AI가 뇌 반응을 잘 맞히는 단계에서, 이제는 왜 그런지 설명하고 실험으로 확인하는 단계로 넘어가고 있다. Microsoft Research가 공개한 generative causal testing(GCT)은 LLM 기반 뇌 예측 모델을 짧은 자연어 가설로 압축한 뒤, fMRI 실험으로 맞는지 검증한다.

2026년 6월 25일 Microsoft Research 글에 따르면 이 작업은 Microsoft Research, UC Berkeley, UCSF, Columbia University의 공동 연구다. 출발점은 뚜렷하다. LLM 기반 모델은 사람이 이야기를 들을 때 피질의 특정 영역이 어떻게 반응할지 높은 정확도로 예측하지만, 그 내부는 사람이 읽을 수 있는 이론이 아니라 거대한 파라미터 묶음이다.

GCT는 이 black box를 짧은 설명으로 바꾼다. 예를 들어 어떤 피질 patch가 “food preparation”이나 “location names”에 반응한다는 식의 언어 가설을 만든다. 여기서 멈추지 않는 점이 중요하다. LLM은 특정 뇌 영역을 활성화하도록 설계된 새 이야기를 쓰고, 피험자는 scanner 안에서 그 이야기를 듣는다. 해당 영역이 실제로 강하게 반응하면 설명이 지지를 받는다.

연구진은 GCT가 이미 알려진 선택성을 확인했을 뿐 아니라, 서로 비슷하다고 여겨졌던 인접한 place-processing 영역을 구분했다고 설명했다. 또한 prefrontal cortex 안의 작은 micro-region이 dialogue, clock times, measurements 같은 특정 개념에 반응하는 사례도 드러났다.

의미는 두 갈래다. 하나는 neuroscience에서 예측 정확도와 해석 가능성 사이의 간극을 줄일 수 있다는 점이다. 다른 하나는 LLM이 단순 분석 도구를 넘어 실험 설계까지 도울 수 있다는 점이다. 모델이 가설을 만들고, 자극을 생성하고, 뇌 반응으로 가설을 검증하는 순환 구조가 만들어진다.

주의할 점도 있다. GCT의 설명은 모델이 만든 가설이며, 실제 생물학적 메커니즘의 최종 답은 아니다. 그래도 black-box 예측을 사람이 읽을 수 있는 문장과 scanner 검증으로 연결했다는 점에서, AI와 뇌과학의 접점이 더 실험적인 방향으로 이동하고 있다.

#explainability

AI가 뇌 언어 영역 설명을 쓰고, fMRI 실험으로 맞는지 검증