Из рубрики «Листая старые страницы»

Исследовать изменения в мозге при обучении интересно и необходимо, но в большинстве экспериментов само поведение, например траектория движения, меняется. Из-за этого трудно понять, какие изменения отражают перестройку нейронных сетей, а какие просто коррелируют с изменившимися движениями. На первый взгляд такие работы выглядят содержательно, но при внимательном рассмотрении возникают вопросы.

В статье в Frontiers in Neuroscience Михаил Лебедев критикует исследование Гангули и Кармены 2009 года, где утверждалось, что у обезьян в моторной коре формируется стабильная карта при обучении управлению нейропротезом с фиксированным декодером. Лебедев согласен, что обезьяны научились управлять протезом, но считает доказательства формирования новой карты неубедительными.

Первый аргумент: предпочитаемое направление нейрона при управлении интерфейсом во многом определяется весами декодера, а не является независимым свойством нейрона. Если активность нейронов коррелируют, их предпочитаемые направления могут дополнительно искажаться, и изменения этого параметра могут быть артефактом работы декодера.

Второй аргумент: декодер использовал десять временных точек с интервалом 100 мс, но затем авторы зачем-то анализировали активность нейронов в широких окнах (200 мс и 2 с), что не соответствует структуре декодера. Нужно анализировать каждый отсчет отдельно, а не городить новый анализ.

Третий аргумент: траектории курсора в начале обучения были извилистыми, в конце — прямыми. Использование двухсекундного окна для сравнения предпочитаемых направлений в таких разных условиях некорректно.

Кроме того, авторы сокрыли использование обезьянами скрытых стратегий, например надавливания рукой на ограничитель движения.

Лебедев заключает, что работа демонстрирует способность к обучению, но не его нейронный механизм. Он предлагает использовать более простые декодеры и рассматривать предпочитаемое направление как параметр, зависящий от настроек декодера. Динамический подход, изучающий паттерны активности в многомерном пространстве, может быть перспективнее, но эта область требует более строгих методов оценки.

https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2017.00642/full

#листаястарыестраницы