耗时15年扫描1400个大脑，她发现人脑中的“生物版GPT”

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

新智元报道

编辑：元宇

【新智元导读】MIT神经科学家Ev Fedorenko通过扫描约1400人的大脑，识别出一个类似「生物版ChatGPT」的语言网络，它不负责思考或情绪，只专注于将词语与意义映射、拼成句子，该研究揭示了语言与思维的分离，让我们重新审视大脑中隐藏的奥秘。

如果告诉你：你的大脑中正跑着一个「生物版ChatGPT」，你会相信吗？

这不是打比方，而我们的大脑中真有这样一套专门用来处理语言的神经系统：

它不负责思考、也不负责情绪，只负责一件事——把词和意义对上号、再把它们拼成句子。

这个系统被神经科学家Ev Fedorenko称作「语言网络」（language network）。

大脑天生的LLM系统

很多人可能会有这种感觉：语言和思考是同一过程，找词的过程本身就是思考。

但人类的语言和思维是一回事吗？

语言究竟是思维的核心，还是一个完全独立的过程？

对此，Fedorenko提出了一个有点反直觉的观点：

语言不等于思考，它更像是思考的「接口」和「外包装」。

对许多人来说，找到合适的词本身就是思考的重要组成部分，而不是某个独立系统的产出。

她把这个独立于思考之外的专门系统称为「语言网络」，用来映射词语与其意义之间的对应关系。

Fedorenko将之想象成一个加强版的解析器：

「它就像一张地图，告诉你大脑里哪一块地方存着哪一类意义，也好比一个加强版的解析器，帮我们把语言拼起来。」

至于真正的思考和有趣的东西，则全部发生在这个语言网络之外。

事实上，早在ChatGPT出现之前，过去的15年里Fedorenko一直在收集人类大脑中语言网络的证据，并且发现它和大模型（LLM）之间有不少相似之处。

在某些意义上，我们确实随身携带着一个「生物版的ChatGPT」：一个不具备心智的语言处理器。

Fedorenko的研究，也许会让人觉得有一些安慰：一台机器虽然可以生成一段流畅的文字，但是它还是不会思考。

在麻省理工学院的实验室里，Fedorenko已经花了15年时间积累关于语言网络的生物学证据。

不同于大模型，人类的语言网络不会把词随便串成听起来像那么回事的句子。

它更像是连接外部输入（听到的、看到的、甚至手语）和大脑其他区域意义表征（如情景记忆、社会认知，而LLM并没有这些能力）之间的翻译器。

而且人类的语言网络并不大，如果把相关组织都聚在一起，只有一颗草莓大小。

虽然很小，一旦它受损影响却十分巨大。

比如，受损的语言网络会导致各种失语症，这种情况下人的复杂思维依然存在，却被困在无法表达的脑中；有时甚至连别人说的词都难以区分。

Fedorenko在MIT与博士后研究员Andrea de Varda (左) and Halie Olson (右)

扫描1400人大脑

她发现了人脑中的「语言网络」

Fedorenko上世纪80年代在苏联长大，自幼便对语言萌发了兴趣。

她在母亲的要求下，学会了俄语、英语、法语、德语、西班牙语和波兰语六种语言。

成绩优异的她最终获得了哈佛大学全额奖学金。

她在哈佛大学主修语言学，但在学习过程中，她发现了语言学的局限性。

「这些语言学课很有趣，但更像是在解谜，而不是在解释现实世界到底是怎么运作的。」

于是她又学习了心理学。

2002年，她从哈佛大学毕业，获得心理学与语言学学士学位。

随后，Fedorenko进入麻省理工学院（MIT）攻读认知科学与神经科学的研究生课程，并于2007年获得博士学位。

在此期间，她开始与Nancy Kanwisher合作，后者首次发现了梭状回脸区，这个区域专门负责识别人脸。

Fedorenko想找到语言在大脑中的对应区域，但当时这方面的研究基础相当薄弱。

在对大约1400名受试者的大脑扫描中，Fedorenko识别出一个普遍存在的语言网络，她将之定义为「始终负责语言计算的组织」。

在不断累积的研究成果之后，2024年Fedorenko在《Nature Reviews Neuroscience》上发表了一篇综述。

她将人类语言网络定义为一种「自然类别」——一个天然、独立成型、专门处理语言的功能单元，存在于「每一个典型的成年人脑中」。

Fedorenko办公室里的三个大脑模型突出了语言网络。从上到下：紫色的是Laura Bundesen的刺绣作品；红色的是Hannah Small的十字绣；红色的是3D打印模型。

什么是语言网络？

在成年人大脑中，有一组核心区域作为一个互相连结的系统，负责计算语言结构。

它们存储词语与意义之间的映射关系，以及如何把词组合成句子的规则。

我们在学习一门语言时，学的就是这些东西。

只要掌握了它们，我们就能很灵活地使用这种「代码」：只要你会一门语言，就能把一个念头转换成词序。

Fedorenko表示，语言网络和人类身体的其他器官一样，是一个自然类别，拥有一个能指出具体位置的物理结构。

比如，梭状回脸区就是一个可以明确界定的功能单元。

而在语言网络里，大多数人的额叶皮层都有三个区域，都位于左额叶的侧面。

另外，还有几个区域沿着中颞回的侧面分布，那是一大片厚厚的组织沿着整个颞叶延伸。

这些构成了语言网络的核心部分。

我们可以从多个角度看到它们的整体性。

例如，把人放进fMRI扫描仪里观察语言处理与对照条件的差异，这些区域总是一起变化。

Fedorenko称到目前为止扫描了大约1400人，已经能建立一张概率地图，显示这些区域最可能出现的位置。

虽然个体之间略有差异，但整体模式非常一致。

在这些额叶和颞叶的大区域里，每个人都会有一些组织在可靠执行语言计算。

语言网络，与其它已知与语言相关的脑解剖区域，如布罗卡区（Broca’s area）不同。

Fedorenko认为布罗卡区更多是一个发音动作的规划区域。

它主要是根据语音的声音表征，计算出说出这些声音所需的动作，指挥嘴部肌肉的活动，属于语言网络下游，接收语言网络传过去的结构化语言信息。

语言网络既不负责发声，也不负责思考，它在本质上是低层级的感知与运动系统，是与高层级的抽象意义和推理系统之间的接口。

Fedorenko提到人类主要用语言做两件事。

第一是表达：脑子里蹦出一个模糊的念头，你再从词汇库里（不仅是词，还有更大的结构和组合方式）挑出一套词序，把这个念头表达出来。

然后语言网络把这个词序交给运动系统，让你说出来、写出来或打手语。

第二是理解：声音进耳朵或光线进眼睛后，感知系统先把输入处理成词序。

然后语言网络解析它，在词序里找熟悉的块，再把它们指向存储在别处的意义表征。

对于表达和理解，这个系统都是一个不断更新的「形式到意义的映射仓库」。

掌握了这套代码后，我们既能把想法说出来，也能理解别人说的话。

语言网络的功能是为了交流，那么语言网络的专门化究竟细到什么程度，是否存在专门对某些话语反应的细胞？

Fedorenko认为语言依赖上下文，因此推测语言网络系统内的编码方式会有些分布式，可能存在对语言某些特定方面反应特别强的神经元。

比如，语言网络区域的一些细胞对书面语和听觉语言也会有类似反应。

谈到语言网络的模式或者特征，Fedorenko认为大脑的一般物体识别机制和语言网络的抽象程度非常接近。

这和下颞皮层里储存物体形状片段、梭状回脸区储存「一张脸的模板」是类似的。

我们利用这些表征来识别现实世界中的物体，但它们本身与我们的世界知识并无直接联系。

以一句无意义句子「无色的绿色想法愤怒地沉睡」为例，我们可以大致能听懂它的结构，却完全无法把它对应到任何现实知识上。

Fedorenko和其他团队的研究证实，语言网络对这种无意义句子的反应强度，和对那些有意义的句子几乎一样。

这并不意味着语言网络「笨」，而是说明它确实是个比较浅层的系统。

Fedorenko认同「每个人脑子里都有个LLM」这样的说法。

她认为语言网络在很多方面都很像早期的大模型：学习语言的规律，以及词和词之间的关系。

在现实中，你可能会遇到一个说话特别流畅的人，但听了一会儿会发现他们根本没讲什么内容，而他们的大脑也没任何损伤。

这说明他们只调动了大脑中语言网络部分的功能，而思考部分完全没有用上。

虽然，人类语言来自一个类似ChatGPT那样「无意识」的系统，这听起来有点不符合直觉。

而且，Fedorenko在研究早期也认为语言是高级思维的核心，但后来她的研究并不支持这一假设。

早在2011年，她已经很清楚，语言网络的所有部分都高度专门化用于语言。

「对于科学家来说，只能更新认知，继续向前探索。」

参考资料：

https://www.quantamagazine.org/the-polyglot-neuroscientist-resolving-how-the-brain-parses-language-20251205/

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！