Статья в журнале Nature Machine Intelligence (опубликована онлайн 1 сентября 2026 года) представляет новый подход к улучшению надежности искусственного интеллекта путем использования сигналов мозга человека. Исследователи обнаружили, что выравнивание представлений (representational alignment) — метод, который ранее использовался для сравнения активности человеческого мозга и языковых моделей, — может быть применен для управления процессом обучения ИИ. В работе показано, что использование нейронных сигналов в качестве обратной связи позволяет направлять рассуждения моделей, повышая их точность и устойчивость к ошибкам. Метод основан на сопоставлении внутренних представлений модели с паттернами активности мозга, что помогает модели лучше имитировать человеческие когнитивные процессы. Эксперименты продемонстрировали значительное улучшение надежности рассуждений по сравнению с традиционными подходами. Это открывает новые перспективы для создания более интерпретируемых и безопасных систем ИИ в медицине, где точность и объяснимость критически важны. Результаты подчеркивают потенциал нейронауки в совершенствовании алгоритмов машинного обучения.