解构脑机与计算机视觉模型间收敛因素

许多在自然图像上训练的AI模型会发展出类似人类大脑的表征。然而，导致这种脑-模型相似性的因素仍存若干疑问。为解构模型、训练及数据三方面如何独立驱动神经网络发展出类脑表征，本文系统性地变更这些因素对DINOv3自监督视觉变换器的不同配置进行训练。分别通过fMRI与MEG记录的人类大脑表征，提供了在空间与时间尺度上的高分辨率分析。采用三个互补指标评估脑-模型相似性：整体表征相似性、拓扑组织及时序动态。结果表明，模型规模、训练量与图像类型三大因素均独立且交互地影响上述三个脑相似性指标。特别是，最大规模的DINOv3模型以最贴近人类的图像进行训练，达到最高的脑相似性。这种类脑表征的出现遵循特定时序：模型首先与感觉皮层的早期表征对齐，随后在获得更多训练后才与大脑的晚期和前额皮层表征对齐。这种发展轨迹由人类皮层的结构与功能特性所指标：模型最终获取的表征特别对应于皮层区域，这些区域在发展膨胀、皮层厚度、髓鞘稀疏及最慢时间尺度方面具有显著特征。总体而言，本研究解构了架构与经验在塑造人工神经网络如何看待世界方式之间的相互作用，为理解人类大脑如何表征其视觉世界提供了有前景的框架。