Microsoftは2026年6月25日(現地時間)、カリフォルニア大学バークレー校、カリフォルニア大学サンフランシスコ校、コロンビア大学との共同研究で、AIを活用し脳の言語応答を解明する新しい手法「Generative causal testing (GCT)」を発表した。このGCTは、LLMベースの脳活動予測モデルを、特定の脳領域が言語のどの要素に反応するかを示す短い仮説に変換し、実験でその仮説を検証する。これにより、予測モデルの「説明可能性の課題」を解決する。
Generative causal testing (GCT)は、大規模言語モデル (LLM) を用いて、ブラックボックス化された脳活動予測モデルを解釈可能な科学的理論へと転換する手法である。この手法は二つのステップで構成される。まず、特定の脳領域の予測モデルを最も強く駆動する短いフレーズを特定し、LLMがfood preparationや「location names」といった簡潔な言葉でその反応を説明する。
次に、LLMがその説明に基づいて新たな物語を生成し、被験者がfMRIスキャナー内でそれを聞くことで、説明が正しい場合にのみ標的の脳領域が活性化するかを検証する。この「生成と検証」のアプローチにより、予測だけでなく説明も可能なモデルの構築を目指す。
実験では、GCTが既知の選択性を確認したほか、これまで区別が困難であった脳内の場所処理領域であるretrosplenial cortex (RSC)、parahippocampal place area (PPA)、occipital place area (OPA) を区別することに成功した。RSCは一般的な場所名よりもTokyoやConnecticutといった固有名詞の場所名により強く反応すると特定された。また、対話、時刻、測定値など特定の概念に反応する微小な前頭前皮質「マイクロ領域」も新たに発見された。
このフレームワークは、神経科学における皮質マッピングを加速させ、AIシステムが脳領域のエンコード内容を仮説として提案し、閉ループ実験でこれを即座に確認または否定する、より仮説豊富なアプローチを提供する。GCTの哲学は、強力な予測モデルがその理解を上回る他の科学分野にも応用可能である。
参考: Microsoft Research Blog (アーカイブ) — 2026年6月26日 01:00 (JST)