دانشمندان دریافته‌اند که مغز انسان زبان گفتاری را به شکلی درک می‌کند که به‌طرز قابل‌توجهی شبیه به عملکرد سامانه‌های پیشرفته هوش مصنوعی است.

به گزارش scitechdaily، مطالعه‌ای جدید نشان می‌دهد مغز انسان زبان گفتاری را از طریق مجموعه‌ای منظم از مراحل پردازش می‌کند؛ مراحلی که شباهت زیادی به نحوه کار مدل‌های پیشرفته زبانی هوش مصنوعی دارند. پژوهشگران با ثبت فعالیت مغزی افراد در هنگام گوش دادن به یک داستان صوتی دریافتند سیگنال‌های مغزیِ مراحل پایانی با لایه‌های عمیق‌تر سامانه‌های هوش مصنوعی همخوانی دارد؛ به‌ویژه در نواحی اصلی زبان مانند ناحیه بروکا. این یافته‌ها دیدگاه‌های دیرینه مبتنی بر قواعد ثابت در توضیح زبان را به چالش می‌کشد و با انتشار یک مجموعه‌داده عمومی جدید همراه شده که ابزار مهمی برای مطالعه چگونگی شکل‌گیری معنا در مغز انسان فراهم می‌کند.

بازتاب مدل‌های زبانی هوش مصنوعی در فعالیت مغز

این پژوهش که در نشریه Nature Communications منتشر شده به سرپرستی آریل گلدشتاین از دانشگاه عبری اورشلیم و با همکاری ماریانو شاین از گوگل ریسرچ، اوری هاسون و اریک هم از دانشگاه پرینستون انجام شده است. تیم تحقیقاتی به ارتباطی غیرمنتظره میان نحوه تفسیر زبان گفتاری در انسان و شیوه پردازش متن در مدل‌های مدرن هوش مصنوعی دست یافته‌اند.

پژوهشگران با استفاده از ثبت الکتروکورتیکوگرافی فعالیت مغزی افرادی که به یک پادکست سی‌دقیقه‌ای گوش می‌دادند توانستند پاسخ‌های مغزی را با دقت زمانی بالا بررسی کنند. تحلیل‌ها نشان داد پردازش زبان در مغز به‌صورت یک توالی ساختاریافته پیش می‌رود که شباهت زیادی به معماری لایه‌لایه مدل‌های زبانی بزرگ مانند GPT-۲ و Llama ۲ دارد.

چگونگی شکل‌گیری معنا در مغز در گذر زمان

هنگام شنیدن گفتار مغز معنا را به‌صورت ناگهانی و یک‌باره درک نمی‌کند. هر واژه از مجموعه‌ای از مراحل عصبی عبور می‌کند. گلدشتاین و همکارانش دریافتند این مراحل به‌تدریج و در طول زمان شکل می‌گیرند؛ به شکلی که به‌طور چشمگیری با نحوه عملکرد مدل‌های زبانی هوش مصنوعی همسو است. در مدل‌های هوش مصنوعی لایه‌های ابتدایی بر ویژگی‌های پایه واژگان تمرکز دارند، در حالی که لایه‌های عمیق‌تر، زمینه، لحن و معنای کلی را ترکیب می‌کنند.

همین الگو در مغز انسان نیز مشاهده شد. پاسخ‌های اولیه مغز با مراحل ابتدایی پردازش در هوش مصنوعی همخوانی داشت و پاسخ‌های دیرتر با لایه‌های عمیق‌تر این مدل‌ها تطابق نشان می‌داد. این ارتباط زمانی به‌ویژه در نواحی پیشرفته زبانی مانند ناحیه بروکا قوی‌تر بود؛ جایی که اوج فعالیت مغزی در مراحل دیرتر و هم‌زمان با لایه‌های عمیق‌تر مدل‌ها رخ می‌داد.

به گفته گلدشتاین: آنچه بیش از همه ما را شگفت‌زده کرد، میزان شباهت میان روند زمانی شکل‌گیری معنا در مغز و توالی تبدیل‌ها درون مدل‌های زبانی بزرگ بود. با وجود تفاوت‌های اساسی در ساخت این سامانه‌ها، هر دو به نوعی به یک فرایند مرحله‌به‌مرحله برای رسیدن به درک معنا همگرا شده‌اند.

اهمیت این یافته‌ها چیست؟

نتایج این پژوهش نشان می‌دهد هوش مصنوعی صرفا ابزاری برای تولید متن نیست بلکه می‌تواند به دانشمندان در درک بهتر نحوه پردازش معنا در مغز انسان نیز کمک کند. سال‌ها تصور می‌شد درک زبان مبتنی بر نماد‌های ثابت و قواعد زبانی سخت‌گیرانه است، اما این مطالعه این دیدگاه را به چالش می‌کشد و از رویکردی انعطاف‌پذیر و داده‌محور حمایت می‌کند که در آن معنا به‌تدریج و در بستر زمینه شکل می‌گیرد.

پژوهشگران همچنین عناصر سنتی زبان‌شناسی مانند واج‌ها و تکواژ‌ها را بررسی کردند. این عناصر نتوانستند فعالیت لحظه‌به‌لحظه مغز را به اندازه بازنمایی‌های زمینه‌محور تولیدشده توسط مدل‌های هوش مصنوعی توضیح دهند. این موضوع نشان می‌دهد مغز انسان بیش از آنکه به واحد‌های صلب زبانی متکی باشد به زمینه گسترده‌تر معنا توجه می‌کند.

یک منبع باز جدید برای علوم اعصاب

برای کمک به پیشرفت پژوهش‌ها در این حوزه، تیم تحقیقاتی مجموعه کامل ثبت‌های عصبی به‌همراه ویژگی‌های زبانی مرتبط را به‌صورت عمومی منتشر کرده است. دسترسی آزاد به این داده‌ها به دانشمندان سراسر جهان امکان می‌دهد نظریه‌های مختلف درباره درک زبان را مقایسه کنند و مدل‌های محاسباتی‌ای توسعه دهند که شباهت بیشتری به نحوه عملکرد واقعی مغز انسان داشته باشد.

انتهای پیام/