Une nouvelle étude remet en question l'hypothèse selon laquelle l'entraînement améliore la capacité des réseaux de neurones à imiter le cerveau. Les chercheurs ont découvert qu'une seule phase d'apprentissage supervisé peut réduire l'alignement d'un modèle avec le cortex visuel précoce de 25 à 90 %, selon la règle d'apprentissage utilisée.
La recherche
Nils Leutenegger, chercheur à l'intersection de l'apprentissage automatique et des neurosciences, a entraîné des réseaux de neurones sur 720 images d'objets de la base de données THINGS. Il a mesuré dans quelle mesure les représentations internes des modèles correspondaient aux données IRMf humaines de trois sujets dans six régions visuelles du cerveau. L'étude, publiée sur arXiv en mai 2026, a suivi l'alignement à huit points de contrôle d'entraînement à l'aide de l'analyse de similarité représentationnelle (RSA).
Quatre règles d'apprentissage ont été comparées : la rétropropagation (BP), l'alignement par feedback (FA), le codage prédictif (PC) et la plasticité dépendante du timing des spikes (STDP). Les résultats montrent qu'une seule époque d'entraînement réduit l'alignement V1 de 25 à 90 %. La rétropropagation a provoqué la plus forte baisse d'alignement V1 (Δr = -0,08), tandis que le codage prédictif et la STDP ont mieux préservé la structure cérébrale (Δr ≈ -0,04). Fait intéressant, la tendance inverse est apparue dans le cortex sélectif aux objets (LOC), où BP a montré la plus forte augmentation d'alignement, bien que le changement absolu soit faible.
Ces résultats suggèrent que les réseaux non entraînés capturent déjà les statistiques visuelles de bas niveau grâce à leur seule architecture. Les signaux d'erreur globaux comme la rétropropagation remodèlent agressivement les représentations précoces, tandis que les règles d'apprentissage locales (PC, STDP) préservent mieux la structure cérébrale.
Pourquoi c'est important
Cette recherche a des implications importantes tant pour l'IA que pour les neurosciences. Elle suggère que l'entraînement des réseaux de neurones par rétropropagation peut en fait les rendre moins semblables au cerveau, en particulier dans les zones visuelles précoces. Le fait que les réseaux non entraînés s'alignent bien avec le cerveau souligne la puissance des biais inductifs intégrés dans les architectures. Pour les plateformes d'entraînement cérébral comme IQGenio, cela souligne que toutes les méthodes d'apprentissage ne se valent pas – certaines peuvent exploiter plus efficacement le traitement naturel du cerveau.
Ce que vous pouvez faire
Bien que ces résultats concernent les réseaux artificiels, ils nous rappellent que les stratégies d'apprentissage comptent. Pour garder votre propre système visuel affûté, engagez-vous dans des tâches qui impliquent un apprentissage local et basé sur le feedback – comme des puzzles qui nécessitent un raisonnement spatial ou la reconnaissance de formes. Évitez de trop vous fier à la mémorisation par cœur ; concentrez-vous plutôt sur la compréhension des structures sous-jacentes.
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.
