NeuroAI研究者は、十分に困難なタスクに対する任意の2つの最小Deep Neural Network (DNN) ソリューションにおいて、アフィンマッピングに基づく弱い整合性が特権軸の強い整合性を保証することを示すことで、共変性の概念を形式化した。この整合性はネットワーク階層を zipper 状に結合し、エンドツーエンドのタスク最適化から特権軸が出現する原因となる。

  • ネットワーク表現の弱い整合性は、特権軸の強い整合性を保証する。
  • 最適化中に整合性はネットワーク階層を上昇していく。
  • 人工脳ネットワークと実在する脳ネットワークの間には、十分に強力なタスクにおいて収束的進化が必然的に生じる可能性が高い。

これらの結果は、タスクが十分に困難である場合、ネットワーク間比較のための計量（メトリック）の選択がより敏感でなくなることを示唆している。