深度神经网络在核心视觉物体识别中媲美灵长类 IT 皮层的表征能力

灵长类视觉系统在短暂呈现以及物体样本、几何变换和背景变化（即核心视觉物体识别）下，实现了卓越的视觉物体识别性能。这种卓越的性能由下颞（IT）皮层形成的表征所介导。与此同时，机器学习的最新进展推动了使用人工深度神经网络（DNNs）的物体识别模型性能不断提升。然而，DNNs 的表征性能是否能与大脑相媲美仍不清楚。要准确进行此类比较，主要难点在于缺乏一个统一的度量标准，该标准需能解释实验局限性（如噪声量、神经记录位点数量和试验次数）以及计算局限性（如解码分类器的复杂度和分类器训练样本数量）。在本工作中，我们进行了一项直接比较，修正了这些实验局限性和计算考量。作为我们方法论的一部分，我们提出了“核分析”的扩展，以表征复杂度为函数来测量泛化精度。我们的评估表明，与以往的生物启发模型不同，最新的 DNNs 在此视觉物体识别任务上的表征性能可与 IT 皮层相媲美。此外，我们表明，在表征性能指标上表现良好的模型，在与 IT 的表征相似性指标以及预测单个 IT 多单元反应指标上也表现良好。这些 DNNs 是否依赖于与灵长类视觉系统相似的计算机制尚待确定，但与所有以往的生物启发模型不同，仅凭表征性能 grounds 不能排除这种可能性。