這些潛在變量可以跟蹤一個人的思路。它提供了一種深入的工具，讓人們能理解大腦是如何區分不同的氣味，在不確定的情況下做出決策，在沒有真實動作時考慮要移動哪個肢體。兩位作者認為，把降維算法作為一種標準分析方法，在人們比較研究健康大腦和異常大腦的活動方式時將會更容易，最終為腦損傷和腦功能紊亂帶來更好的治療方法。
哥倫比亞大學統計學副教授約翰·康寧漢姆說：“科學研究的一個主要目標就是用簡單的術語解釋復雜的現象。傳統的神經科學家一直在尋找簡化單個神經元的方法，但他們發現，神經元的活動模式具有變化的特征，一次只檢查一個神經元是很難理解這些活動的。降維算法為我們提供了一種涵蓋單個神經元的變化的方法，為神經元之間的彼此互動找到簡單的解釋。”
研究人員還指出，雖然在神經科學中降維算法還相對較新，但已顯出光明前景。隨著神經記錄技術的發展和美國腦計劃的展開，大數據會變得更大，降維算法可能成為一種必不可少的數據處理方法。
總編輯圈點
面對大量數據，科學家想要迸發新的思路并不容易。利用降維算法處理大量神經元記錄數據，幫助理解大腦活動，神經學家顯然已經將大數據工具應用到分析大腦細胞活動中來，這樣的研究可能暗含更有希望的方法，只需要進行少量調整、使用新的計算分析，原來的數據就可以更有用途。我們期待新的研究方法幫助人類對自己大腦的工作原理產生新的認識。
請輸入驗證碼