我們?nèi)绾沃勒f話和閱讀?這些基本問題導(dǎo)致了麻省理工學(xué)院的新研究， 該研究使用AI模型來研究我們大腦如何以及為何理解語言。他們發(fā)現(xiàn)，人的大腦可能就像智能手機(jī)自動更正功能一樣工作。

發(fā)表在《美國國家科學(xué)院院刊》上的這項新研究顯示，這些人工智能語言模型的功能與人腦中的語言處理方法相似，表明人腦可能使用下一個詞的預(yù)測來驅(qū)動語言處理。最近一代的人工智能語言模型被設(shè)計為預(yù)測文本中的下一個詞，就像iMessage上的自動更正功能一樣，然而這一技術(shù)的觀察者們卻注意到了一些新的東西。這些模型似乎也在學(xué)習(xí)關(guān)于文本含義的東西，顯示出理解能力。

模型在預(yù)測下一個單詞方面做得越好，它就越符合人腦的情況。令人驚訝的是，這些模型如此契合，它非常間接地表明，也許人類的語言系統(tǒng)正在做的是預(yù)測接下來會發(fā)生什么。這個新的人工智能下一個單詞預(yù)測模型是深度神經(jīng)網(wǎng)絡(luò)的一部分，深度神經(jīng)網(wǎng)絡(luò)是人工智能模型的一個類別。在過去十年中，這些模型被用來重現(xiàn)大腦功能，即物體識別。神經(jīng)網(wǎng)絡(luò)的功能與人腦相似，因為它是松散地仿照大腦的模式。它們由成千上萬的處理節(jié)點(diǎn)組成，這些節(jié)點(diǎn)緊密相連，相互傳遞信息。

在這項新的研究中，麻省理工學(xué)院的一個研究小組分析了43種不同的語言模型，其中許多是為下一個單詞預(yù)測而優(yōu)化的。這些模型包括GPT-3(Generative Pre-trained Transformer 3)，它可以在得到提示時生成真實(shí)的文本，或者其他旨在提供填空功能的模型。研究人員向每個模型展示了一串單詞，以測量其神經(jīng)結(jié)點(diǎn)的活動。然后他們將這些模式與人腦的活動進(jìn)行了比較。

該研究顯示，表現(xiàn)最好的下一個單詞預(yù)測模型的活動模式與人腦的活動模式最為相似。此外，這些模型的活動也與人類的行為措施相關(guān)，例如人們閱讀文本的速度。研究人員發(fā)現(xiàn)能夠很好地預(yù)測神經(jīng)反應(yīng)的模型也傾向于最好地預(yù)測人類行為反應(yīng)以及閱讀的形式。

關(guān)鍵詞： 研究 人類大腦 AI 更正功能