📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2026/01/260120000308.htm
原文作者：The Hebrew University of Jerusalem
一项新的研究表明，人脑理解口语的方式与先进的AI语言模型的操作方式非常相似。研究人员通过记录参与者听一个口述故事时的大脑活动，发现大脑对语言的反应阶段与大型语言模型（如GPT-2和Llama 2）的深层结构非常吻合，尤其是在布洛卡区（Broca's area）等知名语言区域。这些结果对长期以来基于规则的语言理解观念提出了质疑，并且有新发布的公共数据集为研究大脑如何形成意义提供了强大的新方法支持。
这项发表在《自然-通讯》（Nature Communications）上的研究由希伯来大学的Ariel Goldstein博士领导，合作者包括谷歌研究院的Mariano Schain博士以及普林斯顿大学的Uri Hasson教授和Eric Ham。团队共同发现，人类理解语音和现代AI模型处理文本之间存在着惊人的相似之处。
研究人员使用了对听了三十分钟播客的参与者进行的大脑皮层电图（ECoG）记录，追踪了语言处理过程中大脑活动的时间和位置。他们发现，大脑遵循一个结构化的序列，这与大型语言模型（LLMs）如GPT-2和Llama 2的层级化设计密切匹配。
人脑如何随着时间推移构建意义
当我们听别人说话时，大脑不会一次性掌握全部意义。相反，每个词都会经过一系列的神经步骤。Goldstein及其同事证明，这些步骤随着时间的推移而展开的方式，恰好反映了AI模型处理语言的方式。AI中的早期层级关注基本的词汇特征，而更深的层级则结合了语境、语气和更广泛的意义。
人类大脑的活动遵循了相同的模式。早期的神经信号与AI处理的早期阶段相匹配，而较晚的大脑反应则与模型的深层结构相对应。这种时间上的匹配在更高级的语言区域（如布洛卡区）尤为明显，当与更深的AI层级相关联时，这些区域的反应达到峰值的时间更晚。
根据Dr. Goldstein的说法："最让我们惊讶的是，大脑对意义的时间展开过程与大型语言模型内部的转换序列如此紧密地匹配。尽管这些系统在构建上截然不同，但两者似乎都在朝向理解的逐步构建这一目标趋同。"
这些发现为何重要
这项研究表明，人工智能的作用不仅仅是生成文本。它也可能帮助科学家更好地理解人类大脑是如何创造意义的。多年来，人们普遍认为语言主要依赖于固定的符号和僵硬的层级结构。这些结果挑战了这一观点，转而指向一种更具灵活性和统计性的过程，在这种过程中，意义是通过语境逐渐浮现的。
研究人员还测试了传统的语言学元素，如音素和词素。这些经典特征在解释实时大脑活动方面，不如AI模型产生的语境表征有效。这支持了人脑更多地依赖于流动的语境而非严格的语言构建块的观点。
语言神经科学的新资源
为了推动该领域的发展，研究团队已将整套神经记录和语言特征公开。这个开放的数据集允许全球的研究人员比较语言理解的各种理论，并开发出更能反映人类思维运作方式的计算模型。
人脑似乎以与先进AI语言模型相同的方式，通过分层、逐步的方式从语音中构建意义。这项发现重塑了人们对语言的长期看法，表明理解是随着上下文逐渐增长的，而非基于固定的规则。来源：Shutterstock
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区