腦機啟偵 | 人腦的工作方式可能比任何人預期的更像人工智能

人腦似乎以與先進人工智能語言模型相同的分層、逐步方式從語音中構建意義。這一發現重塑了長期以來關于語言的觀念，表明理解是通過語境而非固定規則逐步成長的。

摘要：科學家們發現，人腦理解口語的方式與先進人工智能語言模型的工作方式非常相似。通過追蹤人們聽長時間播客時的大腦活動，研究人員發現意義是一步步展開的——就像GPT式模型等系統內部的分層處理一樣。

一項新研究表明，人腦通過逐步理解口語語言，這種過程與先進的人工智能語言模型的工作方式非常相似。通過記錄聽講故事的人的大腦活動，研究人員發現，大腦反應的后期階段與人工智能系統更深層相匹配，尤其是在像布羅卡區域這樣知名的語言區域。這些結果質疑了長期以來基于規則的語言理解觀念，并得到了新發布的公開數據集的支持，該數據集為研究大腦意義如何形成提供了一種強有力的新方法。

這項發表在《SCIENCE DAILY》上的研究由希伯來大學的Ariel Goldstein博士領導，合作者包括谷歌研究的Mariano Schain博士以及普林斯頓大學的Uri Hasson教授和Eric Ham。團隊共同發現了人類理解語音的方式與現代人工智能模型處理文本的方式之間意想不到的相似之處。

科學家們利用聽過三十分鐘播客的參與者的腦電皮層圖錄音，追蹤了大腦活動在語言處理過程中的時間和位置。他們發現大腦遵循結構化序列，與GPT-2和Llama 2等大型語言模型的分層設計非常相似。

1 大腦如何隨著時間構建意義

當我們聽別人說話時，大腦不會一次性完全理解意義。相反，每個單詞都經過一系列神經步驟。Goldstein及其同事展示了這些步驟隨著時間推移的展開，與AI模型處理語言的方式相似。AI的早期層面側重于基本詞匯特征，而更深層次則結合了語境、語氣和更廣泛的含義。

人類大腦活動也遵循同樣的模式。早期的神經信號與人工智能處理的早期階段相匹配，而后期的大腦反應則與模型的更深層次相符。這種時間匹配在更高層次的語言領域尤為強烈，如布羅卡領域，當與更深層的人工智能層級關聯時，響應峰值較晚。

據戈德斯坦博士介紹：“最讓我們驚訝的是，大腦意義的時間展開與大型語言模型中轉換的序列如此接近。盡管這些系統構建方式截然不同，但它們似乎都趨同于逐步構建理解的過程。”

2 這些發現為何重要

研究表明，人工智能不僅能生成文本。這也可能幫助科學家更好地理解人腦如何創造意義。多年來，人們認為語言主要依賴于固定符號和嚴格的等級制度。這些結果挑戰了這種觀點，反而指向一個更靈活、更具統計性質的過程，意義在語境中逐漸顯現。

研究人員還測試了傳統語言元素，如音素和語素。這些經典特征未能很好地解釋實時大腦活動，也無法解釋AI模型產生的情境表征。這支持了大腦更依賴流動語境而非嚴格語言構建模塊的觀點。

3 語言神經科學的新資源

為了推動該領域的發展，團隊已公開了完整的神經記錄和語言特征。這一開放數據集使全球研究人員能夠比較語言理解理論，并開發更貼近人類思維運作的計算模型。

期刊參考

阿里爾·戈德斯坦、埃里克·哈姆、馬里亞諾·斯切恩、塞繆爾·A·納斯塔塞、鮑比·奧布里、扎伊德·扎達、阿維蓋爾·格林斯坦-達布什、哈什瓦爾丹·加祖拉、阿米爾·費德爾、沃納·多伊爾、薩沙·德沃爾、帕特里夏·杜根、丹尼爾·弗里德曼、邁克爾·布倫納、阿維納坦·哈西迪姆、約西·馬蒂亞斯、奧林·德文斯基、諾姆·西格爾曼、阿丁·弗林克、奧默·萊維、羅伊·賴查特、烏里·哈森。人腦中自然語言處理的時間結構對應于大型語言模型的層級結構。《自然傳播》，2025年;16 （1）

DOI： 10.1038/s41467-025-65518-0

來源 | SCIENCE DAILY