そのため、神経科学者は「次元削減」と呼ばれるアプローチを使用して、このような視覚化を可能にしています。数千のニューロンからデータを取得し、線形代数の巧妙な手法を適用して、わずかな変数を使用して活動を記述します。 これは、心理学者が 1990 年代に人間のパーソナリティの 5 つの主要な領域である開放性、協調性、良心性、外向性、神経症を定義するために行ったことです。 個人がこれら5つの特性をどのように評価したかを知るだけで、その人が性格テストで何百もの質問にどのように答えるかを効果的に予測できることがわかった.
しかし、ニューラル データから抽出された変数は、「開放性」などの一言で表すことはできません。 それらはモチーフに似ており、神経集団全体にわたる活動のパターンです。 これらのモチーフのいくつかは、プロットの軸を定義できます。各点は、それらのモチーフの異なる組み合わせ、つまり独自の活動プロファイルを表します。
何千ものニューロンのデータを数個の変数にまで減らすことには欠点があります。 3D 都市景観の 2D 画像を撮影すると一部の建物がまったく見えなくなるのと同じように、神経細胞データの複雑なセットをわずかな次元に詰め込むと、多くの詳細が排除されます。 しかし、数千の個々のニューロンを一度に調べるよりも、いくつかの次元で作業する方がはるかに扱いやすい. 科学者は、モチーフによって定義された軸上に進化する活動パターンをプロットして、ニューロンの行動が時間とともにどのように変化するかを観察できます。 このアプローチは、複雑で予測不可能な単一ニューロンの反応に研究者が長い間当惑していた領域である運動皮質で特に有益であることが証明されています。 しかし、まとめて見ると、ニューロンは規則的で、しばしば円形の軌跡をたどります。 これらの軌跡の特徴は、動きの特定の側面と相関しています。たとえば、それらの位置は スピード関連.
Olsen は、科学者が次元削減を使用して、複雑なデータから解釈可能なパターンを抽出することを期待していると述べています。 「ニューロンごとに進むことはできません」と彼は言います。 「ビッグデータの構造を見つけるのに役立つ統計ツール、機械学習ツールが必要です。」
しかし、この一連の研究はまだ始まったばかりであり、科学者たちはパターンや軌跡が何を意味するのかについて意見の一致を見出すのに苦労しています。 ジョンズ・ホプキンス大学の神経学と神経科学の教授であるジョン・クラカウアーは、「人々は、これらのことが事実かどうかについて常に争っています。 「彼らは本物ですか？ それらは簡単に解釈できますか [as single-neuron responses]? 彼らは根拠があり、具体的だとは感じません。」
これらの軌跡を現実のものにするためには、新しい分析ツールを開発する必要があるとチャーチランドは言います。このタスクは、アレン研究所のような大規模なデータ セットが利用可能になることで確実に促進されるでしょう。 そして、豊富な資金と膨大な研究スタッフを備えた研究所の独自の能力により、これらのツールをテストするための大量のデータを生成することができます。 研究所は天文台のように機能していると Olsen は言います。単一の研究所がその技術にお金を払うことはできませんが、科学コミュニティ全体がその実験能力から恩恵を受け、貢献しています。
現在、アレン研究所は次のことに取り組んでいると彼は言います。 システムのパイロット 研究コミュニティ全体の科学者が、何千ものニューロンが記録されている間に、どのような種類の刺激動物を見せるべきか、どのような種類のタスクを行うべきかを提案できます。 記録容量が増加し続けるにつれて、研究者はより豊かでより現実的な実験パラダイムを考案し、ニューロンが集合的能力を押し上げる現実世界の挑戦的なタスクにどのように反応するかを観察しようと取り組んでいます。 「脳を本当に理解したいのなら、大脳皮質に向けてバーを表示し続けることはできません」と Fusi 氏は言います。 「私たちは本当に先に進む必要があります。」