Насколько хорошо искусственные нейронные сети отражают зрительную систему мозга? Новый препринт предполагает, что ответ зависит от того, на какую область мозга и какой вид вы смотрите. В исследовании проверялись пять правил обучения как на данных фМРТ человека, так и на электрофизиологии макак, и было обнаружено, что ранние зрительные области более согласованы, чем области высшего порядка, а предобученная ResNet-50 превосходит пользовательские модели в высших областях.
Исследование
Нил Лойтенекгер, когнитивный исследователь, сравнил пять правил обучения — обратное распространение (BP), обратную связь (FA), предиктивное кодирование (PC), зависящую от времени спайков пластичность (STDP) и случайные веса — у разных видов. Используя анализ репрезентативного сходства (RSA), он измерил согласованность с V1/V2 макак (102–103 нейронов) и V4/IT (88–168 нейронов) из двух наборов данных и сравнил их с данными фМРТ человека из сопутствующего исследования.
Ключевые выводы: все модели показали более высокую согласованность с ранней зрительной корой макак (V1/V2: rho = 0.15–0.30), чем с фМРТ человека (rho = 0.01–0.08), вероятно, из-за более высокого отношения сигнал/шум электрофизиологии. STDP и PC возглавили раннюю зрительную согласованность (rho ~ 0.30 и 0.28 соответственно). Однако в IT (нижневисочной коре) рейтинги видов показали нулевую корреляцию (тау Кендалла = 0.00, p = 1.00), хотя в исследовании было только пять правил обучения, что ограничивало возможность обнаружить что-либо, кроме точных обращений. Предобученная ResNet-50 достигла rho = 0.25 в IT, превзойдя все пользовательские CNN-условия (rho = 0.07–0.14), что позволяет предположить, что согласованность IT ограничена емкостью модели и данными обучения, а не только правилом обучения.
В августе 2026 года была внесена поправка, отметившая, что ошибка повлияла на результаты PC и STDP; после исправления STDP по-прежнему лидировал в V1, но PC упал до базового уровня. Остальные выводы остались без изменений.
Почему это важно
Это межвидовое сравнение — редкий шаг к проверке моделей ИИ зрения на биологических мозгах. Оно показывает, что ранняя зрительная обработка достаточно консервативна у разных видов, что является хорошей новостью для использования ИИ для понимания низкоуровневого зрения. Но нулевой результат IT подчеркивает, что когнитивные функции высшего порядка по-прежнему плохо улавливаются современными моделями глубокого обучения — разрыв между искусственным и биологическим зрением остается большим.
Для читателей это подчеркивает, что ИИ, хотя и впечатляющий, все еще далек от воспроизведения всей сложности мозга. Это также демонстрирует ценность изучения нескольких видов для понимания человеческого познания.
Что вы можете сделать
- Проверьте свою зрительную обработку: Попробуйте зрительные головоломки или тренировочные игры для мозга, нацеленные на распознавание образов.
- Узнайте о когнитивной науке: Поймите, как работает ваш мозг, читая такие исследования.
- Пройдите бесплатный тест IQ: Измерьте свои когнитивные способности, чтобы увидеть, где вы находитесь.
Источник: arXiv q-bio.NC
Интересует ваш собственный мозг? Пройдите наш бесплатный адаптивный тест IQ или попробуйте 306 уровней тренировки мозга.