Pesquisadores desenvolveram o Teste Causal Generativo (GCT), uma estrutura que traduz modelos de previsão cerebral baseados em LLMs, não interpretáveis, em hipóteses verbais concisas e testáveis sobre a função cortical. Este método resume os parâmetros do modelo em frases curtas descrevendo a quais regiões específicas do cérebro elas respondem, como "preparação de alimentos", e então verifica essas explicações por meio de experimentos de fMRI direcionados.
- O GCT identifica as frases que impulsionam um modelo preditivo para uma região cerebral e as resume em uma explicação concisa usando um LLM.
- Um LLM gera histórias sintéticas projetadas para ativar essa região específica com base na explicação gerada.
- Os sujeitos ouvem essas histórias em um scanner de fMRI, permitindo que os pesquisadores confirmem se a área-alvo responde significativamente acima da linha de base.
- A abordagem confirmou a seletividade conhecida, distinguiu regiões vizinhas de processamento espacial anteriormente consideradas intercambiáveis e identificou micro-regiões pré-frontais ajustadas a conceitos como diálogo e horários de relógio.
Este método preenche a lacuna entre previsões de caixa preta de alta precisão e compreensão científica, fornecendo hipóteses que podem ser diretamente confirmadas ou refutadas em experimentos subsequentes.