監督學習快速降低早期視覺皮層對齊，跨生物可信學習規則

研究論文提出一項發現，挑戰了學習改善大腦對齊的假設。論文探討隨機神經網路在早期視覺皮層的表徵相似度上能匹敵甚至超越訓練後的網路。為此，研究人員追蹤了四種生物可信學習規則——反向傳播、反饋對齊、預測編碼和脈衝時序依賴可塑性——在訓練過程中的表徵相似性分析對齊情況。他們使用THINGS資料庫的720個物體圖像和三名受試者的fMRI數據，在六個視覺感興趣區域中測量模型與大腦表徵相異矩陣的Spearman相關性。結果顯示，僅一個訓練週期就能使V1對齊降低25-90%，其中反向傳播降低最嚴重（delta r = -0.080），而預測編碼和脈衝時序依賴可塑性則保留更多對齊（delta r 約 -0.04）。此外，在物體選擇性皮層LOC中，反向傳播顯示出最大的對齊增加，但絕對變化較小。這些結果表明，未訓練架構通過歸納偏差即可捕獲低層視覺統計，而全局錯誤信號如反向傳播會更積極地重塑早期表徵，局部學習規則如預測編碼和脈衝時序依賴可塑性則能更好地保持類大腦結構。