AI 解密大腦語言運作之謎

科學家利用人工智慧（AI）技術，成功解析了人類在日常對話中複雜的大腦活動。這項突破性研究不僅揭示了語言處理的神經機制，更為未來開發更精準的語音辨識技術與溝通輔助工具提供了重要線索。

研究團隊採用名為 Whisper 的 AI 模型，透過分析數十小時的真實對話錄音，精準預測了大腦在語言處理過程中的活動模式。與傳統語言模型不同，Whisper 並未預先編入語音、詞性等語言結構特徵，而是單純透過統計分析來學習如何將音訊轉換為文字。令人驚訝的是，在訓練過程中，這些語言結構特徵自然而然地浮現出來。

這項發表於《自然人類行為》期刊的研究，以四位正在接受癲癇手術治療的患者為物件。在取得同意後，研究人員記錄了他們住院期間的所有對話，總計超過 100 小時的語音資料。每位患者都植入了 104 至 255 個電極，用於監測大腦活動。

研究結果顯示，大腦在處理語言時，不同區域會依序啟用。例如，負責聽覺的顳上回會先於負責語意理解的額下回活躍。然而，研究人員也觀察到，某些區域會參與並非其專長的活動，這支援了大腦採取「分散式」處理語言的理論。

研究團隊利用 80% 的錄音資料訓練 Whisper 模型，使其能夠預測剩餘 20% 音訊的文字轉錄。接著，他們將模型產生的音訊與文字表徵，與電極記錄的大腦活動進行對比分析。結果顯示，Whisper 在預測大腦活動方面的準確度，超越了基於語言結構特徵的傳統模型。

「這項研究開創性地展示了計算機聲學-語音-語言模型與大腦功能之間的關聯，」未參與此研究的德國慕尼黑神經科學中心研究組長 Leonhard Schilbach 表示。但他也強調，還需要更多研究來探討這種關聯是否真的意味著語言模型與大腦在處理語言機制上的相似性。

加州大學柏克萊分校語言學系副教授 Gašper Beguš 指出：「比較大腦與人工神經網路的工作機制是一條重要的研究路線。如果我們能理解人工與生物神經元的內部運作及其相似性，或許就能進行一些在生物大腦中無法實現的實驗與模擬。」

這項研究不僅增進了我們對大腦語言處理機制的理解，更為未來開發更先進的溝通輔助技術奠定了基礎。隨著 AI 技術的持續進步，我們或許能更深入地探索人類認知的奧秘，並開發出更貼近人類需求的智慧系統。