Creative Thinking
要約済み 1
-
hf-papers 1日前 4研究：LLMの創造的思考、人間の脳活動と一致Large Language Models Align with the Human Brain during Creative Thinking
fMRIデータとLLMの内部表現を比較し、創造的思考中の脳とAIの対応を初めて体系的に実証。 モデルが大きく創造性スコアが高いほどデフォルトモードネットワーク（DMN）との一致度が向上。 推論特化チューニングは創造的脳応答との整合を低下させ、LLM設計に新たな示唆を与える。
解説 本論文はEPFL・Pennsylvania State大学等の研究チームが、大規模言語モデル（LLM）と人間の脳活動の対応関係を「創造的思考」という高次認知課題で初めて検証した研究。170名の被験者がAUT（代替用途課題：例「凧の斬新な使い方を考えよ」）を行う際のfMRI（機能的磁気共鳴画像法）データと、Gemma・Llama・Qwen等270M〜72BのLLM内部表現を、RSA（表現類似性解析）を用いて比較。主な知見は3点。①モデルサイズとAUTスコアが高いほど、創造性に関わる脳領域「デフォルトモードネットワーク（DMN）」との一致度が高い（r=0.58, p<0.05）。ただしこの傾向はプロンプト処理段階に限られ、回答生成後は弱まる。②高い層（後半の層）ほど脳との整合性が強く（r=0.54）、創造的思考が高次表現に依存することを示す。③後学習の目的により脳整合性が選択的に変化：創造性最適化モデル（CrPO）は高創造性の脳応答との一致を保持しつつ低創造性応答との一致を低下、推論チェーン学習（DeepSeek-R1系）は真逆のパターンを示し、数学・コーディング等収束的思考の訓練が発散的思考能力を損なう可能性を示唆。GPT-4o等のフロンティアモデルとの直接比較は行われていないが、推論特化トレーニングが創造性の神経表現から遠ざかるという発見は、今後のLLM設計に重要な示唆を与える。