绝大部分感觉、认知和运动发起功能都依赖脑中大量神经元相互作用。随着神经元记录技术的发展，科学家能同时监视、记录脑中数百个神经元的活动，并有望将这一数字成倍提高。但关键问题不是为了超越单个神经元，而是从这些神经元集群的记录中，能得到什么科学解释。

　  对神经元活动的简单记录不会自动产生明确的表达，让科学家理解大脑是怎样工作的。据物理学家组织网8月25日（北京时间）报道，美国卡内基·梅隆大学（CMU）和哥伦比亚大学（CU）的两位科学家在最近一期的《自然·神经科学》杂志上联合发表了一篇评论文章，谈到为何要研究大量神经元的共同活动，并提出一种名为降维算法的机器学习算法，可以有效处理大量记录数据，帮助解释大量神经元的活动。

　　“神经科学中的一个核心原则就是，大量神经元一起工作才能产生脑功能。但大部分的标准分析法却一次只能分析一两个神经元，要想理解大量神经元是怎样互相合作的，必须用一种先进的统计方法，如降维计算，才能解释这种大尺度的神经记录。”CMU电学与计算机工程和生物医学工程副教授拜伦·余说。

　　降维算法是将数据由高维减到低维，用来揭示数据的本质低维结构。在神经科学中，是用少数潜在或隐藏的变量来概括大量神经元的活动。比如在我们反复思考时，或在头脑中解决数学问题时，所有活动都是在脑内进行而不在外部世界，通过这些潜在变量可以跟踪一个人的思路。它提供了一种深入的工具，让人们能理解大脑是如何区分不同的气味，在不确定的情况下做出决策，在没有真实动作时考虑要移动哪个肢体。两位作者认为，把降维算法作为一种标准分析方法，在人们比较研究健康大脑和异常大脑的活动方式时将会更容易，最终为脑损伤和脑功能紊乱带来更好的治疗方法。

　　哥伦比亚大学统计学副教授约翰·康宁汉姆说：“科学研究的一个主要目标就是用简单的术语解释复杂的现象。传统的神经科学家一直在寻找简化单个神经元的方法，但他们发现，神经元的活动模式具有变化的特征，一次只检查一个神经元是很难理解这些活动的。降维算法为我们提供了一种涵盖单个神经元的变化的方法，为神经元之间的彼此互动找到简单的解释。”

　　研究人员还指出，虽然在神经科学中降维算法还相对较新，但已显出光明前景。随着神经记录技术的发展和美国脑计划的展开，大数据会变得更大，降维算法可能成为一种必不可少的数据处理方法。