Microsofts GCT erklärt, worauf Sprachareale im Gehirn wirklich reagieren
TL;DR
Microsoft Research, UC Berkeley, UCSF und Columbia stellen Generative Causal Testing vor, kurz GCT. Die Methode übersetzt Brain-Prediction-Modelle in kurze, prüfbare Hypothesen darüber, worauf einzelne Cortex-Bereiche bei Sprache reagieren. Ein LLM fasst die stärksten Text-Auslöser eines Voxels zu Begriffen wie food preparation oder location names zusammen. Danach schreibt ein LLM neue Geschichten, die genau diese Region im fMRT aktivieren sollen.
Nauti's Take
Der starke Teil ist nicht, dass ein LLM wieder irgendwo Muster findet. Der starke Teil ist die geschlossene Schleife: Hypothese formulieren, Stimulus bauen, im Gehirn testen.
Genau da wird aus Explainability endlich etwas Messbares. Trotzdem bleibt die Fallhöhe hoch: drei Personen sind wenig, synthetische Geschichten sind kontrolliert, und Microsoft erzählt die Arbeit erwartbar glänzend.
Als Forschungsrichtung ist GCT aber deutlich interessanter als der nächste Dashboard-Plot mit bunten Aktivierungskarten.
Einordnunganzeigen
Viele AI-Modelle können Gehirnreaktionen gut vorhersagen, liefern Forschern aber keine lesbare Theorie. GCT ist relevant, weil es aus Black-Box-Signalen konkrete Hypothesen macht und sie direkt im Scanner prüft. Wenn das skaliert, wird AI in der Wissenschaft weniger Orakel und mehr Experiment-Generator.
Quellen