Žmogaus smegenų kalbos supratimas labiau primena dirbtinį intelektą, nei manyta

Naujas tarptautinės mokslininkų komandos tyrimas atskleidė, kad žmogaus smegenys kalbą supranta ne staiga, o palaipsniui, pereidamos per kelis apdorojimo etapus. Įdomiausia tai, kad šie etapai stulbinamai primena modernių dirbtinio intelekto (DI) kalbos modelių, tokių kaip didieji kalbos modeliai, veikimo principus.

Tyrimo autoriai visą surinktą duomenų rinkinį – smegenų veiklos įrašus ir kalbos požymius – paviešino, taip atverdami naujas galimybes kalbos ir smegenų tyrimams visame pasaulyje.

Kaip smegenys kuria prasmę iš kalbos

Tyrėjai analizavo žmonių smegenų veiklą, kai šie klausėsi maždaug 30 minučių trukmės pasakojamos istorijos. Naudodami elektrokortikografiją (tiesioginius smegenų žievės paviršiaus įrašus), jie galėjo labai tiksliai nustatyti, kada ir kur smegenyse suaktyvėdavo neuronai, reaguodami į kiekvieną ištartą žodį.

Paaiškėjo, kad smegenys kalbą apdoroja etapais – nuo paprastų požymių iki vis sudėtingesnės prasmės. Šis procesas glaudžiai atitinka tai, kas vyksta moderniuose DI kalbos modeliuose, kuriuose informacija pereina per eilę „sluoksnių“ (angl. layers): ankstyvieji sluoksniai fiksuoja bazinius žodžių požymius, o gilesnieji – kontekstą ir sudėtingas reikšmes.

Panašumas į didžiuosius kalbos modelius

Tyrimas atskleidė, kad ankstyvieji smegenų elektriniai signalai labiausiai atitiko ankstyvųjų DI sluoksnių veiklą, o vėlyvieji – gilesnius DI modelių sluoksnius. Šis laiko „sutapimas“ buvo ypač ryškus aukštesnio lygio kalbos srityse, tokiose kaip Brokos sritis, ilgai siejama su kalbos apdorojimu.

Šiose smegenų srityse veiklos pikas pasirodydavo vėliau ir geriausiai sutapdavo su giliausiais DI modelio sluoksniais, atsakingais už konteksto ir bendros prasmės suvokimą. Tai rodo, kad tiek žmogaus smegenys, tiek modernūs kalbos modeliai žingsnis po žingsnio „lipdo“ prasmę, vis plačiau remdamiesi ankstesne informacija.

Iššūkis tradicinėms kalbos teorijoms

Ilgą laiką kalbos supratimas buvo aiškinamas kaip griežtų taisyklių ir simbolių sistema, kurioje sakinio prasmę lemia aiškiai apibrėžta hierarchinė struktūra. Naujojo tyrimo duomenys verčia šį požiūrį permąstyti.

Mokslininkai lygino, kaip gerai skirtingi kalbos aprašymo būdai paaiškina realiu laiku fiksuotą smegenų veiklą. Tradiciniai kalbos elementai – fonemos (mažiausi garso vienetai) ir morfemos (mažiausi reikšmės vienetai) – smegenų signalų nepaaiškino taip gerai kaip DI modelių sugeneruotos kontekstinės žodžių reprezentacijos.

Tai leidžia manyti, kad smegenys labiau remiasi nuolat kintančiu kontekstu ir statistiniais ryšiais tarp žodžių, o ne vien griežtu kalbos „statybinių blokų“ rinkiniu.

Ką tai reiškia dirbtiniam intelektui ir medicinai

Šie rezultatai rodo, kad DI kalbos modeliai gali būti naudingi ne tik tekstui generuoti, bet ir kaip priemonė geriau suprasti žmogaus smegenų veikimą. Modelių sluoksnių struktūra tampa savotišku žemėlapiu, su kuriuo galima lyginti smegenų signalus ir taip tiksliau tyrinėti, kaip formuojasi prasmė.

Ilgalaikėje perspektyvoje tokios įžvalgos gali turėti reikšmės ir klinikoje – pavyzdžiui, tobulinant kalbos sutrikimų diagnostiką ar kuriant pažangesnes smegenų–kompiuterio sąsajas žmonėms, netekusiems gebėjimo kalbėti. Tiesa, patys tyrimo autoriai pabrėžia, kad tai dar tik ankstyvas žingsnis ir apie praktinius pritaikymus kalbėti anksti.

Viešai prieinamas smegenų ir kalbos duomenų rinkinys

Svarbi tyrimo dalis – sprendimas visus surinktus duomenis padaryti viešai prieinamus. Paviešintas duomenų rinkinys apima tiek detalius smegenų įrašus, tiek kalbos požymius, susietus su konkrečiais pasakojimo momentais.

Tai suteikia galimybę nepriklausomoms mokslininkų grupėms pasaulyje tikrinti skirtingas kalbos supratimo teorijas, kurti naujus skaičiavimo modelius ir lyginti, kurie iš jų geriausiai atspindi realią smegenų veiklą. Tokia atviro mokslo praktika gali paspartinti ir neurologijos, ir DI tyrimų pažangą.

Ateities tyrimų kryptys

Nors dabartinis darbas daugiausia tyrė kalbos suvokimą klausantis istorijos, panašūs metodai ateityje gali būti taikomi ir kitose srityse – pavyzdžiui, tiriant, kaip smegenys apdoroja vizualinę informaciją, muziką ar sudėtingus sprendimus.

Be to, planuojama tirti, kaip skiriasi atskirų žmonių smegenų atsakai ir ar DI modeliai gali padėti paaiškinti individualius kalbos supratimo skirtumus, pavyzdžiui, sergant afazija ar kitais kalbos sutrikimais.

Vis daugiau tyrimų rodo, kad, nepaisant skirtingos kilmės, žmogaus smegenys ir pažangūs dirbtinio intelekto modeliai gali būti panašesni, nei buvo manyta – bent jau tada, kai kalbama apie prasmės paiešką iš kasdienės kalbos.