人腦處理語言或與AI工作方式驚人相似

一項(xiàng)新研究表明，人腦理解口語的過程采用了逐步處理的方式，這與先進(jìn)的AI語言模型的運(yùn)行機(jī)制極為相似。研究人員通過記錄人們聆聽口述故事時(shí)的大腦活動(dòng)發(fā)現(xiàn)，大腦反應(yīng)的后期階段與AI系統(tǒng)的深層層級(jí)相匹配，特別是在布羅卡區(qū)等著名的語言區(qū)域中。這一結(jié)果對(duì)長(zhǎng)期以來基于規(guī)則的語言理解理論提出了質(zhì)疑，并得到了新發(fā)布的公共數(shù)據(jù)集的支持，為研究大腦如何形成意義提供了強(qiáng)大的新途徑。

這項(xiàng)發(fā)表在《自然通訊》上的研究由希伯來大學(xué)的阿里爾·戈德斯坦博士領(lǐng)導(dǎo)，合作者包括谷歌研究院的馬里亞諾·夏因博士以及普林斯頓大學(xué)的烏里·哈森教授和埃里克·哈姆。研究團(tuán)隊(duì)共同發(fā)現(xiàn)了人類理解語音與現(xiàn)代AI模型處理文本之間的驚人相似性。

科學(xué)家們使用皮層腦電圖記錄技術(shù)，追蹤參與者聆聽30分鐘播客時(shí)語言處理過程中大腦活動(dòng)的時(shí)間和位置。他們發(fā)現(xiàn)，大腦遵循一個(gè)結(jié)構(gòu)化序列，與GPT-2和Llama 2等大語言模型的分層設(shè)計(jì)高度匹配。

大腦如何隨時(shí)間構(gòu)建意義

當(dāng)我們聆聽別人說話時(shí)，大腦并非一次性理解全部含義。相反，每個(gè)詞都會(huì)經(jīng)過一系列神經(jīng)步驟。戈德斯坦及其同事表明，這些步驟在時(shí)間上的展開方式反映了AI模型處理語言的方式。AI的早期層級(jí)專注于基本的詞匯特征，而深層層級(jí)則結(jié)合上下文、語調(diào)和更廣泛的含義。

人腦活動(dòng)遵循了同樣的模式。早期的神經(jīng)信號(hào)與AI處理的早期階段相匹配，而后期的大腦反應(yīng)則與模型的深層層級(jí)保持一致。這種時(shí)間匹配在布羅卡區(qū)等高級(jí)語言區(qū)域中特別強(qiáng)烈，當(dāng)與AI深層層級(jí)關(guān)聯(lián)時(shí)，這些區(qū)域的反應(yīng)峰值出現(xiàn)得更晚。

戈德斯坦博士表示："最令我們驚訝的是，大腦意義的時(shí)間展開過程與大語言模型內(nèi)部的變換序列如此密切匹配。盡管這些系統(tǒng)的構(gòu)建方式截然不同，但兩者似乎都趨向于類似的逐步構(gòu)建理解的方式。"

這些發(fā)現(xiàn)的重要意義

研究表明，人工智能不僅能夠生成文本，還可能幫助科學(xué)家更好地理解人腦如何創(chuàng)造意義。多年來，人們認(rèn)為語言主要依賴于固定符號(hào)和嚴(yán)格的層次結(jié)構(gòu)。這些結(jié)果挑戰(zhàn)了這一觀點(diǎn)，轉(zhuǎn)而指向了一個(gè)更靈活和統(tǒng)計(jì)性的過程，其中意義通過上下文逐漸顯現(xiàn)。

研究人員還測(cè)試了傳統(tǒng)的語言學(xué)元素，如音素和詞素。這些經(jīng)典特征在解釋實(shí)時(shí)大腦活動(dòng)方面不如AI模型產(chǎn)生的上下文表示有效。這支持了大腦更多依賴于流動(dòng)上下文而非嚴(yán)格語言構(gòu)建塊的觀點(diǎn)。

語言神經(jīng)科學(xué)的新資源

為了推動(dòng)該領(lǐng)域的發(fā)展，研究團(tuán)隊(duì)已將完整的神經(jīng)記錄和語言特征數(shù)據(jù)集公開。這一開放數(shù)據(jù)集使世界各地的研究人員能夠比較語言理解理論，并開發(fā)出更接近人類思維工作方式的計(jì)算模型。

Q&A

Q1：這項(xiàng)研究發(fā)現(xiàn)了人腦和AI在語言處理上有什么相似性？

A：研究發(fā)現(xiàn)人腦理解口語采用逐步處理方式，與大語言模型的運(yùn)行機(jī)制極為相似。大腦早期神經(jīng)信號(hào)對(duì)應(yīng)AI的早期層級(jí)處理基本詞匯特征，后期大腦反應(yīng)則與AI深層層級(jí)匹配，結(jié)合上下文和更廣泛含義，特別是在布羅卡區(qū)等語言區(qū)域中這種匹配更加明顯。

Q2：這項(xiàng)發(fā)現(xiàn)對(duì)傳統(tǒng)語言理解理論有什么影響？

A：研究結(jié)果挑戰(zhàn)了長(zhǎng)期以來基于規(guī)則的語言理解理論。傳統(tǒng)觀點(diǎn)認(rèn)為語言主要依賴固定符號(hào)和嚴(yán)格層次結(jié)構(gòu)，但研究發(fā)現(xiàn)傳統(tǒng)語言學(xué)元素如音素和詞素在解釋實(shí)時(shí)大腦活動(dòng)方面不如AI模型的上下文表示有效，支持了大腦更多依賴流動(dòng)上下文的觀點(diǎn)。

Q3：研究團(tuán)隊(duì)為科學(xué)界提供了什么新資源？

A：研究團(tuán)隊(duì)已將完整的神經(jīng)記錄和語言特征數(shù)據(jù)集公開發(fā)布，創(chuàng)建了一個(gè)開放數(shù)據(jù)集。這一資源使世界各地的研究人員能夠比較不同的語言理解理論，開發(fā)出更接近人類思維工作方式的計(jì)算模型，為語言神經(jīng)科學(xué)研究提供了強(qiáng)大的新工具。