Reverse predictivity for bidirectional comparison of neural networks and biological brains
Sabine Muzellec, Kohitij Kar
Nature Machine Intelligence · Article · 2026-03-25
OVERVIEW
论文概览
提出从脑活动反向预测神经网络单元的指标，补足常见的模型到脑正向预测，识别模型中哪些维度真正有生物对应。
ABSTRACT
中文摘要
常用的 neural predictivity 以人工神经网络特征预测脑活动，但高正向分数并不意味着模型的所有内部维度都能在大脑中找到对应。该研究提出 reverse predictivity，用灵长类腹侧视觉通路的神经活动反向预测网络单元，并与传统正向指标联合分析。结果表明，一些模型可以很好解释脑响应，但仍包含大量无法由脑活动恢复的独特维度；双向评价能够区分共有单元与模型特有单元，并揭示表征维度、训练目标、任务性能和对抗鲁棒性如何影响模型—脑对应。作者主张，只有同时考察两个方向，才能避免把单向可预测性误解为完整的表征等价。
RESEARCH RELEVANCE
与你研究的关系
与你的统一脑编解码目标高度一致：编码和解码都要评估，且可用双向可预测性检查共享 brain–CLIP 空间是否含有大量仅属于视觉模型的非脑维度。
LIMITATIONS
局限与核查重点
反向预测同样受数据量、噪声上限与线性映射限制；低反向分数不一定证明某个模型维度在脑中完全不存在。
SOURCE
来源与原文
Nature Machine Intelligence · Article · 2026-03-25
Sabine Muzellec, Kohitij Kar. Reverse predictivity for bidirectional comparison of neural networks and biological brains. Nature Machine Intelligence · Article · 2026-03-25. https://www.nature.com/articles/s42256-026-01204-0