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。