Ocena jakości
Neural Predictivity
2018AktywnyOpublikowano: 29 września 2026Aktualizacja: 29 września 2026Opublikowany
Miara zgodności model–mózg: dopasowanie liniowe reprezentacji modelu do odpowiedzi neuronowych; rdzeń podejścia Brain-Score.
Kluczowa
innowacja
Metryka NeuroAI: jak dobrze aktywacje modelu przewidują zmierzone odpowiedzi neuronowe (mózgu) — zwykle przez regresję liniową (model kodujący).
Kategoria
Ocena jakości
Poziom abstrakcji
Primitive
Poziom operacji
Ewaluacja (runtime)Model
Zastosowania
Ocena modeli jako "modeli mózgu" (Brain-Score)Wybór warstw najlepiej odwzorowujących koręBadania NeuroAI nad zgodnością model–mózgAnaliza metod brain-guided (NARI/NARF)
Jak działa
Dla wspólnego zestawu bodźców zbiera się aktywacje modelu i odpowiedzi neuronowe. Uczy się model kodujący (regresja grzbietowa) z aktywacji na aktywność neuronów na części danych, a na odłożonej części mierzy korelację (np. Pearsona) między przewidywaniem a pomiarem. Wynik, często unormowany o szum pomiaru (noise ceiling), to predykcyjność neuronowa danej warstwy/modelu.
Rozwiązany problem
Trzeba ilościowo ocenić, czy dany model przetwarza informację podobnie do mózgu. Neuronowa predykcyjność daje liczbę: jak dobrze reprezentacje modelu przewidują realną aktywność neuronów.
Komponenty
Model kodujący (regresja grzbietowa)Predykcja
Odwzorowanie aktywacji modelu na aktywność neuronów.
Walidacja krzyżowa + noise ceilingOcena
Ocena na danych testowych, unormowana o szum pomiaru.
Ewolucja
2014
Modele głębokie jako predyktory kory wzrokowej (Yamins, Khaligh-Razavi)
Punkt przełomowy2018
Brain-Score formalizuje predykcyjność neuronową jako benchmark
Punkt przełomowy