微软：生成式因果测试——用AI假设通过扫描仪检验大脑
生成式因果测试（GCT）是一个两阶段AI框架，将不透明的大脑活动预测模型转化为可检验的假设——然后通过真实fMRI实验在人类受试者上加以验证。
🤖
本文由人工智能基于一手来源生成。
什么是生成式因果测试？
生成式因果测试（GCT）是一个解决神经科学核心问题的两阶段研究框架：用于预测大脑活动的机器学习模型能给出准确结果，但无法解释为何如此。GCT将这些不透明的模型转化为具体的、可检验的假设。
AI如何向大脑提问？
在第一阶段，LLM生成合成故事——短文本刺激——靶向激活特定脑区。fMRI（功能性磁共振成像，一种通过测量脑血流量来衡量活动的技术）随后在扫描仪中对真实受试者测试这些刺激。结果证实或否定假设，在AI模型与实证实验之间形成闭合循环。
三个区域，新的微区
该系统在3名受试者上进行了验证测试。GCT成功区分了3个负责空间位置处理的相邻区域——压后皮层（RSC）、海马旁回（PPA）和枕叶位置区（OPA）——这些区域用传统方法难以区分。此外，该方法还发现了文献中此前未描述的新前额叶微区。
合作与影响
该项目是微软与加州大学伯克利分校、UCSF和哥伦比亚大学研究人员合作的成果。这种方法为系统性的、AI驱动的大脑图谱绘制开辟了道路——机器不是取代神经科学家，而是建议他们下一步进行哪些实验。
常见问题
- 什么是生成式因果测试，它如何运作？
- GCT是一种两阶段方法：LLM生成针对特定脑区的合成fMRI故事，然后通过扫描仪上真实受试者的实验来验证这些假设。
- GCT在受试者身上取得了哪些具体成果？
- 该系统区分了3个相邻的地点处理区域（RSC、PPA、OPA），并发现了新的前额叶微区，在3名受试者上得到验证。