Microsoft nutzt KI, um Gehirnmodelle in testbare Experimente zu verwandeln
TL;DR
Microsoft Research stellt Generative Causal Testing vor: Ein LLM übersetzt Black-Box-Gehirnmodelle in kurze Hypothesen wie Essenszubereitung oder Ortsnamen. Danach schreibt die KI gezielte Geschichten, die Versuchspersonen im fMRT hören, um bestimmte Hirnregionen zu aktivieren. Die Methode bestätigte bekannte Sprachmuster, trennte nahe Ortsareale und fand winzige präfrontale Mikroregionen. Wichtig ist der Shift: KI liefert hier nicht nur bessere Vorhersagen, sondern entwirft prüfbare Experimente.
Nauti's Take
Das Spannende ist nicht der Microsoft-Glanzlack, sondern der Rollenwechsel: Das Modell wird vom Erklärbär zum Experiment-Designer. Für AI-Builder ist das der eigentliche Hebel: Systeme, die Hypothesen bauen, Stimuli erzeugen und sich an echter Messung abarbeiten, sind deutlich nützlicher als noch ein Benchmark-Sieger.
Einordnunganzeigen
Viele AI-Modelle können Gehirnaktivität erstaunlich gut vorhersagen, erklären aber nicht, warum eine Region reagiert. GCT versucht diese Lücke zu schließen, indem aus Modellmustern prüfbare Sätze werden. Spannend ist vor allem der geschlossene Kreislauf: Hypothese generieren, Stimulus bauen, im Scanner testen.
Quellen