🧬 biology

Cross-Species RSA Reveals Conserved Early Visual Alignment but Divergent Higher-Area Rankings Across Human fMRI and Macaque Electrophysiology

Questo studio dimostra che, sebbene l'allineamento corticale visivo precoce sia robusto e conservato tra la risonanza magnetica funzionale umana e l'elettrofisiologia del macaco per diverse regole di apprendimento, l'allineamento delle aree superiori diverge significativamente tra le specie a causa delle differenze nella capacità del modello e nei domini degli stimoli, piuttosto che delle regole di apprendimento stesse.

Autori originali: Nils Leutenegger

Pubblicato 2026-05-22

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Nils Leutenegger

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo

Immagina di cercare di capire come diversi tipi di "apprendimento" plasmino il sistema visivo del cervello. Gli scienziati hanno costruito modelli informatici (cervelli artificiali) che apprendono in modi diversi, in modo simile a come un umano, un cane o un robot potrebbero imparare a riconoscere un gatto.

Questo articolo pone una domanda fondamentale: Le regole che fanno sì che questi cervelli informatici assomiglino al cervello umano fanno sì che assomiglino anche al cervello di una scimmia?

Ecco la spiegazione dello studio utilizzando semplici analogie:

1. L'Esperimento: Testare Cinque "Stili di Apprendimento"

I ricercatori hanno preso cinque diversi modelli informatici. Ogni modello è stato costruito con lo stesso "hardware" (architettura) ma istruito utilizzando una diversa "regola di apprendimento":

Backpropagation (BP): Il metodo standard, ricco di matematica, con cui i computer solitamente apprendono (come un insegnante severo che corregge ogni errore).
Feedback Alignment (FA): Una versione leggermente più lasca della precedente.
Predictive Coding (PC): Il modello cerca di indovinare cosa succederà dopo e impara dai propri errori (come prevedere il meteo).
STDP: Una regola basata sul tempismo, che imita come i neuroni reali si attivano quando accadono vicini nel tempo (come una scintilla biologica).
Pesi Casuali: Un modello a cui non è mai stato insegnato nulla; ha semplicemente connessioni casuali (come un neonato senza esperienza).

Hanno testato questi modelli contro due gruppi:

Umani: Utilizzando scansioni fMRI (che sono come scattare una foto sfocata e a bassa risoluzione dell'intero cervello).
Macachi: Utilizzando elettrodi (che sono come microfoni ad alta definizione che ascoltano i singoli neuroni).

2. La Prima Scoperta: La Corrispondenza della "Visione Iniziale"

Quando i modelli hanno esaminato informazioni visive semplici e iniziali (come bordi e forme di base, simili all'area V1 del cervello), i risultati sono stati molto chiari.

Il Vantaggio della Scimmia: I dati delle scimmie erano molto più chiari (rapporto segnale-rumore più elevato) rispetto ai dati umani. È come confrontare una foto granulosa in bianco e nero con un video 4K. I modelli corrispondevano molto meglio al cervello della scimmia che a quello umano semplicemente perché i dati delle scimmie erano "più nitidi".
I Vincitori: Sia negli umani che nelle scimmie, i modelli che utilizzavano regole temporali biologiche (STDP) e indovinelli predittivi (PC) hanno fatto il lavoro migliore nel corrispondere la corteccia visiva iniziale.
Il Perdente: Il metodo di apprendimento informatico standard (Backpropagation) è stato in realtà il peggior nel corrispondere la corteccia visiva iniziale in entrambe le specie.
La Sorpresa: Il modello "Casuale" (quello senza addestramento) è stato sorprendentemente bravo a corrispondere la V1 umana, ma non è stato il migliore per le scimmie. Le scimmie hanno preferito le regole di apprendimento "biologiche".

La Conclusione: Il modo in cui è organizzata la visione iniziale sembra essere una caratteristica fondamentale condivisa da umani e scimmie. Se vuoi che un modello informatico assomigli alla visione iniziale di un cervello reale, non dovresti utilizzare l'addestramento informatico standard; dovresti utilizzare regole che imitano come i neuroni reali comunicano tra loro.

3. La Seconda Scoperta: La Confusione della "Visione di Alto Livello"

Quando i ricercatori hanno esaminato le parti superiori del cervello (l'area IT), che gestisce il riconoscimento complesso degli oggetti (come sapere che un'immagine è un "cane" e non solo "pelo e orecchie"), i risultati sono diventati confusi.

Nessun Modello Chiaro: Non c'era accordo tra umani e scimmie su quale regola di apprendimento funzionasse meglio. Era come chiedere a due persone di classificare i loro gusti di gelato preferiti, e loro avessero fornito elenchi completamente diversi senza sovrapposizioni.
Perché? L'articolo suggerisce che questo non è necessariamente perché umani e scimmie pensano in modo diverso. È perché i modelli informatici erano troppo piccoli e i dati di addestramento troppo limitati.
- L'Analogia: Immagina di cercare di giudicare la capacità di uno chef di cucinare un banchetto complesso (Visione di Alto Livello) dandogli solo una cucina minuscola e pochi ingredienti. Indipendentemente dallo stile di cottura che utilizzano, falliscono tutti nel preparare un grande banchetto.
- La Prova: Quando i ricercatori hanno testato un modello informatico molto più grande e pre-addestrato (ResNet-50) che aveva visto milioni di immagini, è diventato improvvisamente molto bravo a corrispondere la parte superiore del cervello della scimmia. Questo dimostra che il "fallimento" dei modelli più piccoli non riguardava la regola di apprendimento; era semplicemente che i modelli erano troppo deboli per gestire il compito complesso.

4. Il Problema dello "Stimolo"

Lo studio ha anche notato un problema insidioso: agli umani e alle scimmie sono state mostrate immagini diverse.

Gli umani hanno visto una vasta varietà di oggetti quotidiani.
Le scimmie hanno visto alcune texture e alcuni oggetti specifici.
Il Risultato: Poiché le "domande del test" erano diverse, è difficile dire con certezza se le differenze di classificazione fossero dovute alla specie o semplicemente alle immagini che sono state loro mostrate. L'articolo suggerisce che se avessimo utilizzato le stesse immagini esatte per entrambi, i risultati potrebbero cambiare.

Riepilogo

Visione Iniziale (Forme semplici): Le regole che imitano la biologia reale (STDP e Predictive Coding) funzionano meglio sia per gli umani che per le scimmie. Questa è una verità solida e condivisa.
Visione di Alto Livello (Oggetti complessi): Non siamo riusciti a capire se le regole avessero importanza perché i modelli informatici erano troppo piccoli e deboli. Quando abbiamo utilizzato un modello più grande e potente, ha funzionato molto meglio, suggerendo che il problema era la dimensione del modello, non la regola di apprendimento.
Il Quadro Generale: Il sistema visivo iniziale del cervello è robusto e simile tra le specie, ma la nostra capacità di testare le parti "superiori" del cervello è attualmente limitata dalla dimensione dei nostri modelli informatici e dalle immagini che mostriamo loro.

Riepilogo Tecnico: L'RSA Inter-specie Rivela un Allineamento Conservato nelle Aree Visive Precoci ma Classifiche Divergenti nelle Aree Superiori

Enunciato del Problema
La neuroscienza computazionale ha stabilito che le reti neurali profonde (DNN) addestrate con la retropropagazione (BP) riproducono la gerarchia rappresentazionale del flusso visivo ventrale dei primati. Tuttavia, la maggior parte dei confronti modello-cervello è limitata a una singola specie (tipicamente fMRI umana), lasciando incerto se i modelli di allineamento si generalizzino attraverso le specie e le modalità di misurazione. Uno studio complementare dell'autore [Leutenegger, 2026] ha rilevato che pesi casuali non addestrati e regole di apprendimento locale (STDP, Codifica Predittiva) hanno superato la BP nell'allineamento con V1 umana, mentre tutte le regole convergevano a IT. Questo studio affronta la questione inter-specie: questo modello si mantiene quando valutato contro l'elettrofisiologia del macaco, che offre una risoluzione a singolo neurone e rapporti segnale-rumore (SNR) superiori rispetto alla fMRI?

Metodologia
Lo studio impiega l'Analisi di Similarità Rappresentazionale (RSA) per confrontare cinque condizioni di regole di apprendimento con dati neurali provenienti sia da umani che da macachi.

Modelli: Gli autori utilizzano pesi di modello identici allo studio complementare [Leutenegger, 2026]: una CNN personalizzata a 3 strati addestrata su CIFAR-10 per 40 epoche. Le cinque condizioni sono: Retropropagazione (BP), Allineamento di Feedback (FA), Codifica Predittiva (PC), Plasticità Dipendente dal Timing degli Spike (STDP) e una linea di base con Pesi Casuali non addestrati.
Dataset dei Macachi:
- V4/IT: MajajHong2015 (array a microelettrodi, 88 neuroni V4 e 168 neuroni IT, 3.200 presentazioni di oggetti HVM).
- V1/V2: FreemanZiemba2013 (registrazioni a unità singola, 102 neuroni V1 e 103 neuroni V2, 135 stimoli testurizzati).
Dataset Umano: THINGS-fMRI (720 stimoli, 3 soggetti), con valori RSA per V1, V2, LOC e IT presi direttamente dallo studio complementare.
Controllo della Capacità: È stato valutato un ResNet-50 pre-addestrato (ImageNet) per valutare l'impatto della capacità del modello e della ricchezza dei dati di addestramento.
Pipeline di Analisi:
- RSA: Estrazione delle caratteristiche, costruzione della Matrice di Dissimilarità Rappresentazionale (RDM) utilizzando la distanza di correlazione e punteggio $\rho$ di Spearman tra le RDM del modello e quelle neurali.
- Confronto Inter-specie: È stato calcolato il $\tau$ di Kendall tra i vettori $\rho$ umani e macachi per ogni regola di apprendimento. A causa di $n=5$ regole, la potenza statistica è limitata alla rilevazione di correlazioni perfette ( $\tau = \pm 1.0$ ).
- Controllo degli Stimoli: L'RSA del modello è stato calcolato sia su THINGS che sugli stimoli dei macachi per determinare se le differenze di classificazione derivino dalla specie o dal dominio degli stimoli.

Risultati Chiave

Allineamento Assoluto Superiore nel Macaco: I valori di allineamento dei macachi ( $\rho = 0,15–0,30$ a V1/V2) superano sostanzialmente i valori fMRI umani ( $\rho = 0,01–0,08$ ), coerentemente con l'SNR più elevato dell'elettrofisiologia. Tuttavia, tutti i valori rimangono ben al di sotto dei soffitti di rumore (0,52–0,79), indicando un significativo margine di miglioramento.
Allineamento Conservato nelle Aree Visive Precoci: A V1/V2 del macaco, STDP ( $\rho \approx 0,30$ ) e PC ( $\rho \approx 0,28$ ) hanno raggiunto l'allineamento più alto, superando BP, FA e pesi casuali. Questo rispecchia il modello qualitativo trovato in V1 umana, dove le regole di apprendimento locale superano la BP, confermando che l'allineamento visivo precoce è robusto attraverso specie e modalità.
Classifiche Divergenti nelle Aree Superiori: A IT del macaco, le classifiche delle regole di apprendimento non hanno mostrato alcuna correlazione rilevabile con le classifiche umane ( $\tau = 0,00, p = 1,00$ ). Tuttavia, gli autori notano che questo risultato nullo è atteso data la bassa potenza statistica di $n=5$ (solo $\tau = \pm 1,0$ è significativo).
Limitazioni di Capacità e Dati: Il controllo ResNet-50 ha raggiunto $\rho = 0,25$ a IT del macaco, superando sostanzialmente tutte le condizioni CNN personalizzate ( $\rho = 0,07–0,14$ ). Ciò suggerisce che la "convergenza" delle regole di apprendimento a IT osservata nello studio complementare possa riflettere limitazioni architetturali e dei dati (CNN piccola, CIFAR-10) piuttosto che una proprietà fondamentale delle regole di apprendimento.
Fattori Confondenti del Dominio degli Stimoli: Il brusco calo di allineamento da V2 a V4 è confuso da un cambio di dataset (stimoli testurizzati vs. immagini di oggetti). L'analisi di controllo degli stimoli ha rivelato che le classifiche IT mostravano una debole inversione ( $\tau = -0,40$ ) tra i set di stimoli, suggerendo che le differenze di classificazione inter-specie a IT possano essere parzialmente guidate dal dominio degli stimoli (oggetti THINGS vs. oggetti HVM) piuttosto che da differenze di specie.

Significato e Affermazioni
Il documento afferma che l'allineamento visivo precoce è qualitativamente conservato tra fMRI umana ed elettrofisiologia del macaco. Nello specifico, le regole di apprendimento locale (STDP, PC) superano costantemente la retropropagazione nelle aree visive precoci (V1/V2) in entrambe le specie, suggerendo che il bias induttivo architetturale a favore di queste regole non è un artefatto della metodologia fMRI.

Al contrario, lo studio rileva nessuna corrispondenza inter-specie rilevabile nelle classifiche delle aree superiori (IT) all'interno del suo specifico setup sperimentale. Gli autori attribuiscono modestamente questo risultato a una combinazione di fattori:

Potenza Statistica: Il piccolo numero di regole di apprendimento ( $n=5$ ) limita la capacità di rilevare correlazioni.
Capacità del Modello: La CNN personalizzata probabilmente manca della capacità di catturare le rappresentazioni a livello di oggetto codificate nell'IT del macaco, una limitazione evidenziata dalle prestazioni superiori del ResNet-50.
Disallineamento degli Stimoli: Le differenze nei domini degli stimoli tra i dataset confondono l'interpretazione delle classifiche IT.

Gli autori concludono che, mentre l'allineamento visivo precoce è robusto, l'allineamento delle aree superiori è modulato dalla capacità del modello, dalla ricchezza dei dati di addestramento e dal dominio degli stimoli. Questi risultati motivano futuri studi inter-specie che utilizzino set di stimoli condivisi, architetture più grandi e più condizioni di regole di apprendimento per consentire confronti di classificazione adeguatamente potenziati.