借助 AI 驱动的解释与实验理解大脑

GCT（生成性因果测试）提出了一种闭环验证方法，先利用AI从脑部预测模型中提取简洁的语义解释（如“食物准备”或“地名”），再让大语言模型根据该解释生成新故事，并通过扫描受试者阅读时的脑部活动来因果性地检验解释是否成立。该方法成功区分了三个传统上被认为功能相似的脑区（RSC、PPA、OPA），例如发现RSC对专有地名而非泛指地点反应更强，还意外发现了对“对话”、“时钟时间”和“数字测量”等特定概念敏感的前额叶微区域。这项研究的意义在于，它证明数据驱动的预测模型可以被蒸馏为可读、可实验检验的理论，为神经科学提供了一种更快、更富假设性的皮层映射方式。