卷积架构是与大脑皮层功能相一致的新生结构（即全新设计的、符合大脑皮层运作原理的架构）

《Nature Machine Intelligence》：Convolutional architectures are cortex-aligned de novo

皮层对齐表示的神经科学机制：通过分析未预训练宽卷积网络发现，空间压缩（池化）与特征域扩展（通道数增加）的组合能有效生成类皮层视觉表征，且卷积架构的诱导偏见是这种特征扩展性能提升的关键因素，其他架构或局部损伤会显著削弱效果，表明生物视觉的深层约束与现有卷积网络架构存在内在一致性。

　　

摘要

在深度神经网络的视觉模型中，皮层对齐的表征是如何产生的？早期的研究表明，共同的架构约束是一个重要因素，但经过预训练后各种不同架构的成功使用，引发了关于架构约束重要性的关键问题。在这里，我们发现，在经过最小程度训练的广泛网络中，架构上的归纳偏差起着重要作用。我们研究了具有不同架构但未经预训练的网络，并量化了它们预测猴子和人类视觉皮层中图像表征的能力。我们发现，在结合了两种关键维度操作（即通过池化在空间域进行压缩，以及通过增加通道数量在特征域进行扩展）的卷积架构中，会出现皮层对齐的表征。此外，我们还表明，卷积架构的归纳偏差对于从特征扩展中获得性能提升至关重要——在其他架构以及具有针对性损伤的卷积模型中，这种维度操作的效果相对较差。我们的研究结果表明，卷积网络的架构约束与生物视觉的约束足够接近，以至于即使在突触连接通过经验进行调整之前，许多皮层视觉表征的方面也能够得以形成。