Une nouvelle recherche menée par Zeyu Yun, Alexander Belsten et leurs collègues de l'UC Berkeley établit un pont entre l'intelligence artificielle et les neurosciences en montrant qu'un simple modèle de diffusion du cortex visuel primaire (V1) se comporte de manière frappante comme le cerveau pendant la perception. Le modèle, décrit dans une prépublication sur arXiv (juillet 2026), reproduit la structure des connexions horizontales dans les couches superficielles du V1 — des liens qui connectent les neurones accordés à des orientations similaires — et atteint des performances de débruitage proches de l'état de l'art.
La recherche
L'équipe a construit un réseau de neurones récurrent basé sur un codage parcimonieux avec un a priori non factoriel sur les variables latentes, et l'a entraîné sur des images naturelles en utilisant l'appariement de scores de débruitage et la différentiation implicite. Après l'entraînement, la matrice d'interaction apprise entre les variables latentes reflétait le motif des connexions horizontales dans les couches superficielles du V1. Le modèle a restauré des contours étendus même en cas d'ambiguïté visuelle extrême, égalant presque les modèles de diffusion classiques en généralisation. Crucialement, la simplicité du modèle a permis aux chercheurs de décomposer son Jacobien en fonction de la matrice d'interaction, révélant comment la dynamique récurrente attribue une probabilité élevée aux déformations structurelles naturelles. De plus, une grande fraction des variables latentes s'est complètement déconnectée de l'entrée visuelle, formant une représentation hiérarchique qui impose une cohérence globale entre les caractéristiques de l'image.
Pourquoi c'est important
Ce travail offre une compréhension mécaniste de la manière dont le cerveau pourrait effectuer une inférence perceptive — combler les informations manquantes à partir d'une entrée ambiguë — en utilisant des circuits récurrents. Pour l'apprentissage automatique, il démystifie le fonctionnement interne des modèles de diffusion, montrant comment ils apprennent à générer une infinité de nouvelles images à partir de données finies. Pour vous, cela suggère que la capacité du cerveau à voir des objets cohérents dans des environnements bruyants repose sur des attentes a priori apprises câblées dans les circuits neuronaux. Cette idée souligne l'importance d'entraîner votre système visuel à travers des expériences variées pour affiner la perception.
Ce que vous pouvez faire
Pour maintenir votre inférence visuelle affûtée, exposez-vous à des stimuli ambigus comme des illusions d'optique ou des images à faible contraste — votre cerveau renforcera ses modèles internes. Pratiquez également le dessin ou la photographie pour engager activement votre système visuel dans la construction de scènes cohérentes.
Source : arXiv q-bio.NC
Curieux de connaître votre propre cerveau ? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.
