预测还是分类：时间锁定在脑信号分类中的欺骗性作用

若干实验研究声称能够从受试者意识到其决定之前测量的脑信号预测简单决策的结果。这些研究常使用多变量模式识别方法，其潜在假设是脑信号分类能力等价于预测决策本身。与此相反，我们在此表明，即使信号不包含任何关于决策的预测信息，也可能正确地分类信号。我们首先定义一个简单的随机模型来模拟两个等价选项间的随机决策过程，并生成大量不含选择预测信息的独立试验。这些试验首先被时间锁定到最终事件的时间点，随后使用标准机器学习技术分类。所得分类准确率在时间锁定时间点之前很久就高于随机水平。我们随后用信息论分析相同试验。我们证明高分类准确率是时间锁定的结果，且其时间行为仅与该过程的大弛豫时间相关。我们得出结论：当时间锁定是神经活动模式分析中的关键步骤时，分类准确率的涌现及其时序均受生成信号的网络结构特性影响。