AIが脳の言語反応を予測するだけでなく、その理由を仮説にして実験で確かめる段階に入っている。Microsoft Researchが紹介したgenerative causal testing(GCT)は、LLMベースの脳予測モデルを短い自然言語の説明に変え、fMRIで検証する方法だ。

2026年6月25日のMicrosoft Research記事によると、この研究はMicrosoft Research、UC Berkeley、UCSF、Columbia Universityの共同成果である。出発点は、予測と理解の差だ。LLMベースのモデルは、人が物語を聞くときの皮質反応を高精度に予測できる。しかし内部は巨大なパラメータであり、科学者がそのまま読める理論ではない。

GCTは、このblack boxを短い説明へ圧縮する。ある皮質patchが“food preparation”や“location names”に反応する、といった人間が読める仮説を作る。さらに、その説明を検証する。LLMが対象の脳領域を活性化するよう設計した新しい物語を書き、被験者がscanner内で聞く。予測どおり領域が反応すれば、説明は支持される。

研究チームは、GCTが既知の選択性を確認しただけでなく、似たものとして扱われてきた隣接するplace-processing領域を切り分けたと説明している。さらにprefrontal cortex内で、dialogue、clock times、measurementsなど特定概念に反応する小さなmicro-regionも示された。

重要なのは、AIが単なる可視化ツールではなく、仮説と刺激を作り、測定結果で検証する循環に入る点だ。脳活動を当てるモデルは便利だが、検証可能な説明を出すモデルは実験設計そのものを変えうる。

もちろん、GCTの説明は最終的な生物学的メカニズムではなく仮説である。それでもblack-box予測を読みやすい文とscanner上の反応に結びつけたことで、AI支援の神経科学はより実験的で検証可能な方向へ進んでいる。

#explainability

AIが脳の言語反応を説明し、fMRIで検証するGCT