GCT: नया AI तरीका मस्तिष्क-पूर्वानुमान के ब्लैक बॉक्स को परीक्षण योग्य भाषाई सिद्धांतों में बदलता है

उच्च सटीकता के साथ भाषा से मस्तिष्क गतिविधि का अनुमान लगाने में बड़े भाषा मॉडल (एलएलएम) सक्षम हैं, लेकिन वे कैसे काम करते हैं यह अभी भी अस्पष्ट है। माइक्रोसॉफ्ट रिसर्च, यूसी बर्कले, यूसीएसएफ और कोलंबिया के शोधकर्ताओं ने इन ब्लैक-बॉक्स मॉडल को पठनीय, परीक्षण योग्य सिद्धांतों में बदलने के लिए जनरेटिव कॉज़ल टेस्टिंग (जीसीटी) प्रस्तुत किया। जीसीटी पहले उन छोटे वाक्यांशों को निकालता है जो किसी मस्तिष्क क्षेत्र की अनुमानित प्रतिक्रिया को सबसे अधिक प्रभावित करते हैं और उन्हें 'खाद्य तैयारी' या 'स्थान के नाम' जैसे स्पष्टीकरण में संक्षेपित करता है। फिर एक एलएलएम उस विशिष्ट क्षेत्र को सक्रिय करने के लिए डिज़ाइन की गई नई कहानियाँ लिखता है; विषयों को एफएमआरआई स्कैनर में ये कहानियाँ सुनाई जाती हैं, और यदि वह क्षेत्र बेसलाइन से अधिक चमकता है, तो स्पष्टीकरण एक कारण परीक्षण पास करता है। प्रयोगों में, जीसीटी ने ज्ञात चयनात्मकता की पुष्टि की और तीन पड़ोसी स्थान-प्रसंस्करण क्षेत्रों को अलग किया: रेट्रोस्प्लेनियल कॉर्टेक्स (आरएससी) उचित स्थान के नामों पर अधिक प्रतिक्रिया करता है, पैराहिप्पोकैम्पल प्लेस एरिया (पीपीए) सामान्य स्थान पर, और ओसीसीपिटल प्लेस एरिया (ओपीए) दृश्य लेआउट पर। इसने डायलॉग ('कहा' जैसे शब्द), घड़ी के समय ('एक बजे'), और संख्यात्मक माप ('50 फीट') के अनुरूप नए प्रीफ्रंटल माइक्रो-क्षेत्रों की भी खोज की। यह विधि साबित करती है कि डेटा-संचालित मॉडल को प्रयोगात्मक रूप से परीक्षण योग्य सिद्धांतों में संघनित किया जा सकता है, जो तंत्रिका विज्ञान और व्यापक वैज्ञानिक क्षेत्रों दोनों को आगे बढ़ाता है।