人脑处理语言方式竟与AI模型高度相似

快速阅读: 据新华社报道，以色列与美国研究团队发现人脑处理口语呈逐层递进模式，与大型语言模型工作机制高度相似，布罗卡区活跃度匹配AI深层表征，成果发表于《自然·通讯》。

新华社耶路撒冷电 以色列和美国研究人员近日发现，人类大脑处理口语信息的过程呈现出一种逐层递进的序列，其模式与当前先进的大型语言模型（LLM）内部工作机制高度相似。这一研究成果已发表于国际学术期刊《自然·通讯》。

该研究由耶路撒冷希伯来大学联合普林斯顿大学及谷歌研究院共同完成。研究人员通过记录受试者聆听自然语音时的脑活动，发现大脑在接收语言信号后，并非一次性解析完整语义，而是通过一系列快速的神经步骤逐步构建意义。这一时间进程与人工智能模型中从浅层到深层的信息处理路径高度对应：早期脑反应对应AI模型的浅层结构，主要处理词汇和声学特征；而后期脑活动则与模型深层结构同步，涉及上下文整合、语调理解及复杂语义合成。

其中，布罗卡区——大脑核心语言中枢——表现出最强的相关性，其活跃程度与AI最深层、最复杂的表征高度匹配。这一发现对传统语言学理论提出挑战，后者通常将语言处理视为基于固定规则的静态系统；新证据则支持语言理解是一个动态、渐进、依赖语境的过程。

此外，研究团队已公开全部脑电数据及配套语言特征集，以推动学界对自然语言神经机制的深入探索。专家指出，该成果不仅深化了对人脑语言处理机制的理解，也为人工智能模型的生物学合理性提供了新的实证依据。

(以上内容均由Ai生成)