評価解像度がニューラルネットワークの脳類似性主張を歪める

何が起きたか

研究者は5つの学習ルール（ランダム初期化、逆伝播、フィードバック整列、予測符号化、STDP）を32ピクセルで訓練した小さいCNNでテストし、THINGS-fMRI刺激を用いて32pxから224pxまでの6つの解像度で結果を評価した。その結果、一般的に報告されている主張——未訓練のCNNが逆伝播訓練モデルと同等かそれ以上にV1（初期視覚野）の脳活動と一致するという主張——は主に比較を行う解像度の人工物であることがわかった。

なぜ重要か

再帰的自己注意（RSA）を用いたモデル脳比較は、神経科学者とAI研究者がニューラルネットワークが脳のような計算を捉えているかどうかを検証する標準的な方法である。未訓練ネットワークの見かけの優位性が評価解像度の変化で消失するなら、どの学習ルールが最も脳を反映するかについての先行結論は信頼できないかもしれない——研究者はこうした主張をするときに選択する解像度に注意を払う必要がある。

注目点

プレプリント（arxiv.org/abs/2608.12408）と付随するコード（github.com/nilsleut/evaluation-resolution-rsa）は公開されている。この研究は訓練済みと未訓練の逆伝播モデル間のギャップが解像度全体で非単調傾向を示すことを実証しており、将来のモデル脳研究は単一の標準に頼るのではなく、複数の評価解像度でテストすべきことを示唆している。