I grandi modelli linguistici si allineano al cervello umano durante il pensiero creativo

Abstract

Il pensiero creativo è un aspetto fondamentale della cognizione umana, e il pensiero divergente – la capacità di generare idee nuove e varie – è ampiamente considerato il suo motore generativo centrale. I grandi modelli linguistici (LLM) hanno recentemente dimostrato prestazioni impressionanti nei test di pensiero divergente, e lavori precedenti hanno indicato che i modelli con prestazioni migliori tendono a essere più allineati all'attività cerebrale umana. Tuttavia, gli studi esistenti sull'allineamento cervello-LLM si sono concentrati su compiti passivi e non creativi. Qui esploriamo l'allineamento cerebrale durante il pensiero creativo utilizzando dati fMRI di 170 partecipanti che eseguono il Compito degli Usi Alternativi (AUT). Estraiamo rappresentazioni da LLM di dimensioni variabili (da 270M a 72B) e misuriamo l'allineamento con le risposte cerebrali tramite l'Analisi della Similarità Rappresentazionale (RSA), prendendo di mira le reti neurali correlate alla creatività, ovvero la default mode network e le reti frontoparietali. Troviamo che l'allineamento cervello-LLM scala con la dimensione del modello (solo per la default mode network) e con l'originalità delle idee (entrambe le reti), con effetti più forti all'inizio del processo creativo. Mostriamo inoltre che gli obiettivi di post-addestramento modellano l'allineamento in modo funzionalmente selettivo: un Llama-3.1-8B-Instruct ottimizzato per la creatività preserva l'allineamento con le risposte neurali ad alta creatività riducendo quello con le risposte a bassa creatività; un modello raffinato sul comportamento umano eleva l'allineamento con entrambe; e una variante addestrata per il ragionamento mostra il modello opposto, suggerendo che l'addestramento a catena del pensiero orienta le rappresentazioni lontano dalla geometria neurale creativa verso un'elaborazione analitica. Questi risultati dimostrano che gli obiettivi di post-addestramento rimodellano selettivamente le rappresentazioni degli LLM rispetto alla geometria neurale del pensiero creativo umano.

English

Creative thinking is a fundamental aspect of human cognition, and divergent thinking-the capacity to generate novel and varied ideas-is widely regarded as its core generative engine. Large language models (LLMs) have recently demonstrated impressive performance on divergent thinking tests and prior work has shown that models with higher task performance tend to be more aligned to human brain activity. However, existing brain-LLM alignment studies have focused on passive, non-creative tasks. Here, we explore brain alignment during creative thinking using fMRI data from 170 participants performing the Alternate Uses Task (AUT). We extract representations from LLMs varying in size (270M-72B) and measure alignment to brain responses via Representational Similarity Analysis (RSA), targeting the creativity-related default mode and frontoparietal networks. We find that brain-LLM alignment scales with model size (default mode network only) and idea originality (both networks), with effects strongest early in the creative process. We further show that post-training objectives shape alignment in functionally selective ways: a creativity-optimized Llama-3.1-8B-Instruct preserves alignment with high-creativity neural responses while reducing alignment with low-creativity ones; a human behavior fine-tuned model elevates alignment with both; and a reasoning-trained variant shows the opposite pattern, suggesting chain-of-thought training steers representations away from creative neural geometry toward analytical processing. These results demonstrate that post-training objectives selectively reshape LLM representations relative to the neural geometry of human creative thought.

I grandi modelli linguistici si allineano al cervello umano durante il pensiero creativo

Large Language Models Align with the Human Brain during Creative Thinking

Abstract

Support