🧬 biology

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

本研究证明，尽管早期视觉皮层对齐在不同学习规则下对人类功能磁共振成像和猕猴电生理数据均表现出稳健性和保守性，但高级区域的对齐在物种间存在显著差异，这种差异源于模型容量和刺激领域的不同，而非学习规则本身。

原作者： Nils Leutenegger

发布于 2026-05-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Nils Leutenegger

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，你正在试图弄清楚不同类型的“学习”如何塑造大脑的视觉系统。科学家们构建了以不同方式学习的计算机模型（人工大脑），其方式类似于人类、狗或机器人学习识别猫的过程。

这篇论文提出了一个重大问题：让计算机大脑看起来像人脑的规则，是否也使其看起来像猴脑？

以下是使用简单类比对该研究的分解说明：

1. 实验：测试五种“学习风格”

研究人员采用了五种不同的计算机模型。每个模型都使用相同的“硬件”（架构）构建，但采用不同的“学习规则”进行训练：

反向传播（BP）： 计算机通常采用的标准、数学密集型学习方式（就像一位严厉的老师纠正每一个错误）。
反馈对齐（FA）： 上述方法的一个稍显宽松的版本。
预测编码（PC）： 模型尝试预测接下来会发生什么，并从错误中学习（就像预测天气）。
STDP（脉冲时序依赖可塑性）： 一种基于时间的规则，模拟真实神经元在时间上紧密相连时如何放电（就像生物火花）。
随机权重： 一个从未接受过任何训练的模型，仅具有随机连接（就像一个没有任何经验的婴儿）。

他们对这些模型针对两组对象进行了测试：

人类： 使用功能性磁共振成像（fMRI）扫描（这就像拍摄整个大脑的模糊、低分辨率照片）。
猕猴： 使用电极（这就像高保真麦克风，用于监听单个神经元）。

2. 第一个发现：“早期视觉”的匹配

当模型观察简单的早期视觉信息（如边缘和基本形状，类似于大脑的V1区）时，结果非常清晰。

猴子的优势： 猴子数据比人类数据清晰得多（信噪比更高）。这就像将一张颗粒感重的黑白照片与 4K 视频进行比较。模型与猴脑的匹配度远高于人脑，仅仅因为猴子数据更“清晰”。
获胜者： 在人类和猴子中，使用**生物时间规则（STDP）和预测猜测（PC）**的模型在匹配早期视觉皮层方面表现最佳。
失败者： 标准的计算机学习方法（反向传播）在匹配两个物种的早期视觉皮层方面实际上表现最差。
意外之处： “随机”模型（那个未经训练的模型）在匹配人类 V1 区方面出人意料地好，但它并不是猴子的最佳表现者。猴子更偏好“生物”学习规则。

结论： 早期视觉的组织方式似乎是人类和猴子共有的基本特征。如果你希望计算机模型看起来像真实大脑的早期视觉，你不应该使用标准的计算机训练；而应该使用模拟真实神经元相互交流的规则。

3. 第二个发现：“高级视觉”的困惑

当研究人员观察大脑的高级部分（IT区），即处理复杂物体识别的区域（例如知道一张图片是“狗”而不仅仅是“毛发和耳朵”）时，结果变得混乱。

无清晰模式： 人类和猴子对于哪种学习规则效果最好没有达成一致。这就像问两个人对他们最喜欢的冰淇淋口味进行排名，结果他们给出了完全不同的列表，没有任何重叠。
为什么？ 论文指出，这并不一定是因为人类和猴子的思维方式不同。而是因为计算机模型太小，且训练数据过于有限。
- 类比： 想象一下，试图通过只给厨师一个小厨房和少量食材，来评判他们烹饪复杂宴会（高级视觉）的能力。无论他们使用何种烹饪风格，他们都无法做出盛大的宴会。
- 证据： 当研究人员测试一个更大、经过预训练的计算机模型（ResNet-50），该模型已经看过数百万张图片时，它突然变得非常擅长匹配猴子的高级大脑。这证明了较小模型的“失败”并非源于学习规则；仅仅是因为模型太弱，无法处理复杂的任务。

4. “刺激”问题

该研究还指出了一个棘手的问题：人类和猴子看到的图片不同。

人类看到了各种各样的日常物体。
猴子看到了一些纹理和一些特定物体。
结果： 由于“测试题”不同，很难确定排名的差异是源于物种不同，还是仅仅源于他们看到的图片不同。论文建议，如果我们对两者使用完全相同的图片，结果可能会发生变化。

总结

早期视觉（简单形状）： 模拟真实生物学的规则（STDP 和预测编码）对人类和猴子都最有效。这是一个坚实且共享的事实。
高级视觉（复杂物体）： 我们无法判断规则是否重要，因为计算机模型太小且太弱。当我们使用更大、更强的模型时，效果要好得多，这表明问题在于模型的大小，而非学习规则。
大局观： 大脑的早期视觉系统在不同物种间是稳健且相似的，但我们测试大脑“高级”部分的能力目前受到计算机模型大小以及我们展示给它们的图片的限制。

技术摘要：跨物种 RSA 揭示早期视觉对齐的保守性与高级区域排名的差异性

问题陈述
计算神经科学已确立，经反向传播（BP）训练的深度神经网络（DNN）能够复现灵长类腹侧视觉通路的表征层级。然而，大多数模型与大脑的比较仅限于单一物种（通常为人 fMRI），导致尚不清楚对齐模式是否能在跨物种和跨测量模态间泛化。作者的一项配套研究 [Leutenegger, 2026] 发现，未训练的随机权重和局部学习规则（STDP、预测编码）在与人 V1 对齐方面优于 BP，而所有规则在 IT 区趋于一致。本研究旨在解决跨物种问题：当针对猕猴电生理数据进行评估时（其提供单神经元分辨率且信噪比高于 fMRI），这种模式是否依然成立？

方法学
本研究采用表征相似性分析（RSA），将五种学习规则条件与人类和猕猴的神经数据进行比较。

模型：作者使用了配套研究 [Leutenegger, 2026] 中的相同模型权重：一个在 CIFAR-10 上训练了 40 个 epoch 的自定义 3 层 CNN。五种条件分别为：反向传播（BP）、反馈对齐（FA）、预测编码（PC）、脉冲时序依赖可塑性（STDP）以及未训练的随机权重基线。
猕猴数据集：
- V4/IT：MajajHong2015（多电极阵列，88 个 V4 神经元和 168 个 IT 神经元，3,200 次 HVM 物体呈现）。
- V1/V2：FreemanZiemba2013（单单元记录，102 个 V1 神经元和 103 个 V2 神经元，135 种纹理刺激）。
人类数据集：THINGS-fMRI（720 种刺激，3 名受试者），其中 V1、V2、LOC 和 IT 的 RSA 值直接取自配套研究。
容量控制：评估了预训练的 ResNet-50（ImageNet），以衡量模型容量和训练数据丰富度的影响。
分析流程：
- RSA：特征提取，使用相关距离构建表征 dissimilarity 矩阵（RDM），并计算模型 RDM 与神经 RDM 之间的 Spearman $\rho$ 评分。
- 跨物种比较：针对每种学习规则，计算人类与猕猴 $\rho$ 向量之间的 Kendall's $\tau$ 。由于规则数量 $n=5$ ，统计效力仅限于检测完美相关性（ $\tau = \pm 1.0$ ）。
- 刺激控制：分别在 THINGS 和猕猴刺激上计算模型 RSA，以确定排名差异是源于物种还是刺激域。

关键结果

猕猴中的绝对对齐度更高：猕猴的对齐值（V1/V2 处 $\rho = 0.15–0.30$ ）显著高于人 fMRI 值（ $\rho = 0.01–0.08$ ），这与电生理更高的信噪比一致。然而，所有数值仍远低于噪声上限（0.52–0.79），表明仍有显著的改进空间。
早期视觉对齐的保守性：在猕猴 V1/V2 处，STDP（ $\rho \approx 0.30$ ）和 PC（ $\rho \approx 0.28$ ）实现了最高的对齐度，优于 BP、FA 和随机权重。这与人 V1 中发现的定性模式（局部学习规则优于 BP）相一致，证实了早期视觉对齐在跨物种和跨模态间具有稳健性。
高级区域排名的差异性：在猕猴 IT 区，学习规则的排名与人类排名之间未检测到显著相关性（ $\tau = 0.00, p = 1.00$ ）。然而，作者指出，鉴于 $n=5$ 的低统计效力（仅 $\tau = \pm 1.0$ 显著），这一零结果是预期的。
容量与数据局限性：ResNet-50 控制在猕猴 IT 区达到了 $\rho = 0.25$ ，显著优于所有自定义 CNN 条件（ $\rho = 0.07–0.14$ ）。这表明配套研究中观察到的 IT 区学习规则“收敛”现象，可能反映了架构和数据局限性（小型 CNN、CIFAR-10），而非学习规则的根本属性。
刺激域混淆：从 V2 到 V4 的对齐度急剧下降，受到数据集切换（纹理刺激 vs. 物体图像）的混淆。刺激控制分析显示，IT 排名在不同刺激集之间表现出微弱的反转（ $\tau = -0.40$ ），表明 IT 区的跨物种排名差异可能部分由刺激域（THINGS 与 HVM 物体）而非物种差异驱动。

意义与主张
该论文主张，早期视觉对齐在人 fMRI 和猕猴电生理之间具有定性上的保守性。具体而言，局部学习规则（STDP、PC）在两个物种的早期视觉区（V1/V2）中始终优于反向传播，这表明有利于这些规则的架构归纳偏置并非 fMRI 方法的伪影。

相反，在特定的实验设置下，该研究发现高级区域（IT）排名中不存在可检测的跨物种对应关系。作者谦逊地将此归因于多种因素的组合：

统计效力：学习规则数量较少（ $n=5$ ）限制了对相关性的检测能力。
模型容量：自定义 CNN 可能缺乏捕捉猕猴 IT 区编码的物体级表征的容量，ResNet-50 的优越性能凸显了这一局限性。
刺激不匹配：数据集间刺激域的差异混淆了对 IT 排名的解释。

作者得出结论，虽然早期视觉对齐具有稳健性，但高级区域对齐受模型容量、训练数据丰富度和刺激域的调节。这些结果激励未来的跨物种研究采用共享刺激集、更大规模的架构以及更多的学习规则条件，以进行统计效力充足的排名比较。

1. 实验：测试五种“学习风格”

2. 第一个发现：“早期视觉”的匹配

3. 第二个发现：“高级视觉”的困惑

4. “刺激”问题

总结

技术摘要：跨物种 RSA 揭示早期视觉对齐的保守性与高级区域排名的差异性

类似论文