MIT 연구진은 뇌 속 시각적 개념 표현을 식별하기 위한 자동화된 프레임워크 BrainCause를 발표했다. 기존 신경과학 연구는 특정 개념에 강하게 반응하는 영역을 찾는 활성화 극대화 기법을 사용해 왔으나, 이번 연구는 이러한 방식이 실제 표현을 증명하기엔 부족하다는 점을 확인했다. 반응이 개념 자체가 아닌 상관관계가 있는 시각적·의미적 단서에서 기인하는 경우가 많아, 기존 매핑 연구에서 상당한 위양성(false positives)이 발생하기 때문이다.

BrainCause는 생성 모델과 뇌 모델을 통합해 목표 지향적 인과적 검증을 수행한다. 시스템은 특정 개념이 포함된 이미지, 해당 개념만 제거한 반사실적 편집 이미지, 상관관계가 있는 방해 요소 이미지를 포함한 자극 세트를 생성한다. 이후 이미지-fMRI 인코딩 모델을 통해 뇌 반응을 예측하여 특정 표현을 분리해 낸다. 이 기법은 기존에 알려진 기능적 영역을 성공적으로 재발견했을 뿐 아니라 수십 개의 새로운 후보 표현을 식별했다. fMRI 예측 및 실측 데이터를 통한 검증 결과, 인과적 검증이 위양성을 걸러내는 데 필수적이며 신경 활성화만으로는 뇌 속 개념 위치를 특정하기 불완전함이 증명되었다.

MIT 연구진은 뇌 속 시각적 개념 표현을 식별하기 위한 자동화된 프레임워크 BrainCause를 발표했다. 기존 신경과학 연구는 특정 개념에 강하게 반응하는 영역을 찾는 활성화 극대화 기법을 사용해 왔으나, 이번 연구는 이러한 방식이 실제 표현을 증명하기엔 부족하다는 점을 확인했다. 반응이 개념 자체가 아닌 상관관계가 있는 시각적·의미적 단서에서 기인하는 경우가 많아, 기존 매핑 연구에서 상당한 위양성(false positives)이 발생하기 때문이다.

BrainCause는 생성 모델과 뇌 모델을 통합해 목표 지향적 인과적 검증을 수행한다. 시스템은 특정 개념이 포함된 이미지, 해당 개념만 제거한 반사실적 편집 이미지, 상관관계가 있는 방해 요소 이미지를 포함한 자극 세트를 생성한다. 이후 이미지-fMRI 인코딩 모델을 통해 뇌 반응을 예측하여 특정 표현을 분리해 낸다. 이 기법은 기존에 알려진 기능적 영역을 성공적으로 재발견했을 뿐 아니라 수십 개의 새로운 후보 표현을 식별했다. fMRI 예측 및 실측 데이터를 통한 검증 결과, 인과적 검증이 위양성을 걸러내는 데 필수적이며 신경 활성화만으로는 뇌 속 개념 위치를 특정하기 불완전함이 증명되었다.