Microsoft Research、脳活動予測モデルを理論へ変換する手法「GCT」を公開──LLMで神経科学の仮説を自動生成・検証
ブラックボックス化していた脳活動予測モデルを、LLMを用いて「食料準備」や「時間」といった人間が理解可能な仮説に蒸留し、fMRI実験で因果関係を直接検証するフレームワーク。
リリース: 2026-06-25 · 読了 5 分記事の要約
1. 核心（What）
- 脳活動予測モデルをLLMで解釈可能な言語的仮説に変換するフレームワーク「GCT」を提案。
- LLMが生成した仮説を検証するため、ターゲット領域を活性化させる合成ストーリーを生成し、fMRIで測定する閉ループ実験を実施。
- 既知の脳領域の選択性を確認しつつ、従来区別が困難だった場所処理領域を分離し、新規のマイクロ領域を特定。
2. 影響（Why）
- 予測と解釈の乖離を解消: 予測精度が高いモデルでも内部パラメータがブラックボックスであるという計算神経科学の課題に対し、科学的仮説への翻訳手法を提供し、AIと理論の乖離を埋める。
- 国内研究開発への応用: 国内の医療・ライフサイエンス系の大規模研究組織において、AIの提案を実験で即座に検証する「生成と検証」のループを導入することで、未知の神経機能解明を加速させる。
3. 根拠・詳細（How）
- GCTの2段階プロセス: 予測モデルから特定のボクセルを強く駆動する単語を抽出し、LLMで「食料準備」などの簡潔な仮説に要約した後、その仮説に基づきLLMが生成したストーリーで脳領域の反応を検証する。
- 領域識別の検証手法: RSC、PPA、OPAの各領域に対し、特定の領域のみを活性化させる微分刺激を生成し、fMRIスキャンにおいてターゲット領域がベースラインを上回る反応を示すかを測定した。
4. 展望・課題（Next）
- 他領域への展開: 脳科学以外のドメインにおいても、強力な予測モデルが解釈能力を上回っている分野に対し、同様の「生成と検証」の哲学を適用する研究が進行中である。