أظهرت دراسات حديثة أن الشبكات العصبية التلافيفية (CNNs) المدربة على مجموعة بيانات ImageNet تميل إلى تصنيف الصور بناءً على النسيج بدلاً من الشكل، على عكس البشر. إلى أي مدى يمتد هذا التحيز، ومن أين ينشأ؟ نجد أن الشبكات العصبية التلافيفية، عند تدريبها على مجموعات بيانات تحتوي على صور ذات تناقض بين الشكل والنسيج، تتعلم التصنيف بناءً على الشكل بسهولة لا تقل عن التصنيف بناءً على النسيج. إذًا، ما العوامل التي تُنتج التحيز نحو النسيج في الشبكات المدربة على ImageNet؟ تُظهر مُعاملات التدريب غير المُراقبة المختلفة، وكذلك الهياكل المعمارية المختلفة، تأثيرات صغيرة لكنها ذات دلالة إحصائية ومستقلة إلى حد كبير على مستوى تحيز النسيج. ومع ذلك، فإن جميع هذه المعاملات والهياكل تؤدي إلى نماذج تتخذ قرارات تصنيف تعتمد على النسيج في الغالب، حتى وإن كانت معلومات الشكل قابلة للاستخلاص من تمثيلاتها الخفية. أما تأثير التضخيم البيانات (data augmentation)، فهو أكثر وضوحًا. من خلال استخدام قصات عشوائية أقل تشددًا أثناء التدريب، وتطبيق تضخيمات بسيطة وطبيعية (مثل تشويه الألوان، والضوضاء، والضبابية)، نُدرّب نماذج تُصنف الصور الغامضة بناءً على الشكل في الغالب، وتتفوق على النماذج الأساسية في اختبارات المجموعات غير المُتعلقة (out-of-distribution). تشير نتائجنا إلى أن الفروقات الظاهرة في طريقة معالجة الصور بين البشر والشبكات العصبية التلافيفية المدربة على ImageNet قد لا تنشأ أساسًا من اختلافات في آلية عملها الداخلية، بل من اختلافات في البيانات التي تراها كلٌّ منهما.