研究者らは、解釈不可能なLLMベースの脳予測モデルを、皮質機能に関する簡潔で検証可能な言語仮説に変換するフレームワークである生成因果テスト（GCT）を開発した。この手法は、モデルのパラメータを「食品の準備」など特定の脳領域が何に反応するかを記述する短いフレーズに凝縮し、その後、標的型fMRI実験を通じてこれらの説明を検証する。

  • GCTは、脳領域の予測モデルを駆動するフレーターを特定し、LLMを使用してそれらを簡潔な説明に要約する。
  • LLMは、生成された説明に基づいて特定の領域を活性化するように設計された合成ストーリーを生成する。
  • 被験者はfMRIスキャナー内でこれらのストーリーを聴取し、研究者が標的領域がベースラインを上回る有意な反応を示すかどうかを確認できる。
  • このアプローチは既知の選択性を確認し、以前は同等と考えられていた隣接する場所処理領域を区別し、対話や時計の時刻などの概念に調整された前頭葉の微小領域を特定した。

この手法は、フォローアップ実験で直接確認または反証可能な仮説を提供することで、高精度なブラックボックス予測と科学的理解の間のギャップを埋める。