إذا عرضت نفس صورة قطة على شبكتين عصبيتين مختلفتين، فغالبًا ما تصلان إلى استنتاج مماثل: «قطة». ولكن إذا سألتهما بمزيد من التفاصيل، فقد تتباين الإجابات. نموذج واحد سيلاحظ الشاربين، وآخر سيلاحظ اللون، وثالث سيلاحظ الوضعية. يتبين أنه حتى داخل عالم الشبكات العصبية «البصري» لا يوجد اتحاد كامل.
ابتكر العلماء طريقة لقياس هذا الاتحاد لكل صورة على حدة. أخذوا عدة شبكات عصبية بصرية بمهام تعلم مختلفة وقارنوا تمثيلاتها الداخلية. بالنسبة لبعض الصور، كانت النماذج شبه مجمعة، وبالنسبة لأخرى اختلفت بشدة. ثم عرضوا هذه الصور على نماذج لغوية تصف الصور بالكلمات. اتضح أنه عندما تتفق النماذج البصرية فيما بينها، فإن رأيها المشترك يتطابق بشكل أفضل مع الوصف اللغوي. يمكن أن يكون الفرق مضاعفًا.
تشير هذه النتيجة إلى أن الاتفاق بين الشبكات العصبية ليس مصادفة. إنه يعكس مدى «وضوح» الصورة. كلما كان هيكلها أوضح، كان من الأسهل للرؤية واللغة إيجاد لغة مشتركة. يساعد هذا النهج في رؤية أين تتقارب الشبكات العصبية مع الإدراك البشري وأين تختلف.
يمكن أن يختلف الاتفاق بين الشبكات العصبية البصرية على الصورة نفسها بمقدار الضعف — كما لو أن إحدى الصور «أوضح» من الأخرى بالنسبة للذكاء الاصطناعي.