Исследователи разработали Generative Causal Testing (GCT) — фреймворк, который переводит неинтерпретируемые модели предсказания активности мозга на основе LLM в краткие, проверяемые вербальные гипотезы о функциях коры. Этот метод сжимает параметры модели в короткие фразы, описывающие, на какие стимулы реагируют определенные области мозга, например «приготовление пищи», а затем проверяет эти объяснения с помощью целевых фМРТ-экспериментов.
- GCT выявляет фразы, определяющие работу предиктивной модели для определенной области мозга, и суммирует их в краткое объяснение с помощью LLM.
- LLM генерирует синтетические истории, специально сконструированные для активации этой конкретной области на основе полученного объяснения.
- Подопытные слушают эти истории в томографе фМРТ, что позволяет исследователям подтвердить, реагирует ли целевая область значительно выше базового уровня.
- Этот подход подтвердил известную избирательность, разграничил соседние области обработки пространственной информации, ранее считавшиеся взаимозаменяемыми, и выявил микрообласти префронтальной коры, настроенные на такие концепции, как диалог и время по часам.
Этот метод преодолевает разрыв между высоко точными предсказаниями «черного ящика» и научным пониманием, предоставляя гипотезы, которые можно напрямую подтвердить или опровергнуть в последующих экспериментах.