GCT: 새로운 AI 방법이 뇌 예측 블랙박스를 검증 가능한 언어 이론으로 변환

LLM은 언어로부터 뇌 활동을 높은 정확도로 예측할 수 있지만, 그 이유는 여전히 불투명합니다. 마이크로소프트 리서치, UC 버클리, UCSF, 컬럼비아 대학의 연구진은 생성적 인과 테스트(GCT)를 도입하여 이러한 블랙박스 모델을 읽고 실험할 수 있는 이론으로 전환했습니다. GCT는 먼저 뇌 영역의 예측 반응을 가장 크게 유발하는 짧은 구문을 추출하고, 이를 "음식 준비"나 "장소 이름"과 같은 설명으로 요약합니다. 그런 다음 LLM이 해당 영역을 활성화하도록 설계된 새로운 이야기를 작성하고, 피험자가 fMRI 스캐너에서 이를 듣게 하여 영역이 기준선보다 높게 반응하면 설명이 인과 테스트를 통과합니다. 실험에서 GCT는 알려진 선택성을 확인하고 세 개의 인접한 장소 처리 영역을 구분했습니다: 후대상피질(RSC)은 고유 장소 이름에, 해마방회 장소 영역(PPA)은 일반 장소에, 후두부 장소 영역(OPA)은 장면 배치에 더 강하게 반응했습니다. 또한 대화("말했다"와 같은 단어), 시각("한 시"), 숫자 측정("50피트")에 특화된 새로운 전전두엽 미세 영역을 발견했습니다. 이 방법은 데이터 기반 모델을 실험적으로 검증 가능한 이론으로 추출할 수 있음을 입증하며, 신경과학과 더 넓은 과학 분야를 발전시킵니다.