Microsoft: Generative Causal Testing — KI-Hypothesen über das Gehirn, mit dem Scanner getestet

Was ist Generative Causal Testing?

Generative Causal Testing (GCT) ist ein zweiphasiger Forschungsrahmen, der ein zentrales Problem der Neurowissenschaften löst: Modelle des maschinellen Lernens zur Vorhersage von Gehirnaktivität liefern präzise Ergebnisse, erklären aber nicht das Warum. GCT wandelt diese undurchsichtigen Modelle in konkrete, testbare Hypothesen um.

Wie stellt KI dem Gehirn Fragen?

In der ersten Phase generiert ein LLM synthetische Geschichten — kurze Textreize — die auf die Aktivierung spezifischer Hirnregionen abzielen. fMRI (funktionelle Magnetresonanztomographie, eine Technik, die den Blutfluss im Gehirn als Maß für die Aktivität misst) testet diese Stimuli dann bei echten Probanden im Scanner. Die Ergebnisse bestätigen oder widerlegen die Hypothese und schaffen eine geschlossene Schleife zwischen KI-Modell und empirischem Experiment.

Drei Regionen, neue Mikroareale

Das System wurde validiert an 3 Probanden getestet. GCT hat erfolgreich 3 benachbarte Regionen für die räumliche Ortsverarbeitung unterschieden — den retrosplenialen Kortex (RSC), die parahippokampale Region (PPA) und die okzipitale Ortsregion (OPA) — die mit klassischen Methoden schwer zu differenzieren waren. Außerdem entdeckte die Methode neue präfrontale Mikroregionen, die bisher in der Literatur nicht beschrieben worden waren.

Zusammenarbeit und Implikationen

Das Projekt ist das Ergebnis einer Zusammenarbeit von Microsoft mit Forschern der UC Berkeley, UCSF und Columbia. Der Ansatz öffnet den Weg zu einer systematischen, KI-geführten Kartierung des Gehirns — wo die Maschine den Neurowissenschaftler nicht ersetzt, sondern ihm vorschlägt, welche Experimente als nächstes durchzuführen sind.