Новое исследование ставит под сомнение предположение, что обучение улучшает способность нейросетей имитировать мозг. Ученые обнаружили, что один раунд контролируемого обучения может снизить соответствие модели ранней зрительной коре на 25–90% в зависимости от используемого правила обучения.
Исследование
Нил Лойтенгер, исследователь на стыке машинного обучения и нейронауки, обучил нейросети на 720 изображениях объектов из базы данных THINGS. Он измерил, насколько внутренние представления моделей соответствуют данным фМРТ человека от трех испытуемых по шести областям зрительной коры. Исследование, опубликованное на arXiv в мае 2026 года, отслеживало выравнивание на восьми контрольных точках обучения с помощью репрезентационного анализа сходства (RSA).
Были сравнены четыре правила обучения: обратное распространение (BP), обратная связь по выравниванию (FA), прогностическое кодирование (PC) и пластичность, зависящая от времени спайков (STDP). Результаты показали, что одна эпоха обучения снизила выравнивание V1 на 25-90%. Обратное распространение вызвало наибольшее падение выравнивания V1 (Δr = -0.08), в то время как прогностическое кодирование и STDP сохранили больше мозгоподобной структуры (Δr ≈ -0.04). Интересно, что противоположная тенденция наблюдалась в объектно-селективной коре (LOC), где BP показало наибольшее увеличение выравнивания, хотя абсолютное изменение было небольшим.
Эти результаты предполагают, что необученные сети уже захватывают низкоуровневую визуальную статистику благодаря своей архитектуре. Глобальные сигналы ошибки, такие как обратное распространение, агрессивно изменяют ранние представления, в то время как локальные правила обучения (PC, STDP) лучше сохраняют мозгоподобную структуру.
Почему это важно
Это исследование имеет важные последствия как для ИИ, так и для нейронауки. Оно предполагает, что обучение нейросетей с обратным распространением может на самом деле делать их менее похожими на мозг, особенно в ранних зрительных областях. Тот факт, что необученные сети хорошо выравниваются с мозгом, подчеркивает силу индуктивных смещений, встроенных в архитектуры. Для платформ тренировки мозга, таких как IQGenio, это подчеркивает, что не все методы обучения равны — некоторые могут более эффективно использовать естественные процессы обработки мозга.
Что вы можете сделать
Хотя эти результаты касаются искусственных сетей, они напоминают нам, что стратегии обучения имеют значение. Чтобы поддерживать остроту своей зрительной системы, занимайтесь задачами, включающими локальное обучение с обратной связью — например, головоломками, требующими пространственного мышления или распознавания образов. Избегайте чрезмерной опоры на механическое запоминание; вместо этого сосредоточьтесь на понимании лежащих в основе структур.
Источник: arXiv q-bio.NC
Любопытно узнать о своем мозге? Пройдите наш бесплатный адаптивный IQ-тест или попробуйте 306 уровней тренировки мозга.
