谷歌最新发现全色网导航，大模子竟巧合对应东说念主脑语言料理机制？！

他们将确凿对话中的东说念主脑活动与语音到文本 LLM 的里面镶嵌进行了比较，收尾两者之间呈现线性干系关系。

比如语言贯通门径，领先是语音，然后是词义；又或者生成门径：先操办，再发音，然后听到我方的声息。还有像在高下文展望单词，也推崇出了惊东说念主的一致性。

其论文发表在了 Nature 子刊。

网友默示：这个问题比大巨额东说念主意志到的要蹙迫得多。

谷歌对皆大模子与东说念主脑信号

他们引入了一个合资的计较框架，将声学、语音和单词级语言结构酌量起来，以征询东说念主脑中平日对话的神经基础。

他们一边使用皮层电图记载了参与者在进行灵通式确凿对话时语音生成和贯通流程中的神经信号，累计 100 小时。另一边，Whisper 中索求了初级声学、中级语音和高下文单词镶嵌。

然后建树编码模子，将这些镶嵌词线性映射到语音生成和贯通流程中的大脑活动上，这一模子能准确展望未用于放哨模子的数小时新对话汉文言料理端倪结构各端倪的神经活动。

收尾他们就有了一些专诚旨真谛的发现。

关于听到的（语音贯通流程中）或说出的（语音生成流程中）每个单词，都会从语音到文本模子中索求两种类型的镶嵌：

来自模子语音编码器的语音镶嵌和来自模子解码器的基于单词的语言镶嵌。

通过计算线性变换，不错凭据语音到文本的镶嵌来展望每次对话中每个单词的大脑神经信号。

比如听到「How are you doing？」，大脑对语言贯通的神经反应序列 be like：

当每个单词发音时，语音镶嵌大致展望沿颞上回（STG）的语音区域的皮层活动。

几百毫秒后，当听者初始解码单词的含义时，语言镶嵌会展望布罗卡区（位于额下回；IFG）的皮层活动。

不外关于回应者，则是糜掷相背的神经反应序列。

在准备发音「Feeling Fantastic」之前，在发音前约 500 毫秒（受试者准备发音下一个单词时）全色网导航，语言镶嵌（蓝色）展望布罗卡区的皮层活动。

几百毫秒后（仍在单词发音之前），当话语者操办发音时，语音镶嵌（红色）展望领路皮层（MC）的神经活动。

临了，在话语者发音后，当听者凝听我方的声息时，语音镶嵌会展望 STG 听觉区域的神经活动。

这种动态变化反馈了神经料理的门径——

领先是在语言区操办说什么，然后是在领路区怎样发音，临了是在感知语音区监测说了什么。

全脑分析的定量收尾清晰，关于每个单词，凭据其语音镶嵌（红色）和语言镶嵌（蓝色），团队展望了每个电极在单词出现前 -2 秒到出现后 +2 秒（图中 x 轴值为 0）的时滞范围内的神经反应。这是在语音生成（左图）和语音贯通（右图）时进行的。干系图表阐述了他们对通盘单词的神经活动（干系性）的展望准确度与不同脑区电极滞后的函数关系。

在语音生成流程中，IFG 中的语言镶嵌（蓝色）昭彰先于嗅觉领路区的语音镶嵌（红色）达到峰值，随后 STG 中的语音编码达到峰值。相背，在语音贯通流程中，编码峰值篡改到了单词初始之后，STG 中的语音镶嵌（红色）峰值昭彰早于 IFG 中的语言编码（蓝色）峰值。

总之征询收尾标明，语音到文本模子镶嵌为贯通当然对话流程汉文言料理的神经基础提供了一个连贯的框架。

令东说念主骇怪的是，诚然 Whisper 糜掷是为语音识别而建树的，并莫得接头大脑是怎样料理语言的，但他们发现它的里面表征与当然对话流程中的神经活动是一致的。

尽管大模子在并行层中料理单词，但东说念主类大脑以串行表情料理它们，但反馈了肖似的统计规章。

大模子与东说念主类大脑之间的吻合揭示了神经料理中的  「软端倪 」这一见地，大脑中较初级别的声学料理和较高等别的语义料理部分叠加。

大模子与东说念主脑之间的异同

平日生涯中，东说念主类大脑怎样料理应然语言？从表面上讲，大语言模子和东说念主类的标志表情语言学模子是两种糜掷不同的计较框架。

但受到大模子告捷的启发，谷歌征询院与普林斯顿大学、纽约大学等结合，试图探索东说念主脑和大模子料理字眼语言的异同。

经过夙昔五年一系列征询，他们探索了特定特定深度学习模子的里面表征（镶嵌）与当然目田对话流程中东说念主脑神经活动之间的相同性，阐述了深度语言模子的镶嵌，不错动作「贯通东说念主脑怎样料理语言」的框架。

在此之前，他们就完成了多项征询。

比如 2022 年发表在 Nature Neuroscience 上论文清晰，他们发现与大模子相同，听者大脑的语言区域也会尝试鄙人一个单词说出之前对其进行展望；而在单词发音前对展望的信心会改变他们在单词发音后的骇怪进程（展望舛讹）。

这些发现阐述了自追念语言模子与东说念主脑共有的肇始前展望、肇始后骇怪和基于镶嵌的高下文表征等基本计较旨趣。

还有发表在 Nature Communications 另一篇论文中还发现，大模子的镶嵌空间几何图形所捕捉到的当然语言中单词之间的关系，与大脑在语言区指令的表征（即大脑镶嵌）的几何图形一致。

不外即便计较旨趣肖似，但他们底层神经回路架构却昭彰不同。

在一项后续征询中，他们打听了与东说念主脑比较，基于 Transformer 的大模子是怎样跨层料理信息的。

收尾发现，诚然跨层非线性变换在 LLMs 和东说念主脑语言区中相同，但完竣表情却大相径庭。Transformer 架构可同期料理成百上千个单词，而东说念主脑语言区似乎是按门径、逐字、轮回和时辰来分析语言的。

基于这些积聚的征询后果，他们的主见是创建更动的、受生物启发的东说念主工神经网罗，莳植其在执行寰宇中料理信息和阐扬作用的才智。

参考贯穿：

[ 1 ] https://research.google/blog/deciphering-language-processing-in-the-human-brain-through-llm-representations/

[ 2 ] https://www.nature.com/articles/s41562-025-02105-9

[ 3 ] https://x.com/GoogleAI/status/1903149951166902316

[ 4 ] https://x.com/rohanpaul_ai/status/1903373048260284868

一键三连「点赞」「转发」「贯注心」

接待在指摘区留住你的思法！

—  完  —

临了一周！2025 年值得热心的 AIGC 企业居品 报名行将限制 � �

下一个 AI "国产之光"将会是谁？接待请问奖项！

本次评比收尾将于 4 月 16 日中国 AIGC 产业峰会上公布。

� � 一键星标 � �

科技前沿进展逐日见全色网导航