监督训练在多种生物可行学习规则下迅速削弱早期视觉皮层对齐
Supervised Training Rapidly Degrades Early Visual Cortex Alignment Across Biologically Plausible Learning Rules
预印本 · 尚未经过同行评审
随机未训练网络与早期视觉皮层的表征相似性常高于训练后网络,这一现象与学习改善脑对齐的假设相悖。作者用 THINGS 数据库的 720 张物体图像和 3 名被试、6 个视觉感兴趣区的 fMRI 数据,在 0 至 40 轮共 8 个检查点上计算模型与大脑表征差异矩阵的斯皮尔曼相关,比较反向传播、反馈对齐、预测编码和脉冲时序依赖可塑性四种规则。原文附有更正说明,指出早期版本因评估模式缺陷高估了预测编码和脉冲时序依赖可塑性的对齐保持,修复后预测编码的 V1 对齐下降幅度大于反向传播,而训练削弱 V1 对齐这一结论仍然成立;作者另注明该结果对 arXiv:2611.15533 中考察的分析选择不稳健。
更正(2026年8月):本文的核心发现不成立。评估模式缺陷导致在特征提取期间,预测编码和STDP条件的批归一化层处于训练模式,从而造成它们看似保留了V1对齐。修复该缺陷后,预测编码对V1对齐的损害比反向传播更大,而非更小。训练会降低所测试的每一种学习规则的V1对齐这一发现仍然成立。[修订说明:对arXiv:2611.15533中考察的分析选择不稳健。] 见第1页的更正说明;以下原始摘要和正文与v1相比未作改动。更正后的分析:arXiv:2608.12408。修订说明:见评论。随机、未经训练的神经网络在表征相似性上始终与早期视觉皮层匹配或超过训练过的网络。这一令人困惑的发现挑战了学习能改善大脑对齐这一假设。我们通过追踪四种学习规则——反向传播(BP)、反馈对齐(FA)、预测编码(PC)和脉冲时序依赖可塑性(STDP)——在训练过程中与人类fMRI数据的表征相似性分析(RSA)对齐来研究这一问题。使用THINGS数据库中的720张物体图像以及来自三名受试者、覆盖六个视觉ROI的fMRI数据,我们在八个训练检查点(第0-40个epoch)测量模型与大脑表征相异性矩阵之间的Spearman相关。我们发现:(1)单个epoch的训练使V1对齐降低25-90%,具体取决于学习规则;(2)反向传播对V1对齐的降低最严重(delta r = -0.080),而预测编码和STDP保留的显著更多(delta r ~ -0.04);(3)在物体选择性皮层(LOC)中出现一种较弱、方向相反的趋势,其中BP在训练期间对齐增幅最大,尽管绝对变化很小。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Neurons and Cognition · arxiv.org