🧬 biology

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

Este estudo demonstra que, embora o alinhamento cortical visual precoce seja robusto e conservado entre a ressonância magnética funcional humana e a eletrofisiologia de macacos para diversas regras de aprendizagem, o alinhamento de áreas superiores diverge significativamente entre as espécies devido a diferenças na capacidade do modelo e nos domínios de estímulos, e não às próprias regras de aprendizagem.

Autores originais: Nils Leutenegger

Publicado 2026-05-22

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Nils Leutenegger

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Imagine que você está tentando descobrir como diferentes tipos de "aprendizado" moldam o sistema visual do cérebro. Cientistas construíram modelos computacionais (cérebros artificiais) que aprendem de maneiras diferentes, de forma semelhante a como um humano, um cão ou um robô poderiam aprender a reconhecer um gato.

Este artigo faz uma grande pergunta: As regras que fazem esses cérebros computacionais se assemelhar ao cérebro humano também os fazem se assemelhar ao cérebro de um macaco?

Aqui está a análise do estudo usando analogias simples:

1. O Experimento: Testando Cinco "Estilos de Aprendizado"

Os pesquisadores pegaram cinco modelos computacionais diferentes. Cada modelo foi construído com o mesmo "hardware" (arquitetura), mas ensinado usando uma "regra de aprendizado" diferente:

Backpropagation (BP): A maneira padrão, pesada em matemática, pela qual os computadores geralmente aprendem (como um professor rigoroso corrigindo cada erro).
Feedback Alignment (FA): Uma versão ligeiramente mais solta da anterior.
Predictive Coding (PC): O modelo tenta adivinhar o que vem a seguir e aprende com seus erros (como prever o tempo).
STDP: Uma regra baseada no tempo, imitando como os neurônios reais disparam quando ocorrem próximos no tempo (como uma faísca biológica).
Random Weights: Um modelo que nunca foi ensinado nada; ele apenas possui conexões aleatórias (como um bebê sem experiência).

Eles testaram esses modelos contra dois grupos:

Humanos: Usando ressonância magnética funcional (fMRI), que é como tirar uma foto desfocada e de baixa resolução de todo o cérebro.
Macacos Rhesus: Usando eletrodos, que são como microfones de alta definição ouvindo neurônios individuais.

2. A Primeira Descoberta: A Correspondência da "Visão Precoce"

Quando os modelos olharam para informações visuais simples e precoces (como bordas e formas básicas, semelhantes à área V1 do cérebro), os resultados foram muito claros.

A Vantagem do Macaco: Os dados dos macacos foram muito mais claros (maior relação sinal-ruído) do que os dados humanos. É como comparar uma foto granulada em preto e branco com um vídeo 4K. Os modelos corresponderam muito melhor ao cérebro do macaco do que ao cérebro humano simplesmente porque os dados do macaco eram "mais nítidos".
Os Vencedores: Tanto em humanos quanto em macacos, os modelos que usavam regras de tempo biológicas (STDP) e adivinhação preditiva (PC) fizeram o melhor trabalho ao corresponder ao córtex visual precoce.
O Perdedor: O método padrão de aprendizado de computador (Backpropagation) foi, na verdade, o pior em corresponder ao córtex visual precoce em ambas as espécies.
A Surpresa: O modelo "Aleatório" (aquele sem treinamento) foi surpreendentemente bom em corresponder ao V1 humano, mas não foi o melhor desempenho para os macacos. Os macacos preferiram as regras de aprendizado "biológicas".

A Conclusão: A maneira como a visão precoce é organizada parece ser uma característica fundamental compartilhada por humanos e macacos. Se você quiser que um modelo computacional se assemelhe à visão precoce de um cérebro real, não deve usar o treinamento padrão de computador; deve usar regras que imitem como os neurônios reais conversam entre si.

3. A Segunda Descoberta: A Confusão da "Visão de Alto Nível"

Quando os pesquisadores olharam para as partes de alto nível do cérebro (a área IT), que lida com o reconhecimento complexo de objetos (como saber que uma imagem é um "cachorro" e não apenas "pelo e orelhas"), os resultados ficaram confusos.

Sem Padrão Claro: Não houve concordância entre humanos e macacos sobre qual regra de aprendizado funcionou melhor. Foi como pedir a duas pessoas para classificar seus sabores de sorvete favoritos, e elas deram listas completamente diferentes sem nenhuma sobreposição.
Por quê? O artigo sugere que isso não é necessariamente porque humanos e macacos pensam de maneira diferente. É porque os modelos computacionais eram muito pequenos e os dados de treinamento eram muito limitados.
- A Analogia: Imagine tentar julgar a habilidade de um chef em cozinhar um banquete complexo (Visão de Alto Nível) dando a ele apenas uma cozinha minúscula e alguns ingredientes. Não importa qual estilo de culinária eles usem, todos falham em fazer um grande banquete.
- A Prova: Quando os pesquisadores testaram um modelo computacional muito maior e pré-treinado (ResNet-50) que havia visto milhões de imagens, ele de repente ficou muito bom em corresponder ao cérebro de alto nível do macaco. Isso prova que o "fracasso" dos modelos menores não era sobre a regra de aprendizado; era apenas que os modelos eram muito fracos para lidar com a tarefa complexa.

4. O Problema do "Estímulo"

O estudo também notou um problema complicado: os humanos e os macacos viram imagens diferentes.

Humanos viram uma grande variedade de objetos do dia a dia.
Macacos viram algumas texturas e alguns objetos específicos.
O Resultado: Como as "questões de teste" eram diferentes, é difícil dizer com certeza se as diferenças de classificação foram devidas à espécie ou apenas às imagens que lhes foram mostradas. O artigo sugere que, se usássemos exatamente as mesmas imagens para ambos, os resultados poderiam mudar.

Resumo

Visão Precoce (Formas simples): As regras que imitam a biologia real (STDP e Predictive Coding) funcionam melhor tanto para humanos quanto para macacos. Esta é uma verdade sólida e compartilhada.
Visão de Alto Nível (Objetos complexos): Não conseguimos dizer se as regras importavam porque os modelos computacionais eram muito pequenos e fracos. Quando usamos um modelo maior e mais forte, ele funcionou muito melhor, sugerindo que o problema era o tamanho do modelo, não a regra de aprendizado.
O Quadro Geral: O sistema visual precoce do cérebro é robusto e semelhante entre as espécies, mas nossa capacidade de testar as partes "superiores" do cérebro é atualmente limitada pelo tamanho pequeno de nossos modelos computacionais e pelas imagens que lhes mostramos.

Resumo Técnico: RSA Transespécies Revela Alinhamento Visual Precoce Conservado, mas Classificações Divergentes em Áreas Superiores

Declaração do Problema
A neurociência computacional estabeleceu que redes neurais profundas (DNNs) treinadas com retropropagação (BP) reproduzem a hierarquia representacional do fluxo visual ventral de primatas. No entanto, a maioria das comparações entre modelos e cérebro está confinada a uma única espécie (tipicamente fMRI humano), deixando incerto se os padrões de alinhamento se generalizam entre espécies e modalidades de medição. Um estudo complementar do autor [Leutenegger, 2026] constatou que pesos aleatórios não treinados e regras de aprendizado local (STDP, Codificação Preditiva) superaram a BP no alinhamento com V1 humana, enquanto todas as regras convergiram em IT. Este estudo aborda a questão transespécies: esse padrão se mantém quando avaliado contra eletrofisiologia de macacos, que oferece resolução de neurônio único e razões sinal-ruído (SNR) mais altas do que o fMRI?

Metodologia
O estudo emprega Análise de Similaridade Representacional (RSA) para comparar cinco condições de regras de aprendizado contra dados neurais de humanos e macacos.

Modelos: Os autores utilizam pesos de modelo idênticos ao estudo complementar [Leutenegger, 2026]: uma CNN personalizada de 3 camadas treinada no CIFAR-10 por 40 épocas. As cinco condições são: Retropropagação (BP), Alinhamento de Feedback (FA), Codificação Preditiva (PC), Plasticidade Dependente do Tempo de Espike (STDP) e uma linha de base de Pesos Aleatórios não treinados.
Conjuntos de Dados de Macacos:
- V4/IT: MajajHong2015 (array de microeletrodos, 88 neurônios V4 e 168 neurônios IT, 3.200 apresentações de objetos HVM).
- V1/V2: FreemanZiemba2013 (gravações de unidade única, 102 neurônios V1 e 103 neurônios V2, 135 estímulos de textura).
Conjunto de Dados Humano: THINGS-fMRI (720 estímulos, 3 sujeitos), com valores de RSA para V1, V2, LOC e IT retirados diretamente do estudo complementar.
Controle de Capacidade: Um ResNet-50 pré-treinado (ImageNet) foi avaliado para medir o impacto da capacidade do modelo e da riqueza dos dados de treinamento.
Pipeline de Análise:
- RSA: Extração de características, construção de Matriz de Dissimilaridade Representacional (RDM) usando distância de correlação e pontuação Spearman $\rho$ entre RDMs do modelo e neurais.
- Comparação Transespécies: O Kendall's $\tau$ foi calculado entre os vetores $\rho$ humanos e de macacos para cada regra de aprendizado. Devido a $n=5$ regras, o poder estatístico limita-se a detectar correlações perfeitas ( $\tau = \pm 1.0$ ).
- Controle de Estímulo: O RSA do modelo foi computado tanto nos estímulos THINGS quanto nos de macacos para determinar se as diferenças de classificação decorrem da espécie ou do domínio do estímulo.

Principais Resultados

Alinhamento Absoluto Superior em Macacos: Os valores de alinhamento de macacos ( $\rho = 0.15–0.30$ em V1/V2) superam substancialmente os valores de fMRI humano ( $\rho = 0.01–0.08$ ), consistente com a maior SNR da eletrofisiologia. No entanto, todos os valores permanecem bem abaixo dos tetos de ruído (0.52–0.79), indicando espaço significativo para melhoria.
Alinhamento Visual Precoce Conservado: Em V1/V2 de macacos, STDP ( $\rho \approx 0.30$ ) e PC ( $\rho \approx 0.28$ ) alcançaram o maior alinhamento, superando BP, FA e Pesos Aleatórios. Isso espelha o padrão qualitativo encontrado em V1 humana, onde regras de aprendizado local superam a BP, confirmando que o alinhamento visual precoce é robusto entre espécies e modalidades.
Classificações Divergentes em Áreas Superiores: Em IT de macacos, as classificações de regras de aprendizado não mostraram correlação detectável com as classificações humanas ( $\tau = 0.00, p = 1.00$ ). No entanto, os autores observam que esse resultado nulo é esperado dada a baixa potência estatística de $n=5$ (apenas $\tau = \pm 1.0$ é significativo).
Limitações de Capacidade e Dados: O controle ResNet-50 alcançou $\rho = 0.25$ em IT de macacos, superando substancialmente todas as condições de CNN personalizada ( $\rho = 0.07–0.14$ ). Isso sugere que a "convergência" das regras de aprendizado em IT observada no estudo complementar pode refletir limitações arquitetônicas e de dados (CNN pequena, CIFAR-10) em vez de uma propriedade fundamental das regras de aprendizado.
Confusões de Domínio de Estímulo: A queda acentuada no alinhamento de V2 para V4 é confundida por uma troca de conjuntos de dados (estímulos de textura versus imagens de objetos). A análise de controle de estímulo revelou que as classificações em IT mostraram uma inversão fraca ( $\tau = -0.40$ ) entre conjuntos de estímulos, sugerindo que as diferenças de classificação transespécies em IT podem ser parcialmente impulsionadas pelo domínio do estímulo (objetos THINGS versus HVM) em vez de diferenças entre espécies.

Significado e Alegações
O artigo alega que o alinhamento visual precoce é qualitativamente conservado entre fMRI humano e eletrofisiologia de macacos. Especificamente, regras de aprendizado local (STDP, PC) consistentemente superam a retropropagação em áreas visuais precoces (V1/V2) em ambas as espécies, sugerindo que o viés indutivo arquitetônico que favorece essas regras não é um artefato da metodologia de fMRI.

Por outro lado, o estudo encontra nenhuma correspondência transespécies detectável nas classificações de áreas superiores (IT) dentro de sua configuração experimental específica. Os autores atribuem modestamente isso a uma combinação de fatores:

Potência Estatística: O pequeno número de regras de aprendizado ( $n=5$ ) limita a capacidade de detectar correlações.
Capacidade do Modelo: A CNN personalizada provavelmente carece da capacidade de capturar as representações de nível de objeto codificadas em IT de macacos, uma limitação destacada pelo desempenho superior do ResNet-50.
Incompatibilidade de Estímulos: Diferenças nos domínios de estímulos entre conjuntos de dados confundem a interpretação das classificações em IT.

Os autores concluem que, embora o alinhamento visual precoce seja robusto, o alinhamento em áreas superiores é modulado pela capacidade do modelo, riqueza dos dados de treinamento e domínio do estímulo. Esses resultados motivam futuros estudos transespécies que utilizem conjuntos de estímulos compartilhados, arquiteturas maiores e mais condições de regras de aprendizado para permitir comparações de classificação com potência adequada.