Новый фреймворк под названием Mechanistically Interpretable Neural Encoding (MINE) открывает чёрный ящик прогнозирования мозговой активности, раскрывая, какие именно признаки изображения активируют каждый крошечный участок зрительной коры.
Исследование
Исследователи из Тель-Авивского университета — Идан Даниэль Гросбард, Мор Гева и Галит Йовель — разработали MINE, чтобы выйти за рамки корреляционных моделей кодирования, которые предсказывают активность мозга, но не могут объяснить почему. Их подход использует согласованные с языком представления изображений для прогнозирования фМРТ-ответов на уровне вокселей (миллиметровый масштаб). Опубликованное на arXiv в мае 2026 года исследование протестировало MINE на категориально-избирательных областях мозга, таких как веретенообразная область лица и парагиппокампальная область места.
MINE генерирует семантически интерпретируемое описание для каждого вокселя: например, «круглый объект с ручкой», а не просто «лицо». Чтобы проверить эти описания, команда использовала их для генерации новых изображений, которые вызывали такие же ответы вокселей, как и оригиналы. Они также провели контрфактуальное редактирование — добавление или удаление предсказанных признаков из изображений, что сдвигало активацию мозга в ожидаемом направлении, предоставляя причинно-следственные доказательства. Профили для каждого вокселя восстановили известные категориальные предпочтения (например, лица против мест), выявляя при этом тонкую структуру: воксели внутри одной области предпочитали разные подпризнаки, такие как глаза против рта или сцены внутри помещения против улицы. Контрфактуальное редактирование, направляемое этими профилями, вызывало ещё более сильные сдвиги активации, подтверждая, что профили точно отражают избирательность каждого вокселя.
Почему это важно
Для тех, кому интересно собственное познание, эта работа показывает, что ваш зрительный мозг — это не монолитная «область лица» или «область места», а мозаика крошечных участков, каждый из которых настроен на определённые детали. Понимание этого может привести к персонализированным тренировкам мозга, нацеленным на конкретные навыки визуальной обработки — например, лучше распознавать лица при слабом освещении или сканировать сцены на предмет деталей. Это также прокладывает путь к ИИ, который видит больше похоже на нас, с интерпретируемым рассуждением.
Что вы можете сделать
Хотя вы не можете применить MINE дома, вы можете практиковаться в выявлении тонких деталей на изображениях: изучайте лица в толпе, замечайте текстуры в пейзажах или решайте визуальные головоломки, требующие тонкого различения. Такое внимание может укрепить ту самую нейронную избирательность, которую измеряет MINE.
Источник: arXiv q-bio.NC
Любопытно узнать свой мозг? Пройдите наш бесплатный адаптивный IQ-тест или попробуйте 306 уровней тренировки мозга.
