人類大腦竟像AI一樣“層層思考”？腦機接口迎來大突破！

1月21日，ScienceDaily報道稱，以色列耶路撒冷希伯來大學的研究團隊發(fā)現(xiàn)，人類大腦理解口語的過程與先進人工智能語言模型驚人相似。這項成果基于《自然·通訊》雜志的原始論文，由該大學認知與腦科學系的Ariel Goldstein博士領銜，合作者包括谷歌研究院的Mariano Schain博士，以及普林斯頓大學的Uri Hasson教授等人。研究使用電皮層圖（ECoG）技術，記錄參與者聆聽30分鐘真實播客時的腦部活動，捕捉到大腦實時處理語言的時空動態(tài)。

分析顯示，大腦并非瞬間把握全部含義，而是像大型語言模型（例如GPT-2和Llama 2）那樣，通過層層遞進的方式逐步構建理解。早期神經(jīng)信號對應AI模型的淺層，主要處理單詞的基本特征（如句法和簡單語義）；后期信號則與模型深層對齊，這些深層整合更廣泛的上下文、語調和整體意義。這種時間序列匹配在高級語言區(qū)（如布羅卡區(qū)）表現(xiàn)尤為明顯，后期響應峰值與AI深層高度一致。

研究者還對比了傳統(tǒng)語言學元素（如音素和詞素），發(fā)現(xiàn)它們對實時腦活動的解釋力遠不如AI模型提供的上下文表征。這表明，大腦更依賴流動的統(tǒng)計上下文，而非嚴格的符號規(guī)則或固定層級。

Goldstein博士表示：“最讓我們驚訝的是，大腦意義展開的時間過程與大型語言模型內部的變換序列如此貼合。盡管兩者構建方式截然不同，卻在逐步累積理解的機制上趨同。”

這項發(fā)現(xiàn)不僅重塑了我們對語言認知的理解，還為腦機接口（BCI）領域帶來重要啟示：AI可作為強大工具反向解碼人類思維過程，幫助優(yōu)化神經(jīng)信號解讀算法、提升植入設備對語言意圖的精準捕捉，并加速更仿生化的腦機系統(tǒng)開發(fā)。團隊公開的全部神經(jīng)記錄與語言特征數(shù)據(jù)集，也為Neuralink等BCI項目提供了寶貴基準數(shù)據(jù)。未來，這種腦-AI“意外趨同”或將推動腦機接口向更高帶寬、更自然交互的方向演進，開啟全新認知與融合時代。