Neuron | GPT助力脑科学打破传统认知，发现人类的说与听共用一套大脑系统

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

认知神经科学前沿文献分享

基本信息：

Title:Linguistic coupling between neural systems for speech production and comprehension during real-time dyadic conversations

发表时间：2025.12.17

Journal:Neuron

影响因子：15.0

获取原文：

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

研究动机与背景

人类语言的核心用途是在大脑间传递思想，在日常对话中，理解（听）与产生（说）是交织在一起的，但以往的研究通常将这两个功能隔离开来，使用受控的、非交互的任务进行观察。虽然已有证据表明两者之间存在共享的表征和机制，但由于缺乏对语言特征的显式建模以及对实时互动对话的研究，科学界一直无法精确测试这两个系统在真实沟通中的重叠程度。此外，传统的对比法或内容无关的分析方法（如ISC）无法告知我们大脑间究竟“共享了什么内容”。因此，作者试图通过结合fMRI超扫描技术与大语言模型（LLM）的显式特征建模，解决在自然互动中语言产生与理解系统如何对齐这一关键科学问题，这对于理解人类沟通的神经本质具有重要意义。

实验设计与方法逻辑

作者提出了三个核心假设：

1. 语言产生和理解过程在语言网络的中高层区域（如STG, IFG）会在功能调谐上实质性重叠，而在早期的感知和运动区域重叠最少（Figure 1B）；

2. 虽然被动听故事与对话中的主动听存在共享的神经调谐，但实时对话会依赖于一些听故事模型无法完全捕捉的独特语言特征；

3. 第三，在大脑间的耦合分析中，预计语言区域会出现耦合，但耦合最强的区域可能是与社会认知相关的区域。

Figure 1. Data collection and modeling framework

为了解决实时互动中的语言对齐问题，作者设计了一套基于fMRI超扫描的实验范式，同时记录30对被试（共60人）进行自由对话时的全脑活动。作者引入了GPT-2大语言模型来提取对话文本的上下文词嵌入（embeddings），将其作为显式的语言特征空间，通过带状岭回归（banded ridge regression）建立从模型特征到BOLD信号的线性映射模型（即编码模型）。这种方法的逻辑在于：通过LLM捕获的高维语言结构，可以量化语言产生和理解过程中神经调谐（functional tuning）的相似性，从而超越简单的激活区对比。此外，作者还引入了被试被动听故事的任务作为对照，用以区分“主动交互”与“被动理解”在神经表征上的异同，并利用交叉验证和方差划分（variance partitioning）等手段，确保LLM特征捕捉的是独特的语言学信息，而非声学或运动混淆项。

核心发现

语言产生与理解在全脑范围内高度重叠

Figure 2A可以看出，LLM特征在核心语言网络（STG, IFG, MFG）以及高层区域（TPJ, PMC）均表现出显著的预测性能。Figure 2B进一步量化发现，各ROI中约80%的编码性能可归因于共享的功能调谐（Shared weights），证明了两者共用一套统一的语言处理机制。

Figure 2. Within-subject speaking and listening encoding performance

对话环境能显著提升神经表征的预测力：

对比Figure 3发现，虽然从被动听故事训练的模型可以部分推广到对话任务中，但训练于对话数据的模型表现明显更优（理解提升41%，产生提升49%）。这表明实时对话中存在独特的语言处理需求，如预测、响应准备和共同基准（common ground）的建立。

Figure 3. Encoding models trained on passive listening partially generalize to neural responses during conversations

LLM上下文嵌入优于传统声学或语音特征

Figure 4的方差划分分析显示，LLM捕获的“上下文语义”在双侧大脑区域提供了超越声学（Acoustic）和音位（Phonemic）特征的独特解释力，尤其是在高阶脑区。

Figure 4. Model comparison and variance partitioning

大脑间的耦合主要由社会认知脑区驱动

Figure 5B展示了模型驱动的大脑间耦合（Speaker-Listener coupling），发现最显著的对齐出现在右侧颞下回（pSTG）、颞顶节点（TPJ）和双侧前楔叶（PMC）。这些区域通常与心理理论和社交认知相关，暗示了成功对话不仅依赖语言对齐，更依赖社交表征的对齐。

Figure 5. Model-based speaker-listener coupling

省流总结

本文探讨了实时互动对话中语言产生（说）与理解（听）在神经层面如何共存的问题。作者利用fMRI超扫描技术实时记录对话双方的脑活动，并创新性地利用大语言模型（GPT-2）作为语言中介特征空间。研究发现，说与听在人类语言网络中共享了约80%的神经调谐，证明了两者共用一套统一的内部表征。此外，研究揭示了实时对话比被动听讲更能激发深层的神经处理，且对话双方的大脑耦合主要发生在负责社交认知和意图理解的脑区。这一成果不仅深化了我们对语言神经机制的理解，也强调了社交大脑在自然沟通中的核心作用。

AI锐评

该研究的亮点在于其卓越的“生态效度”，它跳出了实验室高度受控但死板的任务范式，直接在自由对话的动态场景下捕捉大脑信号，并巧妙利用LLM解决了复杂语境下语言特征难以量化的难题。这种从“单脑受控”到“双脑互动”的跨越是神经科学的重要趋势。然而，研究也存在一定局限：fMRI较低的时间分辨率（1.5s TR）可能掩盖了对话中快速切换的微观神经动力学；此外，由于扫描环境限制，被试无法面对面交流且需按键切换麦克风，这在一定程度上削弱了对话的自然性。尽管如此，这篇论文依然是计算神经语言学领域的一项里程碑式工作。

请打分

这篇刚刚登上Neuron的研究，是否实至名归？我们邀请您作为“云审稿人”，一同品鉴。精读全文后，欢迎在匿名投票中打分，并在评论区分享您的深度见解。

前沿交流|欢迎加入认知神经科学前沿交流群！

核心图表、方法细节、统计结果与讨论见原文及其拓展数据。

分享人：天天

审核：PsyBrain 脑心前沿编辑部