शोधकर्ताओं ने जनरेटिव काज़ुअल टेस्टिंग (GCT) विकसित की है, एक फ्रेमवर्क जो अविश्लेषणीय LLM-आधारित मस्तिष्क-पूर्वानुमान मॉडलों को कॉर्टिकल कार्य के बारे में संक्षिप्त, परीक्षण योग्य मौखिक परिकल्पनाओं में परिवर्तित करता है। यह विधि मॉडल पैरामीटरों को छोटे वाक्यांशों में निचोड़ती है जो वर्णन करते हैं कि विशिष्ट मस्तिष्क क्षेत्र किसके प्रति प्रतिक्रिया करते हैं, जैसे "खाना तैयार करना", और फिर लक्षित fMRI प्रयोगों के माध्यम से इन व्याख्याओं की पुष्टि करते हैं।
- GCT एक मस्तिष्क क्षेत्र के लिए एक पूर्वानुमान मॉडल को चलाने वाले वाक्यांशों की पहचान करता है और उन्हें LLM का उपयोग करके एक संक्षिप्त व्याख्या में सारांशित करता है।
- एक LLM कृत्रिम कहानियाँ उत्पन्न करता है जो उत्पन्न व्याख्या के आधार पर उस विशिष्ट क्षेत्र को सक्रिय करने के लिए इंजीनियर की गई हैं।
- विषय fMRI स्कैनर में इन कहानियों को सुनते हैं, जिससे शोधकर्ताओं को पुष्टि करने की अनुमति मिलती है कि क्या लक्षित क्षेत्र आधार रेखा से काफी ऊपर प्रतिक्रिया करता है।
- इस दृष्टिकोण ने ज्ञात चयनात्मकता की पुष्टि की, पड़ोसी स्थान-प्रसंस्करण क्षेत्रों को अलग किया जो पहले अदला-बदली योग्य माने जाते थे, और संवाद और घड़ी के समय जैसे अवधारणाओं के लिए ट्यून्ड प्रीफ्रंटल माइक्रो-क्षेत्रों की पहचान की।
यह विधि उच्च-सटीक ब्लैक-बॉक्स पूर्वानुमानों और वैज्ञानिक समझ के बीच की खाई को पाटती है, जो अनुवर्ती प्रयोगों में सीधे पुष्टि या खंडन की जा सकने वाली परिकल्पनाएँ प्रदान करती है।