神经科学和大数据：如何在大脑中寻找简单

科学家们现在可以同时监测和记录大脑中数百个神经元的活动，而不断发展的技术有望使这一数字增加许多倍。然而，仅仅记录神经活动并不能自动地使我们更清楚地了解大脑是如何工作的。

在新的审查文件中发表自然神经科学卡内基梅隆大学(Carnegie Mellon University)的Byron M. Yu和哥伦比亚大学(Columbia University)的John P. Cunningham描述了一起研究许多神经元活动的科学动机，以及解释这些活动的一类机器学习算法——降维算法。

近年来，减少维度减少了深入了解大脑如何区分不同气味，面对不确定性的决定，能够考虑在没有实际移动的情况下移动肢体。Yu和Cunningham争辩说，使用维数减少作为标准分析方法将使您更容易比较健康和异常脑中的活动模式，最终导致改善脑损伤和疾病的治疗和干预措施。

“神经科学的中央原则之一是大量的神经元一起工作，共同产生脑功能。然而，大多数标准分析方法一次适合于一次分析一个或两个神经元。了解如何大量神经元互动，需要高级统计方法，如维度减少，以解释这些大规模的神经录音，“CMU电气计算机工程和生物医学工程助理教授yu·宇（CMU）和该中心的教职员工认知神经基础（CNBC）。

减少维度减少的想法是使用较少数量的潜伏（或隐藏的）变量总结大量神经元的活动。维数减少方法对于揭示大脑的内部运作特别有用，例如当我们响起或解决精神数学问题时，所有行动都在内部脑而不是在外面的世界。这些潜在的变量可用于追踪思想的路径。

科学的主要目标之一就是用简单的话来解释复杂的现象。传统上，神经科学家试图用单个神经元。然而，越来越多的人认识到神经元在它们的活动模式这是一次难以调查一个神经元的解释。减少维度为我们提供了拥抱单神经元异质性的方式，并以如何如何寻求简单的解释神经元彼此互动，“哥伦比亚统计教授Cunningham说。

虽然与现有的分析方法相比，患神经科学的维度减少相对较新，但它已经表现出了很大的承诺。由于大数据越来越大，由于神经录音技术和联邦大脑倡议的持续发展，使用维度减少和相关方法的使用可能变得越来越重要。

---

---