GCT: طريقة ذكاء اصطناعي جديدة تحول الصناديق السوداء للتنبؤ بالدماغ إلى نظريات لغوية قابلة للاختبار

يمكن لنماذج اللغات الكبيرة (LLMs) التنبؤ بنشاط الدماغ الناتج عن اللغة بدقة عالية، لكن سبب نجاحها يظل غامضًا. قدم باحثون من مايكروسوفت ريسيرش وجامعة كاليفورنيا في بيركلي وجامعة كاليفورنيا في سان فرانسيسكو وجامعة كولومبيا طريقة "الاختبار السببي التوليدي" (Generative Causal Testing, GCT) لتحويل هذه النماذج الصندوق الأسود إلى نظريات قابلة للقراءة والاختبار. تستخرج GCT أولاً العبارات القصيرة التي تحفز استجابة منطقة الدماغ المتوقعة بشكل أكبر وتلخصها في تفسير مثل "تحضير الطعام" أو "أسماء المواقع". ثم يكتب LLM قصصًا جديدة مصممة لتنشيط تلك المنطقة المحددة؛ ويستمع إليها الأشخاص في ماسح الرنين المغناطيسي الوظيفي (fMRI)، وإذا أضاءت المنطقة فوق خط الأساس، يمر التفسير اختبارًا سببيًا. في التجارب، أكدت GCT الانتقائية المعروفة وميزت ثلاث مناطق متجاورة لمعالجة الأماكن: القشرة خلف الطحال (RSC) تستجيب بقوة لأسماء المواقع الصحيحة، ومنطقة المجاورة للحصين في معالجة الأماكن (PPA) للمواقع العامة، ومنطقة القذالية للأماكن (OPA) لتخطيط المشهد. كما اكتشفت مناطق دقيقة جديدة في القشرة الجبهية مضبوطة للحوار (كلمات مثل "قال")، وأوقات الساعة ("الساعة الواحدة")، والقياسات الرقمية ("50 قدمًا"). تثبت الطريقة أنه يمكن تقطير النماذج المعتمدة على البيانات إلى نظريات قابلة للاختبار تجريبيًا، مما يدفع علم الأعصاب والمجالات العلمية الأوسع إلى الأمام.