โดยใช้(AI) นักวิทยาศาสตร์ได้คลี่คลายการทำงานของสมองที่ซับซ้อนซึ่งคลี่คลายในระหว่างการสนทนาในชีวิตประจำวัน
เครื่องมือนี้สามารถนำเสนอข้อมูลเชิงลึกใหม่เกี่ยวกับประสาทวิทยาศาสตร์ของภาษาและสักวันหนึ่งมันสามารถช่วยปรับปรุงเทคโนโลยีที่ออกแบบมาเพื่อรับรู้คำพูดหรือนักวิจัยกล่าว
ขึ้นอยู่กับวิธีการที่โมเดล AI ถอดเสียงลงในข้อความนักวิจัยที่อยู่เบื้องหลังการศึกษาสามารถแมปกิจกรรมสมองที่เกิดขึ้นในระหว่างการสนทนาแม่นยำกว่าแบบจำลองดั้งเดิมที่เข้ารหัสคุณสมบัติเฉพาะของโครงสร้างภาษา - เช่นหน่วยเสียง (เสียงง่าย ๆ ที่ประกอบเป็นคำ) และส่วนหนึ่งของคำพูด
แบบจำลองที่ใช้ในการศึกษาเรียกว่ากระซิบแทนที่จะใช้ไฟล์เสียงและการถอดเสียงข้อความซึ่งใช้เป็นข้อมูลการฝึกอบรมเพื่อแมปเสียงกับข้อความ จากนั้นใช้สถิติของการแมปนั้นเพื่อ "เรียนรู้" เพื่อทำนายข้อความจากไฟล์เสียงใหม่ที่ไม่เคยได้ยินมาก่อน
ที่เกี่ยวข้อง:
เช่นนี้กระซิบทำงานอย่างหมดจดผ่านสถิติเหล่านี้โดยไม่มีคุณสมบัติใด ๆ ของโครงสร้างภาษาที่เข้ารหัสในการตั้งค่าดั้งเดิม แต่อย่างไรก็ตามในการศึกษานักวิทยาศาสตร์แสดงให้เห็นว่าโครงสร้างเหล่านั้นยังคงเกิดขึ้นในแบบจำลองเมื่อได้รับการฝึกฝน
การศึกษาให้ความกระจ่างเกี่ยวกับวิธีการแบบจำลอง AI เหล่านี้ - เรียกว่าแบบจำลองภาษาขนาดใหญ่ (LLMS) - ทำงาน แต่ทีมวิจัยมีความสนใจในข้อมูลเชิงลึกที่ให้ไว้ในภาษามนุษย์และความรู้ความเข้าใจ การระบุความคล้ายคลึงกันระหว่างวิธีการพัฒนาความสามารถในการประมวลผลภาษาและวิธีที่ผู้คนพัฒนาทักษะเหล่านี้อาจเป็นประโยชน์สำหรับอุปกรณ์วิศวกรรมที่ช่วยให้ผู้คนสื่อสารได้
“ มันเกี่ยวกับวิธีที่เราคิดเกี่ยวกับความรู้ความเข้าใจ” นักเขียนนำการศึกษากล่าวAriel Goldsteinผู้ช่วยศาสตราจารย์ที่มหาวิทยาลัยฮีบรูแห่งเยรูซาเล็ม ผลการศึกษาชี้ให้เห็นว่า "เราควรคิดถึงความรู้ความเข้าใจผ่านเลนส์ของแบบจำลอง [สถิติ] นี้" โกลด์สไตน์บอกกับวิทยาศาสตร์การใช้ชีวิต
ความรู้ความเข้าใจที่แกะ
การศึกษาที่ตีพิมพ์ 7 มีนาคมในวารสารให้ความสำคัญกับผู้เข้าร่วมสี่คนกับโรคลมชักที่ได้รับการผ่าตัดแล้วเพื่อให้มีอิเล็กโทรดตรวจสอบสมองที่ฝังด้วยเหตุผลทางคลินิก
ด้วยความยินยอมนักวิจัยได้บันทึกการสนทนาของผู้ป่วยทั้งหมดตลอดการเข้าโรงพยาบาลซึ่งอยู่ในช่วงหลายวันถึงหนึ่งสัปดาห์ พวกเขาจับเสียงได้มากกว่า 100 ชั่วโมงทั้งหมด
ผู้เข้าร่วมแต่ละคนมีอิเล็กโทรด 104 ถึง 255 ที่ติดตั้งเพื่อตรวจสอบการทำงานของสมอง
การศึกษาส่วนใหญ่ที่ใช้การบันทึกการสนทนาเกิดขึ้นในห้องปฏิบัติการภายใต้สถานการณ์ที่ควบคุมได้มากกว่าประมาณหนึ่งชั่วโมง Goldstein กล่าว แม้ว่าสภาพแวดล้อมที่ควบคุมนี้จะมีประโยชน์สำหรับการหยอกล้อบทบาทของตัวแปรที่แตกต่างกัน Goldstein และผู้ทำงานร่วมกันของเขาต้องการ "สำรวจกิจกรรมสมองและพฤติกรรมมนุษย์ในชีวิตจริง"
การศึกษาของพวกเขาเปิดเผยว่าส่วนต่าง ๆ ของสมองมีส่วนร่วมในระหว่างงานที่จำเป็นในการผลิตและเข้าใจการพูด
Goldstein อธิบายว่ามีการถกเถียงกันอย่างต่อเนื่องว่าส่วนที่แตกต่างกันของสมองเตะเข้าเกียร์ในระหว่างงานเหล่านี้หรือถ้าอวัยวะทั้งหมดตอบสนองโดยรวมมากขึ้น ความคิดเดิมอาจแนะนำว่าส่วนหนึ่งของสมองประมวลผลเสียงจริงที่ประกอบขึ้นเป็นคำในขณะที่อีกคนหนึ่งตีความความหมายของคำเหล่านั้นและยังคงจัดการกับการเคลื่อนไหวที่จำเป็นในการพูด
ในทฤษฎีทางเลือกมันมีมากขึ้นที่ภูมิภาคต่าง ๆ ของการทำงานของสมองในคอนเสิร์ตโดยใช้วิธีการ "แจกจ่าย" Goldstein กล่าว
นักวิจัยพบว่าบริเวณสมองบางส่วนมีแนวโน้มที่จะสัมพันธ์กับงานบางอย่าง
ตัวอย่างเช่นพื้นที่ที่รู้จักกันว่ามีส่วนร่วมในการประมวลผลเสียงเช่น Gyrus ชั่วคราวที่เหนือกว่ามีกิจกรรมมากขึ้นเมื่อจัดการข้อมูลการได้ยินและพื้นที่ที่เกี่ยวข้องกับการคิดระดับสูงเช่น Gyrus ด้านหน้าที่ด้อยกว่านั้นมีความกระตือรือร้นในการทำความเข้าใจความหมายของภาษา
พวกเขายังเห็นว่าพื้นที่เริ่มทำงานตามลำดับ
ตัวอย่างเช่นภูมิภาคที่รับผิดชอบมากที่สุดในการได้ยินคำพูดนั้นเปิดใช้งานก่อนที่ภูมิภาคจะรับผิดชอบมากที่สุดในการตีความพวกเขา อย่างไรก็ตามนักวิจัยยังเห็นว่าพื้นที่เปิดใช้งานอย่างชัดเจนในระหว่างกิจกรรมที่พวกเขาไม่ทราบว่ามีความเชี่ยวชาญ
“ ฉันคิดว่ามันเป็นหลักฐานที่ครอบคลุมและละเอียดที่สุดในชีวิตจริงสำหรับวิธีการกระจายนี้” Goldstein กล่าว
ที่เกี่ยวข้อง:
การเชื่อมโยงโมเดล AI เข้ากับการทำงานภายในของสมอง
นักวิจัยใช้ 80% ของเสียงที่บันทึกไว้และการถอดความประกอบเพื่อฝึกกระซิบเพื่อที่จะสามารถทำนายการถอดรหัสสำหรับส่วนที่เหลืออีก 20% ของเสียง
จากนั้นทีมจะดูว่าเสียงและการถอดความถูกจับโดยเสียงกระซิบและแมปตัวแทนเหล่านั้นกับกิจกรรมสมองที่จับกับขั้วไฟฟ้าได้อย่างไร
หลังจากการวิเคราะห์นี้พวกเขาสามารถใช้แบบจำลองเพื่อทำนายว่ากิจกรรมสมองจะไปกับการสนทนาที่ไม่ได้รวมอยู่ในข้อมูลการฝึกอบรม ความแม่นยำของโมเดลเกินกว่าแบบจำลองตามคุณสมบัติของโครงสร้างภาษา
แม้ว่านักวิจัยไม่ได้ตั้งโปรแกรมว่าเสียงหรือคำนั้นเป็นแบบจำลองของพวกเขาตั้งแต่เริ่มแรกพวกเขาพบว่าโครงสร้างภาษาเหล่านั้นยังคงสะท้อนให้เห็นว่าแบบจำลองทำงานอย่างไร ดังนั้นมันจึงสกัดคุณสมบัติเหล่านั้นโดยไม่ถูกนำไปทำเช่นนั้น
การวิจัยคือ "การศึกษาที่ก้าวล้ำเพราะมันแสดงให้เห็นถึงการเชื่อมโยงระหว่างการทำงานของโมเดลอะคูสติกกับการพูดถึงภาษากับการทำงานของภาษาและการทำงานของสมอง"Leonhard Schilbachหัวหน้ากลุ่มวิจัยที่ Munich Center for Neurosciences ในประเทศเยอรมนีซึ่งไม่ได้มีส่วนร่วมในการทำงานบอกกับ Live Science ในอีเมล
อย่างไรก็ตามเขาเสริมว่า "จำเป็นต้องมีการวิจัยเพิ่มเติมเพื่อตรวจสอบว่าความสัมพันธ์นี้หมายถึงความคล้ายคลึงกันในกลไกโดยแบบจำลองภาษาและภาษากระบวนการสมองหรือไม่"
"การเปรียบเทียบสมองกับเครือข่ายประสาทเทียมเป็นสายงานที่สำคัญ"Gasper Begušรองศาสตราจารย์ในภาควิชาภาษาศาสตร์ที่มหาวิทยาลัยแคลิฟอร์เนียเบิร์กลีย์ซึ่งไม่ได้มีส่วนร่วมในการศึกษา
“ ถ้าเราเข้าใจการทำงานภายในของเซลล์ประสาทเทียมและชีวภาพและความคล้ายคลึงกันของพวกเขาเราอาจสามารถทำการทดลองและการจำลองที่เป็นไปไม่ได้ที่จะดำเนินการในสมองชีวภาพของเรา” เขาบอกกับวิทยาศาสตร์การใช้ชีวิตทางอีเมล
