越來(lái)越多的生物學(xué)家轉(zhuǎn)向計(jì)算模型來(lái)理解復(fù)雜的系統(tǒng)。在神經(jīng)科學(xué)領(lǐng)域，研究人員正在調(diào)整用于預(yù)測(cè)天氣或從您的電子郵件中過(guò)濾垃圾郵件的算法的種類(lèi)，以尋求對(duì)大腦神經(jīng)網(wǎng)絡(luò)如何處理信息的了解。

冷泉港實(shí)驗(yàn)室助理教授塔蒂亞娜·恩格爾(Tatiana Engel)的最新研究為使用此類(lèi)模型的生物學(xué)家提供了重要指導(dǎo)。她和博士后研究員米哈伊爾·根金(Mikhail Genkin)對(duì)神經(jīng)系統(tǒng)的各種計(jì)算模型進(jìn)行了測(cè)試，結(jié)果發(fā)現(xiàn)，僅僅因?yàn)槟Ｐ涂梢詫?duì)數(shù)據(jù)做出良好的預(yù)測(cè)，并不意味著它可以反映其代表的生物系統(tǒng)的基本邏輯。他們說(shuō)，在沒(méi)有仔細(xì)評(píng)估其有效性的情況下依賴(lài)這些模型可能會(huì)導(dǎo)致關(guān)于實(shí)際系統(tǒng)如何工作的錯(cuò)誤結(jié)論。

該工作于2020年10月26日在《自然機(jī)器智能》上發(fā)表，涉及一種稱(chēng)為靈活建模的機(jī)器學(xué)習(xí)，它使用戶(hù)可以自由探索各種可能性，而無(wú)需事先提出特定的假設(shè)。恩格爾的實(shí)驗(yàn)室已經(jīng)使用這種模型來(lái)研究大腦中的信號(hào)傳導(dǎo)如何引起決策。

在預(yù)測(cè)天氣或預(yù)測(cè)股市趨勢(shì)時(shí)，任何能夠做出良好預(yù)測(cè)的模型都是有價(jià)值的。但是恩格爾說(shuō)，對(duì)于生物學(xué)家來(lái)說(shuō)，目標(biāo)是不同的：

“由于我們對(duì)科學(xué)解釋感興趣，并實(shí)際上從數(shù)據(jù)中發(fā)現(xiàn)了假設(shè)，我們不僅需要使模型適合數(shù)據(jù)，還需要分析或理解所得到的模型，對(duì)嗎?我說(shuō)過(guò)，我們想研究模型結(jié)構(gòu)和模型機(jī)制，以推斷這可能是大腦的工作方式。”

恩格爾說(shuō)，有可能使用錯(cuò)誤的假設(shè)做出正確的預(yù)測(cè)，他指出了太陽(yáng)系的古老模型，該模型可以準(zhǔn)確地預(yù)測(cè)天體的運(yùn)動(dòng)，同時(shí)假定天體圍繞地球而不是太陽(yáng)旋轉(zhuǎn)。因此，重要的是要考慮特定神經(jīng)網(wǎng)絡(luò)模型的可信度。

通過(guò)建立和比較幾種神經(jīng)信號(hào)模型，Engel和Genkin發(fā)現(xiàn)良好的預(yù)測(cè)能力并不一定表明模型是真實(shí)神經(jīng)網(wǎng)絡(luò)的良好表示。他們發(fā)現(xiàn)最好的模型是跨多個(gè)數(shù)據(jù)集最一致的模型。但是，這種方法不一定適用于所有情況，生物學(xué)家可能需要其他評(píng)估模型的方法。更重要的是，根金說(shuō)：“我們不應(yīng)該認(rèn)為任何事情都是理所當(dāng)然的。我們應(yīng)該檢查我們擁有的每個(gè)假設(shè)。”