在一篇發(fā)表于《自然·神經(jīng)科學》雜志上的評論文章中，卡內基梅隆大學的Byron M. Yu 和哥倫比亞大學的John P. Cunningham 描述了很多研究大量神經(jīng)元共同活動的科學動機，是為了解釋神經(jīng)元的活動，并提出了一種名為降維的機器學習算法。

[[118830]]

近年來，降維讓我們深入了解了大腦如何區(qū)分不同氣味、面對不確定如何做決定和在沒有實際動作時如何思考移動肢體的。Yu和Cunningham 主張把降維作為一個標準的分析方法，這將更容易地比較出健康和異常大腦的活動模式，最終改善針對腦損傷和腦功能紊亂的治療和干預。

CMU電氣與計算機工程和生物醫(yī)學工程的助理教授及CNBC教職工Yu表示，“神經(jīng)系統(tǒng)科學的核心原則之一就是，大量神經(jīng)元互相協(xié)作才能產(chǎn)生大腦功能。然而，最標準的分析方法只能一次分析一個或兩個神經(jīng)元。要了解大量神經(jīng)元是如何相互作用的，先進的統(tǒng)計方法(如降維)才能解釋這些大規(guī)模的神經(jīng)記錄。”

降維真正的理念是使用較少的潛在或隱藏變量來總結大量神經(jīng)元活動。降維研究方法在揭開大腦內部工作機制中是極其有用的，例如在我們沉思或解決腦力數(shù)學難題時，其中所有的活動都是在大腦內進行，而不是在外部世界。通過這些潛變量可以用來描繪出思考路徑。

CU的統(tǒng)計學助理教授Cunningham在文章中稱，“科學研究的主要目標是用簡單的術語解釋復雜的現(xiàn)象。傳統(tǒng)的神經(jīng)科學家旨在找到將單個神經(jīng)元簡單化的方法。但他們現(xiàn)在越來越認識到，神經(jīng)元在活動模式中所表現(xiàn)出各種各樣的特征是很難通過檢查一個神經(jīng)元解釋的。降維為我們提供了一種方法來涵蓋單個神經(jīng)元的異質性，并依據(jù)神經(jīng)元彼此的互動找到簡單的解釋。”

盡管在神經(jīng)系統(tǒng)科學中，相比現(xiàn)有的分析方法，降維相對較新，但它已經(jīng)展現(xiàn)出了巨大潛力和光明前景。隨著神經(jīng)記錄技術的持續(xù)發(fā)展和美國“大腦計劃(BRAIN Initiative)”的開展，大數(shù)據(jù)隨之越來越大，使用降維和相關方法將成為一種必不可少的數(shù)據(jù)處理方法。