MITの研究チームは、脳内における視覚概念の表現を特定するための自動フレームワーク「BrainCause」を導入した。従来の神経科学では、顔や場所といった特定の概念に強く反応する部位を見つける「活性化最大化（Activation maximization）」という手法が用いられてきたが、本研究はこうした神経活動の反応だけでは、概念の真の表現を証明するには不十分であると結論付けた。神経の反応は多くの場合、概念そのものではなく相関する視覚的・意味的な手がかりによって引き起こされており、これが従来の脳マップ研究において重大な誤検出を生む原因となっている。

BrainCauseフレームワークは、生成モデルと脳モデルを統合し、標的を絞った因果テストを行う。システムは特定のクエリに対し、ターゲット概念の画像、他のコンテンツを維持しつつターゲット概念のみを除去した反事実的編集画像、さらに概念と相関する攪乱要因を含む画像セットを生成する。研究チームは、画像から脳活動を予測する「fMRI」エンコーディングモデルを活用することで、他の要因から特定の概念表現を分離して抽出した。この手法により、既知の機能部位の特定に成功したほか、数十の新たな概念表現の候補を特定した。予測データおよび実測のfMRIデータを用いた検証において、誤検出を除去する上で因果テストが不可欠であることが示され、神経活動の記録だけでは脳内の概念特定における証拠として不十分であることが明らかになった。

MITの研究チームは、脳内における視覚概念の表現を特定するための自動フレームワーク「BrainCause」を導入した。従来の神経科学では、顔や場所といった特定の概念に強く反応する部位を見つける「活性化最大化（Activation maximization）」という手法が用いられてきたが、本研究はこうした神経活動の反応だけでは、概念の真の表現を証明するには不十分であると結論付けた。神経の反応は多くの場合、概念そのものではなく相関する視覚的・意味的な手がかりによって引き起こされており、これが従来の脳マップ研究において重大な誤検出を生む原因となっている。

BrainCauseフレームワークは、生成モデルと脳モデルを統合し、標的を絞った因果テストを行う。システムは特定のクエリに対し、ターゲット概念の画像、他のコンテンツを維持しつつターゲット概念のみを除去した反事実的編集画像、さらに概念と相関する攪乱要因を含む画像セットを生成する。研究チームは、画像から脳活動を予測する「fMRI」エンコーディングモデルを活用することで、他の要因から特定の概念表現を分離して抽出した。この手法により、既知の機能部位の特定に成功したほか、数十の新たな概念表現の候補を特定した。予測データおよび実測のfMRIデータを用いた検証において、誤検出を除去する上で因果テストが不可欠であることが示され、神経活動の記録だけでは脳内の概念特定における証拠として不十分であることが明らかになった。