神经元如何利用众包来做决定
我们如何做决定?或者更确切的说，我们的神经元是如何为我们做决定的?单个神经元有强烈的发言权吗?还是神经集体中的声音?
一种思考这个问题的方法是问你需要观察多少我的神经元来读我的大脑。如果你能预测我将通过观察我的一个神经元来表达“祖母”这个词，那么我们可以说我们的决定可以归于单个的，也许是“非常有声音”的神经元。在神经
系统科学中，神经元被称为“祖母”神经元，这是在20世纪60年代提出的，可能有单个神经元对复杂而重要的感知做出独特的反应，比如祖母的脸。
另一方面，如果你只能通过轮询我的许多神经元来解读我的大脑，那么它就会显示出一个集体的决定，分布在成百上千甚至上百万的神经元上。神经科学的一个大争论是，单神经元编码或分布式编码对于理解大脑的功能是最重要的。
事实上，两者都可能是对的。在最近发表在神经科学前沿的研究中，布莱恩丹尼尔斯、Jessica Flack和Jessica Flack利用了一名猴子的神经元的数据来解决这个问题，他的任务是做一个简单的决定。
在涉及决策过程的大脑区域，丹尼尔斯和他的同事们发现，当猴子开始处理数据时，需要对许多神经元进行轮询，以便对猴子的决定做出正确的预测。然后，当提交决策的时候，这种模式会发生变化。神经元开始达成一致，最终每个神经元都具有最大的预测性。因此，一开始，“神经语音”是异质的和集体的，但是当神经元接近决策点时，“神经的声音”变得同质，从某种意义上说，是个人主义的，就像任何一个神经元一样，都足以读懂猴子的大脑。
丹尼尔斯说，对这种奇怪行为的一个可能的解释是，这个系统有两个任务要解决。它必须从嘈杂的数据中收集到好的信息，并且必须使用这些信息来产生一个连贯的决策。要在输入中找到规律，它会对许多单独的神经元进行调查，因为当数据嘈杂时，人群的答案比任何单个神经元都要可靠。但是，正如Krakauer所说，最终必须做出决定。神经元通过分享信息来达成共识，从而达成一致。
这一解释与其他集体系统的结果相似，从动物社会到统计物理学研究的系统。Flack说，这一共性表明了集体计算的一般原则:它有两个阶段——一个信息积累阶段，利用众包收集可靠的信息，以及一个允许系统采取行动的共识阶段。
