Область нейробиологии быстро развивается. Ученые могут регистрировать одновременную активность все большего числа нейронов во все большем количестве организмов. Однако проверить достоверность алгоритмов анализа данных сложно, поскольку до сих пор неясно, как работают даже относительно простые нейронные системы, такие как мозг плодовой мушки.
В новой статье Эрик Джонас из U.C. Беркли и Конрад Кординг из Северо-Западного университета / Реабилитационного института Чикаго описывают свою попытку обойти эту проблему, применив большое количество классических методов анализа нейробиологии к компьютерной системе, которую они понимают: микропроцессору 6502 от Atari 2600.
«Поскольку люди спроектировали этот процессор, от транзистора до программного обеспечения, мы знаем, как он работает на всех уровнях, и у нас есть интуиция в отношении того, что значит« понимать »систему», — говорит Йонас. «Наша цель состояла в том, чтобы выделить некоторые недостатки в« понимании », которые возникают при применении современных аналитических методов к наборам данных больших данных компьютерных систем».Исследователи использовали стандартные методы неврологии для анализа микропроцессора Atari 2600. Они проверили, насколько хорошо эти методы могут выявить известные характеристики, такие как соединения между различными частями микросхемы и последствия разрушения отдельных транзисторов.
Однако эти методы не достигли того уровня понимания, который был бы у обычного студента-электрика.По словам Йонаса, результаты показывают, что «без тщательного обдумывания нынешние подходы к нейробиологии с использованием больших данных могут не оправдать своих обещаний или не добиться успеха в продвижении в этой области». Кординг добавляет: «Прогресс требует лучших экспериментов, теорий и подходов к анализу данных».Микропроцессоры и биологические системы во многом различаются, что может ограничить результаты.
Джонас и Кординг также не испробовали все существующие нейробиологические методы исследования чипа.Тем не менее, исследование указывает на потенциальные проблемы с современными подходами к нейробиологии и предлагает новые пути изучения, чтобы лучше понять работу мозга. «Мы могли бы многое узнать о том, как реконструировать биологические системы с помощью реверс-инжиниринга синтетических систем», — говорит Йонас.