August M
Forskare som studerar hur människor förstår tal har funnit belägg som utmanar långvariga föreställningar om språk i den mänskliga hjärnan. Ny forskning tyder på att förståelse kan utvecklas gradvis, på ett sätt som nära speglar hur system för artificiell intelligens bearbetar ord och betydelse.
Resultaten pekar på oväntade likheter mellan biologisk och maskinell intelligens.
Lyssnande och betydelse
Enligt forskning som publicerats i Nature Communications och rapporterats av ScienceDaily följde studien hjärnaktiviteten medan deltagare lyssnade på en 30 minuter lång talad podcast. Arbetet leddes av dr Ariel Goldstein vid Hebreiska universitetet i Jerusalem, tillsammans med forskare från Google Research och Princeton University.
Med hjälp av elektrokortikografi mätte teamet hur olika delar av hjärnan reagerade över tid när språk bearbetades. De fann att förståelse inte uppstod på en gång, utan utvecklades steg för steg.
Senare stadier av hjärnaktiviteten överensstämde nära med djupare bearbetningslager i avancerade AI-språkmodeller som GPT-2 och Llama 2, särskilt i etablerade språkregioner, däribland Brocas område.
En skiktad process
Forskarna observerade att tidiga neurala signaler motsvarade enklare bearbetningsstadier, medan senare signaler återspeglade mer komplex tolkning baserad på ett bredare sammanhang. Detta mönster liknade i hög grad hur moderna AI-system bygger upp betydelse genom flera interna lager.
Goldstein sade: ”Det som överraskade oss mest var hur nära hjärnans tidsmässiga utveckling av betydelse matchar sekvensen av transformationer i stora språkmodeller. Även om dessa system är uppbyggda på mycket olika sätt tycks båda konvergera mot en liknande stegvis uppbyggnad av förståelse.”
Likheten var starkast i högre språkregioner, där hjärnreaktionerna nådde sin topp senare och var som mest kopplade till djupare AI-representationer.
Utmanar gamla teorier
Resultaten ifrågasätter traditionella regelbaserade språkteorier, som betonar fasta strukturer som fonem och grammatiska hierarkier. Forskarna fann att dessa klassiska lingvistiska drag inte förklarade hjärnaktivitet i realtid lika väl som kontextdrivna representationer hämtade från AI-modeller.
I stället stödjer studien en syn på språkförståelse som en flexibel och statistisk process, där betydelse gradvis växer fram ur sammanhang snarare än ur rigida regler.
Forskarna sade att resultaten tyder på att AI-system inte bara kan fungera som verktyg för att generera språk, utan också som modeller för att förstå hur den mänskliga hjärnan skapar mening.
Öppnar nya dörrar
För att stödja fortsatt forskning har teamet publicerat en öppen datamängd som innehåller neurala inspelningar och språkliga egenskaper från studien. Resursen är avsedd att göra det möjligt för forskare världen över att testa konkurrerande språkteorier och utveckla beräkningsmodeller som bättre speglar mänsklig kognition.
Forskarna sade att detta angreppssätt kan bidra till att överbrygga klyftan mellan neurovetenskap och artificiell intelligens och ge nya insikter inom båda områdena.
Källor: ScienceDaily, Nature Communications, Hebreiska universitetet i Jerusalem
