GCT: Phương pháp AI mới biến hộp đen dự đoán não thành lý thuyết ngôn ngữ có thể kiểm chứng

LLM có thể dự đoán hoạt động não bộ từ ngôn ngữ với độ chính xác cao, nhưng tại sao chúng hoạt động vẫn còn mơ hồ. Các nhà nghiên cứu từ Microsoft Research, Đại học California tại Berkeley, Đại học California tại San Francisco và Đại học Columbia đã giới thiệu Kiểm tra Nhân quả Sinh (Generative Causal Testing - GCT) để biến những mô hình hộp đen này thành các lý thuyết có thể đọc được và kiểm tra được. GCT đầu tiên trích xuất các cụm từ ngắn nhất thúc đẩy phản ứng dự đoán của một vùng não và tổng hợp chúng thành một lời giải thích như “chuẩn bị thức ăn” hoặc “tên địa điểm.” Sau đó, một LLM viết các câu chuyện mới được thiết kế để kích hoạt vùng não cụ thể đó; đối tượng nghe chúng trong máy fMRI, và nếu vùng đó sáng lên trên mức nền, lời giải thích sẽ vượt qua kiểm tra nhân quả. Trong các thí nghiệm, GCT đã xác nhận tính chọn lọc đã biết và phân biệt ba vùng xử lý địa điểm lân cận: vỏ não sau (retrosplenial cortex - RSC) phản ứng mạnh hơn với tên địa điểm riêng, vùng parahippocampal place area (PPA) với địa điểm chung, và vùng occipital place area (OPA) với bố cục cảnh. Nó cũng phát hiện ra các vùng vi mới ở thùy trán chuyên về hội thoại (các từ như “đã nói”), giờ giấc (“một giờ”), và các phép đo số (“50 feet”). Phương pháp này chứng minh rằng các mô hình dựa trên dữ liệu có thể được chưng cất thành các lý thuyết có thể kiểm tra bằng thực nghiệm, thúc đẩy cả khoa học thần kinh và các lĩnh vực khoa học rộng lớn hơn.