نورون‌های مغز هنگام شنیدن کلمات، معنای آن‌ها را به شکلی شبیه مدل‌های زبانی رمزگذاری می‌کنند

پژوهش جدید نشان می‌دهد مغز انسان چگونه معنای واژه‌های گفتاری را پردازش می‌کند.

درک چگونگی پردازش و بازنمایی زبان گفتاری در مغز انسان، همچنان یکی از اهداف مهم علوم اعصاب به شمار می‌رود. فهم کلمات فقط به تشخیص صداها محدود نیست، بلکه مغز باید معنای واژه‌ها و تغییر مفهوم آن‌ها در موقعیت‌های مختلف را نیز تشخیص دهد.

مدل‌های زبانی بزرگ (LLM) که زیربنای سامانه‌های هوش مصنوعی مانند چت‌جی‌پی‌تی و جمنای هستند، فرصت‌های تازه‌ای برای بررسی نحوه پردازش زبان فراهم کرده‌اند. برای مثال، مقایسه بازنمایی معنای واژه‌ها در این مدل‌ها با الگوهای فعالیت مغزی افراد هنگام شنیدن زبان گفتاری می‌تواند به درک بهتر نحوه تفسیر کلمات در مغز انسان و مدل‌های هوش مصنوعی کمک کند.

پژوهشگران دانشکده پزشکی بیلور، دانشگاه رایس، دانشگاه کالیفرنیا در برکلی و بیمارستان کودکان تگزاس، در مطالعه‌ای تازه بررسی کردند که گروه‌هایی از سلول‌های مغزی چگونه معنای واژه‌ها را رمزگذاری می‌کنند. آن‌ها برای طراحی پژوهش خود از نحوه پردازش زبان در مدل‌های زبانی بزرگ الهام گرفتند. نتایج این تحقیق که در مجله نیچر نوروساینس منتشر شد، نشان می‌دهد معنای کلمات از طریق الگوهای فعالیت گسترده در میان چندین نورون یا سلول عصبی در هیپوکامپ، ناحیه‌ای از مغز که در حافظه نقش دارد، بازنمایی می‌شود.

ثبت فعالیت عصبی هنگام گوش دادن به داستان‌ها

پژوهشگران برای بررسی نحوه رمزگذاری معنای واژه‌ها، ابتدا فعالیت نورون‌های منفرد هیپوکامپ را در ۱۰ نفر هنگام گوش دادن به داستان‌ها ثبت کردند. این داده‌ها با استفاده از الکترودهای سیمی بسیار ظریفی جمع‌آوری شدند که در چارچوب فرایندهای بالینی پایش صرع، در مغز شرکت‌کنندگان قرار گرفته بودند.

سپس گروه تحقیق با کمک مدل‌های ریاضی، زبان به‌کاررفته در داستان‌ها و داده‌های ثبت‌شده از فعالیت مغزی را تحلیل کرد. این روش به آن‌ها اجازه داد بررسی کنند که آیا اطلاعات مربوط به معنای کلمات می‌تواند فعالیت ثبت‌شده نورون‌ها را پیش‌بینی کند یا خیر.

ملیسا فرنچ و همکارانش در مقاله خود نوشتند

ما هنگام گوش دادن افراد به گفتار روایی، پاسخ‌های نورون‌های هیپوکامپ را ثبت کردیم. با استفاده از رویکرد مدل‌سازی رمزگذاری، توانستیم شواهد محکمی از رمزگذاری معنایی پیدا کنیم؛ حتی پس از آنکه عوامل مربوط به واج‌شناسی و دستور زبان را در نظر گرفتیم. واکنش نورون‌ها به واژه‌های منفرد الگوهای پیچیده‌ای داشت و هر نورون می‌توانست به چندین واژه از دسته‌های معنایی مختلف پاسخ دهد.

پژوهشگران همچنین تلاش کردند مشخص کنند کدام واژه‌ها و دسته‌های معنایی، یعنی گروه‌هایی از کلمات با مفاهیم مرتبط، با پاسخ نورون‌های منفرد در هیپوکامپ ارتباط دارند. آن‌ها در ادامه، تفاوت میان الگوهای فعالیت گروهی نورون‌ها در پاسخ به جفت‌های مختلف واژه را با تفاوت معنایی میان همان کلمات مقایسه کردند.

در مرحله بعد، فعالیت مغزی ثبت‌شده با بازنمایی‌های عددی واژه‌ها مقایسه شد که مدل‌های زبانی هنگام پردازش همان داستان‌ها تولید کرده بودند. محققان همچنین بررسی کردند که آیا معیارهای استخراج‌شده از مدل‌های زبانی بزرگ درباره چندمعنایی واژه‌ها با تغییرات فعالیت عصبی ارتباط دارند یا خیر. چندمعنایی به وضعیتی گفته می‌شود که در آن یک واژه چند معنای مرتبط با یکدیگر دارد.

نویسندگان پژوهش درباره نتایج این مقایسه نوشتند

همانند بردارهای تعبیه‌شده در مدل‌های زبانی بزرگ، فاصله میان پاسخ‌های گروه‌های نورونی با فاصله معنایی واژه‌ها ارتباط داشت. در مورد کلمات دارای معانی مشابه، حتی مدل‌هایی که بازنمایی واژه‌ها را با توجه به بافت زبانی انجام می‌دهند، رابطه‌ای معکوس میان فاصله معنایی و فاصله عصبی نشان دادند. ما این الگو را به مزایای کاهش نویز در روش رمزگذاری تقابلی نسبت می‌دهیم. در نهایت، فعالیت گروهی نورون‌ها بیشترین هم‌خوانی را با بازنمایی‌های مدل جی‌پی‌تی-۲ داشت و تغییرات الگوهای پاسخ عصبی با معیارهای چندمعنایی استخراج‌شده از مدل‌های زبانی مرتبط بود؛ موضوعی که نشان می‌دهد رمزگذاری معنایی تا حد زیادی به بافت زبانی وابسته است.

نتایج این مطالعه نشان می‌دهد که معنای واژه‌ها در میان گروه‌هایی از سلول‌های هیپوکامپ بازنمایی می‌شود. به‌طور مشخص، پژوهشگران دریافتند الگوهای فعالیت ترکیبی گروه‌های نورونی این ناحیه ظاهراً اطلاعاتی درباره ارتباط میان معانی کلمات و تغییر آن‌ها بر اساس بافت و موقعیت زبانی در خود دارند.

نویسندگان مقاله در توضیح اهمیت یافته‌های خود نوشتند

این نتایج چارچوبی عصب‌محاسباتی برای درک نحوه رمزگذاری معنای واژه‌ها توسط نورون‌های هیپوکامپ هنگام گوش دادن به زبان فراهم می‌کنند.

این پژوهش می‌تواند به درک عمیق‌تر نقش هیپوکامپ در بازنمایی معنای زبان گفتاری کمک کند. همچنین، یافته‌های آن زمینه را برای مطالعات آینده فراهم می‌کنند تا دانشمندان با بهره‌گیری از مدل‌های زبانی بزرگ، سازوکارهای پردازش زبان در مغز انسان را با دقت بیشتری بررسی کنند.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.