蕭簫 發自 凹非寺

量子位 | 公眾號 QbitAI

聊天、讀書或聽講時，你有意識到自己正在瘋狂“腦補”嗎？

其實，你的大腦就像一個

自動補全機

一樣，每時每刻都在猜別人要說什麼。

不僅如此，大腦還會不斷地將我們從外界獲取的資訊

（影象、聲音和文字等）

與腦內的預測進行比較。

基於這一理論，研究人員搞出了不少NLP模型，包括語音識別、自動補全等，但他們卻發現，人的“腦補”能力還是比這些AI更優秀。

所以，究竟是不是人的大腦和AI“腦補”的方法不一樣？

現在，一群來自馬普所和奈梅亨大學

（Radboud University）

的科學家，決定直接測一測人們“腦補”時發出的腦電波。

對這些腦電波特徵進行分析後，他們發現了背後更詳細的原因。

收集大腦聽書時的“反應”

此前，科學家們已經發現，大腦會對外界事物進行預測，來引導自己處理資訊。

但大腦究竟是

基於哪些條件

（詞類/音素/語義等）

做出的預測，不同條件之間是否會相互影響，一直沒有明確定論。

例如，單詞和語義究竟是怎麼影響大腦預測的，預測單詞會不會對語義造成影響，都還不清楚。

因此，科學家們想出了一個方法：讓志願者們聽有聲書，觀察他們的大腦反應，並採用

GPT-2

來對預測內容進行一個定量分析，將預測結果進行對比。

他們先找來19名志願者，測量並記錄他們1小時的

腦電波

（EEG）

；隨後，又收集了3名志願者9小時的

腦磁圖

（MEG）

，來定位大腦中具體位置的神經活動。

其中，腦電波小組聽的是一小時《老人與海》，每次時長180秒，一共播放20次；腦磁圖小組聽的是9個小時《福爾摩斯探案集》，每次1小時，並被要求在兩次間隔之間回答具體問題。

隨後，從不同維度對這些資料進行分析，並得出了幾點結論。

優先考慮“更高階”的預測條件

研究人員先是驗證發現，大腦的預測是

持續不斷地

產生的。

在這個過程中，科學家們也發現了AI預測和人腦的相似性。

例如，如果預測結果不符合實際情況

（猜錯了）

，大腦就會感到“驚奇”，變得空前活躍。

隨後，他們將有聲書的內容分成幾個層次，包括

詞性

（動詞/名詞/形容詞）

、

音素

（音標）

和

語義

（用GPT-2做預測）

這幾個“級別”。

然後，透過MRI還原了大腦在進行不同層次預測時的“視覺化圖”。

結果顯示，大腦在用詞性、語義和音素進行預測時，不同層次之間會相互進行影響。

也就是說，更“高階”的預測條件會影響優先順序較低的預測條件，如語義

（上下文）

就會對音素預測產生影響。

例如在“They say his father was a _____。”這句話中，如果僅僅憑藉

音素

預測下一個音節，和透過

上下文

進行預測的結果是不一樣的。

如果只用音素和頻率進行預測，大機率會認為單詞音標會以/fɔ/開頭，但結合上下文的話，就更容易做出“fisherman”，也就是/fi/開頭的單詞預測。

這樣看來，或許也能透過將幾個層次的預測條件結合起來，增加語音識別或自動補全等AI的準確性。

作者介紹

一作Micha Heilbron，目前是內梅亨大學和馬普所研究院，研究方向是認知和計算神經科學，對於生成模型對語言處理中的作用感興趣。

Kristijan Armeni，目前在約翰霍普金斯大學讀博後，博士畢業於內梅亨大學，研究方向是自然語言處理和認知神經科學。

同樣參與研究的幾名作者Jan-Mathijs Schoffelen、Peter Hagoort、Floris P。 de Lange也分別來自內梅亨大學和馬普所。

對於這項研究，有網友提出了自己的觀點，即大腦本身就是一種機制，會基於一種反饋迴路做出決策和行動。

但也有網友從自己感受來看，大腦這個“預測機器”似乎經常出錯。

對此有網友提出了自己的觀點：

畢竟大腦是個生存機器，而不是“真相檢測儀”。如果說謊能促進健康，那麼你的大腦便會選擇說謊。

論文地址：

https：//www。pnas。org/doi/abs/10。1073/pnas。2201968119

參考連結：

［1］https：//news。ycombinator。com/item？id=32395840

［2］https：//www。mpi。nl/news/our-brain-prediction-machine-always-active

— 完 —

量子位 QbitAI · 頭條號簽約