用人工智能来理解人类的大脑

旨在复制人类说话方式的简单人工智能模型可能为人类实际如何处理语言提供线索……

发表在《美国国家科学院院刊》(Proceedings of the National Academy of Sciences)上的一项研究表明，一系列被优化用于预测前一篇文章中下一个单词的模型，就像智能手机上用于预测文本的模型一样，与人类大脑表现出了惊人的相似之处。

这些模型被称为“神经网络”。尽管它们的基本结构松散地基于大脑中的神经元，但它们的发展并没有试图密切模仿大脑的计算，尤其是因为这些计算还没有被很好地理解。这些简单的模型是由一组节点或神经元组成的，它们以不同程度的强度相互连接。信息可以通过这些网络传递，它们可以被优化以执行某些任务，比如预测字符串中的下一个单词。

在这项研究中，研究人员测量了这种人工神经网络在呈现文本字符串时产生的神经模式。然后，这些反应与接受脑部扫描的受试者的大脑模式进行比较。

研究人员对43种最先进的语言模型进行了比较，发现最好的下一个单词预测模型表现出与大脑中看到的模式非常相似。没有优化下一个单词预测的模型没有显示出这种相似性，这表明下一个单词预测可能在大脑中潜在的计算中起着特殊的作用。

来自麻省理工学院的Ev Fedoronko是这项研究的资深作者，他对这些发现表示惊讶:“就在几年前，我不会预测到我们会走到这一步。即使在几年前，如果你还记得用谷歌翻译翻译一些东西，那也是相当糟糕的。突然之间，在过去的5年里，这些任务做得非常非常好。所以，作为一名语言科学家，它们足够好，以至于我认为，好吧，这个模型捕捉到了语言统计中非常有用的东西。让我们看看我们是否能以某种方式利用它们来尝试理解人类大脑是如何解决语言问题的。”

虽然这些联系令人兴奋，但这些模型不太可能包含正确的大脑模型。正如埃夫所指出的，它们都过于简单化了。然而，通过比较许多不同的模型，研究人员可以询问是什么使某些模型比其他模型更好，并对大脑的潜在机制做出推断。希望这能突破人们对大脑如何工作的理解。

“在这些模型出现之前，我们可以描述这些语言大脑区域的特征。我们可以说，‘好吧，他们是高度专业化的语言，他们关注单词的含义和结构，关注单词如何组合成更大的单位，但我们如何开始猜测正在进行的计算，以及我们如何测试它?’这些模型提供了实现这一目标的方法。”