在人工神经网络上测试系统神经科学的工具

神经科学家对记录到的神经活动应用一系列常见分析工具，以洞察神经回路如何实现计算。尽管这些工具塑造了整个领域的进展，我们却几乎没有经验证据表明它们能有效地快速识别感兴趣的现象。在此我认为应显式测试这些工具，而人工神经网络（ANNs）是合适的测试场。近期ANNs作为从感知到记忆再到运动控制的各类模型使用复苏，源于人工与生物神经网络之间的粗略相似性，以及能够训练这些网络执行复杂高维任务。这些特性，加上完美观测和操控这些系统的能力，使它们非常适合审查系统神经科学与认知神经科学的工具。我在此提供了执行该测试的路线图以及适合在ANNs上测试的工具列表。利用ANNs反思这些工具在多大程度上提供了对神经系统的生产性理解——以及此处理解究竟意味着什么——有潜力加速脑研究的进展。