(资料图片仅供参考)

近年来，越来越多的计算机科学家尝试开发受人脑神经回路的结构、功能和可塑性启发的计算方法。全面了解生物神经回路对于创建这些受神经启发的计算系统至关重要。

为了充分理解生物神经回路计算信息并随时间适应的机制，神经科学家应该能够检查单个神经元之间的连接。尽管电路追踪技术的最新进展为研究这些连接开辟了新的可能性，但使用这些技术收集数据仍然非常具有挑战性且昂贵。

因此，一些科学家设计了基于多细胞神经活动记录来估计神经连接的统计方法。虽然这些方法被广泛使用，但它们可能无法产生可靠的神经连接表示。

德克萨斯大学奥斯汀分校的研究人员最近进行了一项研究，调查现有算法估计神经网络连接方法的有效性。他们发表在《自然神经科学》上的研究结果表明，即使是这些方法中最复杂的方法也存在偏差，并且倾向于推断神经元之间的连接，这些连接实际上并未连接，而是高度相关。

研究人员在论文中解释说： “由于直接测量神经回路的接线图很困难，因此长期以来人们一直对根据多细胞活动记录通过算法来估计它们感兴趣。”“我们表明，即使是复杂的方法，应用于来自电路中每个细胞的无限数据，也会偏向于推断未连接但高度相关的神经元之间的连接。当真实的网络动态之间存在不匹配时，无法‘解释为什么’会发生连接。以及用于推理的模型，这在对现实世界进行建模时是不可避免的。”