颠覆认知！大脑靠“语境递进”理解语言 类似AI模型

新研究表明，人类大脑理解口语的过程是逐步递进的，与先进AI语言模型的运作方式高度相似。研究人员通过记录人们听有声故事时的大脑活动发现，大脑反应的后期阶段与AI系统的深层网络匹配，尤其是在布洛卡区等经典语言区域。这些结果对长期以来“基于规则的语言理解”理论提出了质疑，同时团队发布的公开数据集为探索大脑如何形成语义提供了全新方法。

这项发表在《自然·通讯》的研究由希伯来大学的Ariel Goldstein博士主导，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。团队意外发现，人类理解语言的方式与现代AI模型处理文本的方式存在惊人的相似性。

研究人员让参与者聆听30分钟播客，通过**颅内脑电图（electrocorticography）**记录他们处理语言时大脑活动的时间和位置。结果显示，大脑的处理序列与GPT-2、Llama 2等大语言模型的分层设计高度吻合。

一、大脑如何逐步构建语义？和AI分层逻辑一致

听别人说话时，大脑并非瞬间理解全部语义——每个词都要经过一系列神经处理步骤。Goldstein团队发现，这些步骤的时间展开方式与AI模型处理语言的过程完全对应：

AI的浅层网络聚焦于单词的基本特征（如拼写、发音）；

深层网络则整合语境、语气和更广泛的语义（如句子逻辑、隐含含义）。

人类大脑活动也遵循同样模式：早期神经信号对应AI的浅层处理，后期大脑反应则与模型的深层网络匹配。这种时间匹配在高级语言区域（如布洛卡区）尤为明显——当关联AI深层网络时，这些区域的反应峰值出现得更晚。

Goldstein博士表示：“最让我们惊讶的是，大脑逐步构建语义的时间过程，与大语言模型内部的转换序列高度契合。尽管两者的物理结构截然不同，但似乎都收敛于相似的‘逐步理解’路径。”

二、研究意义：挑战传统语言学，AI成大脑研究新工具

研究表明，AI的价值不止于生成文本，还能帮助科学家解码人类大脑的语义形成机制。长期以来，语言被认为主要依赖“固定符号+严格层级”的规则系统，但这项研究指出：语言理解是一个更灵活的统计过程，语义通过语境逐步浮现。

研究人员还测试了音素、语素等传统语言学元素，发现这些经典特征对实时大脑活动的解释力，远不如AI模型生成的语境表征。这进一步支持了“大脑更依赖流动语境，而非孤立的语言构建模块”的观点。

三、开放数据集：为语言神经科学提供新资源

为推动领域发展，团队已将完整的神经记录和语言特征数据公开。这个开放数据集让全球研究人员能够对比不同语言理解理论，开发更贴近人类思维的计算模型。