GCT: uusi tekoälymenetelmä muuttaa aivoennustuksen mustat laatikot testattaviksi kielitieteellisiksi teorioiksi
Microsoft
Microsoft Research ja kumppanit kehittivät Generative Causal Testing (GCT) -menetelmän, joka tiivistää LLM-pohjaiset aivoennustusmallit ytimekkäiksi sanallisiksi selityksiksi (esim. “ruoanvalmistus”) ja käyttää sitten LLM:ää kirjoittamaan uusia tarinoita, jotka testaavat näitä selityksiä kausaalisesti fMRI:llä. GCT vahvisti tunnetun selektiivisyyden, erotteli toisiinsa kytkeytyneitä paikkojenkäsittelyalueita ja löysi pieniä otsa-alueita dialogille, kellonajoille ja mittauksille.
LLM:t pystyvät ennustamaan aivojen aktiivisuutta kielellä tarkasti, mutta niiden toiminta on edelleen läpinäkymätöntä. Microsoft Researchin, UC Berkeleyn, UCSF:n ja Columbian tutkijat esittelivät Generatiivisen Kausaalisen Testauksen (GCT), joka muuttaa nämä mustat laatikot luettaviksi ja testattaviksi teorioiksi. GCT poimii ensin lyhyitä fraaseja, jotka eniten ohjaavat aivoalueen ennustettua vastetta, ja tiivistää ne selitykseksi, kuten 'ruoanvalmistus' tai 'paikannimet'. Sitten LLM kirjoittaa uusia tarinoita, jotka on suunniteltu aktivoimaan tiettyä aluetta; koehenkilöt kuulevat ne fMRI-skannerissa, ja jos alue aktivoituu yli perustason, selitys läpäisee kausaalisen testin. Kokeissa GCT vahvisti tunnetun selektiivisyyden ja erotti kolme vierekkäistä paikkakäsittelyaluetta: retrospleniaalinen aivokuori (RSC) reagoi vahvemmin oikeisiin paikannimiin, parahippokampaalinen paikka-alue (PPA) yleisiin paikkoihin ja okkipitaalinen paikka-alue (OPA) tilan sommitteluun. Se löysi myös uusia prefrontaalisia mikroalueita, jotka on viritetty vuoropuhelulle (sanat kuten 'sanoi'), kellonajoille ('yksi') ja numeerisille mitoille ('50 jalkaa'). Menetelmä osoittaa, että datalähtöiset mallit voidaan tislata kokeellisesti testattaviksi teorioiksi, edistäen sekä neurotiedettä että laajempia tieteenaloja.
Lähde: Microsoft Research —
Alkuperäinen