Creierul înțelege vorbirea pas cu pas, ca un model de inteligență artificială. Ce au descoperit cercetătorii

Când asculți o poveste, ai impresia că „prinzi” sensul dintr-o dată: propozițiile curg, iar mintea pare să țină pasul fără efort. Un nou studiu însă sugerează că, în culise, înțelegerea nu apare ca un „click” instant, ci se construiește strat cu strat, într-o succesiune de pași apropiată de modul în care funcționează modelele moderne de inteligență artificială pentru limbaj.

Cercetătorii au urmărit activitatea cerebrală în timp ce participanții ascultau un podcast de aproximativ 30 de minute și au comparat „amprenta” neurală a înțelegerii cu reprezentările interne produse de modele de tip GPT. Rezultatul: pe măsură ce sensul se rafinează în creier, răspunsurile neurale par să se alinieze cu straturile din ce în ce mai „adânci” ale unui model lingvistic. Concluzia e provocatoare: felul în care îți construiești înțelegerea din vorbire ar putea fi mai „statistic” și mai dependent de context decât ai fi tentat să crezi.

Cum au urmărit cercetătorii „desfășurarea” sensului în timp

Echipa coordonată de Ariel Goldstein (Hebrew University of Jerusalem), împreună cu colaboratori de la Google Research și Princeton, a folosit electrocorticografia (ECoG) — o metodă care înregistrează direct activitatea electrică de la suprafața creierului prin electrozi implantați clinic. Avantajul major este rezoluția temporală foarte fină: poți vedea, aproape „cadru cu cadru”, cum reacționează creierul la fiecare cuvânt și la contextul care se acumulează.

În acest proiect, participanții au ascultat o narațiune audio, iar cercetătorii au modelat semnalele ECoG printr-o comparație sistematică cu reprezentări extrase din modele lingvistice mari — inclusiv arhitecturi de tip transformer, folosite de sisteme precum GPT-2 și Llama 2. Ideea a fost să verifice dacă „momentul” în care apar anumite tipare în creier (mai devreme vs mai târziu) corespunde cu „adâncimea” stratului din model (straturi timpurii vs straturi profunde).

Vezi și:

Cum funcționează drona marină MAGURA V5. Este una dintre cele mai avansate arme navale și poate parcurge până la 800 de kilometri

Un detaliu important este localizarea: potrivirea dintre semnalele neurale târzii și straturile profunde ale modelelor a fost puternică în regiuni clasice ale limbajului, inclusiv aria lui Broca. Asta susține ideea că zonele implicate în integrarea sintaxei, intenției și sensului contextual „lucrează” mai intens pe măsură ce propoziția capătă direcție și ambiguitățile se rezolvă.

De ce seamănă cu arhitectura LLM și ce lovește în teoriile clasice

Modelele de tip transformer funcționează în straturi: la început, prelucrează semnale mai „simple” (caracteristici apropiate de forma cuvintelor și relații locale), apoi combină treptat informația pentru a obține reprezentări dependente de context. Cu alte cuvinte, același cuvânt ajunge să însemne „altceva” în funcție de fraza din jur, iar această dependență de context devine mai clară în straturile mai adânci.

Studiul sugerează că și creierul pare să facă ceva asemănător: semnalele timpurii se aliniază mai bine cu straturi „superficiale”, iar semnalele care apar mai târziu — când propoziția începe să „se lege” ca sens — seamănă mai mult cu straturile profunde ale modelului. Mesajul implicit e incomod pentru o viziune clasică, rigidă, a limbajului ca un set de reguli aplicate mecanic: înțelegerea pare să fie, mai degrabă, o construcție probabilistică, care se rafinează continuu pe baza contextului.

Vezi și:

Cum devii atât de bun la AI încât colegii vor crede că ești robot: șapte obiceiuri care îți schimbă munca de zi cu zi

AI-ul antrenat pe computer cuantic a trecut un test pe care modelul obișnuit l-a ratat: descoperirea care poate schimba viitorul inteligenței artificiale

Interesant este că autorii au testat și „cărămizile” tradiționale ale lingvisticii (precum foneme și morfeme) ca explicații pentru dinamica în timp real a semnalelor neurale, dar reprezentările contextuale extrase din modelele moderne au explicat mai bine variația observată. Asta nu înseamnă că fonemele sau morfemele nu contează, ci că, în fluxul natural al vorbirii, creierul pare să fie mai bine descris printr-o integrare continuă a contextului decât prin etichete discrete aplicate pe rând.

În același timp, e important să nu „romantizezi” analogia. Modelele de limbaj nu au intenții, corp, emoții sau obiective biologice; ele optimizează predicția statistică. Când studiul spune că există o corespondență între straturi și timp, vorbește despre o similaritate de organizare a calculelor (o ierarhie de transformări), nu despre faptul că „creierul e un chatbot”. Iar diferențele rămân uriașe: de la felul în care se învață până la felul în care se corectează erorile.

Ce deschide această paralelă pentru neuroștiință și pentru viitorul AI

Poate cea mai practică miză este metodologică: dacă un model de limbaj produce reprezentări care prezic bine activitatea cerebrală în timpul ascultării, atunci acel model devine un instrument de laborator. În loc să te bazezi pe ipoteze strict teoretice despre „unități” lingvistice, poți compara direct mai multe modele (și mai multe straturi) pentru a vedea ce descrie mai bine datele neurale, pe secunde și milisecunde.

Aici intră în scenă și setul de date public: proiectul a fost însoțit de lansarea unui dataset ECoG pentru ascultarea unui podcast, disponibil comunității științifice, tocmai pentru a accelera testarea de ipoteze și replicarea rezultatelor. Pentru domeniul neuroștiinței limbajului, astfel de date naturaliste sunt rare, deoarece ECoG se face, de regulă, în contexte clinice; cu atât mai valoroasă e standardizarea și publicarea lor.

Dacă te pasionează cum se leagă limbajul de modelele de tip LLM, privește rezultatul ca pe un „pod” între două lumi: AI oferă un set de reprezentări calculabile, iar creierul oferă un standard biologic pentru cum ar putea arăta înțelegerea în timp real. În viitor, o astfel de punte poate influența atât modelele computaționale (de exemplu, ce fel de ierarhii sunt utile), cât și aplicațiile medicale — de la interfețe neuronale până la evaluarea tulburărilor de limbaj.

Totuși, concluziile trebuie citite cu prudență: ECoG implică un număr mic de participanți și un context clinic specific, iar corespondențele observate sunt corelaționale (aliniere de patternuri), nu o dovadă că mecanismele sunt identice. Chiar și așa, faptul că un model construit pentru predicția textului ajunge să semene cu dinamica temporală a înțelegerii umane rămâne un semnal puternic: poate că, pentru limbaj, drumul către sens — fie în siliciu, fie în cortex — trece inevitabil prin straturi de context care se adâncesc pas cu pas.

FOTO | Ființe ca din altă lume, descoperite de cercetători. Păianjenul fluorescent și insectele necunoscute care au uimit lumea științei