Misalignment Between Backpropagation and the Hierarchy of Brain Responses to Images
本研究证明，尽管来自深度神经网络的反向传播梯度能够预测人类大脑高级视觉区域的脑活动，但其时空组织形式与大脑的层级处理存在根本性差异，这表明尽管深度学习和大脑拥有相似的表征内容，它们很可能依赖于不同的学习机制。
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
以下是用简单语言和日常类比对该论文的解读。
核心问题：大脑是如何学习的？
想象一下，你正在教一个机器人识别猫。你给它看一张图片，它猜是“狗”，你说“错了”，它便调整内部设置以便下次做得更好。在人工智能（AI）领域，这种调整过程被称为反向传播。这就像一位老师逆向穿过机器人的大脑，告诉每一个部分具体哪里出了错，以便它们自我修正。
多年来，科学家们一直疑惑：人类大脑是否以同样的方式学习？
我们知道，当 AI 模型“看”一张图片（前向传播）时，其内部活动与我们大脑处理图像的方式非常相似。但是，“修正”阶段（后向传播）在我们的大脑中是否像在计算机中那样发生呢？
实验：绘制大脑的“修正”图景
研究人员使用了一个名为DINOv3的超级智能 AI 模型（一个通过观察数百万张自然图像而自我学习的机器人）。他们向人类志愿者展示自然图像，同时利用两种强大的工具扫描他们的大脑：
- fMRI（功能性磁共振成像）： 一台能拍摄大脑活动发生位置的高分辨率相机。
- MEG（脑磁图）： 一台超快相机，能记录活动发生的时间，精确到毫秒级。
随后，他们将人类大脑的反应与 AI 的两种信号进行了比较：
- 前向信号： AI 对图像的初始“猜测”或观察。
- 后向信号： AI 的“修正”或梯度（即告诉 AI 如何调整权重以进行学习的数学指令）。
发现：惊人的转折
这项研究发现了两点：一点在意料之中，另一点则完全令人震惊。
1. “前向”匹配（意料之中的部分）
当 AI 观察图像时，其早期层（如边缘等简单特征）与人类视觉系统的早期部分相匹配。其深层（如“一张脸”等复杂概念）则与人类大脑的高级部分相匹配。
- 类比： 想象一场接力赛。AI 的“前向”信号在赛道上运行的顺序，与人类大脑处理图像的顺序完全一致：从终点线（简单视觉）开始，到奖杯（复杂理解）结束。这部分完美吻合。
2. “后向”不匹配（令人惊讶的部分）
这正是论文有趣的地方。如果大脑像 AI 一样学习，那么“修正”信号应该逆向穿过大脑，从复杂区域开始，向下移动到简单区域，就像 AI 所做的那样。
但事实并非如此。
- 时间： 在 AI 中，修正信号逐层传递，需要时间才能到达底层。而在人类大脑中，“修正”信号似乎同时击中了大脑的所有部分。它不是像波浪一样传播，而是同时出现在各处。
- 位置： 在 AI 中，修正信号在早期层（简单部分）最强。而在人类大脑中，“修正”信号实际上在高级、高层区域（复杂部分）最强，而不是在简单部分。
类比：
想象 AI 是一家公司，CEO（顶层）向下级经理发送备忘录，然后传给主管，最后传给员工，一步步进行。
- AI： 备忘录按指挥链顺序向下传递。
- 人类大脑： 就好像 CEO 发出备忘录后，突然之间，从 CEO 到清洁工所有人都在同一瞬间收到了它，但清洁工忽略了它，而 CEO 却在疯狂地重写规则。
这意味着什么？
该论文得出结论：虽然人类大脑和 AI 最终可能拥有相似的“知识”（它们都能很好地识别猫），但它们用来获取这些知识的方法很可能是完全不同的。
- AI 使用一种严格的、自上而下的、逐步进行的错误修正系统（反向传播）。
- 大脑 似乎使用一种不同的、神秘的机制。它可能使用一种学习信号以不同方式广播的系统，或者大脑根本不像数学课教的那样计算“梯度”。
关键启示
研究人员发现，我们大脑中的“学习信号”确实存在（它与 AI 的修正数学相关），但它并不遵循 AI 算法的规则。
- 这不是完美的复制： 大脑并没有运行一个看起来像 AI 后向传播的“后向传播”过程。
- 它是高效的： 大脑能够在不需要计算机所需的严格、逐步错误修正的情况下学习复杂事物。
简而言之：大脑和 AI 可能说着同一种语言（识别图像），但它们用不同的笔书写故事。AI 由一位严格的、自上而下的编辑书写；而大脑似乎用一种更混乱、更同步、或许也更高效的方法书写，这种方法我们尚未完全破译。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。