這與最近關于我們大腦如何工作的理論一致：它是一個預測機器，它不斷地將我們拾取的感覺信息(如圖像、聲音和語言)與內部預測進行比較。“這種理論思想在神經科學中非常流行，但現有的證據通常是間接的，并且僅限于人工情況，”主要作者 Micha Heilbron 說。“我真的很想準確地了解它是如何工作的，并在不同的情況下對其進行測試。”
Heilbron 透露，對這種現象的大腦研究通常是在人工環(huán)境中進行的。為了喚起預測，參與者被要求盯著一個移動點的模式半小時，或者聽簡單的模式，比如“嗶嗶嗶，嗶嗶嗶”。
“這類研究確實表明我們的大腦可以做出預測，但并不是說這也總是發(fā)生在日常生活的復雜性中。我們正試圖將其從實驗室環(huán)境中剔除。我們正在研究相同類型的現象，大腦如何處理意想不到的信息，但在自然情況下是不可預測的。”
海明威和福爾摩斯
研究人員分析了聽海明威或福爾摩斯故事的人的大腦活動。同時，他們使用計算機模型分析書籍的文本，即所謂的深度神經網絡。通過這種方式，他們能夠計算出每個單詞的不可預測性。
對于每個單詞或聲音，大腦都會做出詳細的統(tǒng)計預期，結果證明對不可預測的程度極為敏感：每當上下文中出現意外的單詞時，大腦的反應就會更強。“就其本身而言，這并不令人驚訝：畢竟，每個人都知道你有時可以預測即將到來的語言。例如，你的大腦有時會自動'填補空白'并在精神上完成別人的句子，例如當他們開始說話時“非常緩慢，口吃或無法想到一個詞。但我們在這里展示的是這種情況不斷發(fā)生。我們的大腦不斷地猜測單詞;預測機器總是打開的。”
聽有聲讀物時記錄的大腦對不同程度的語言意外的反應。研究人員量化了大腦反應是如何受到句法類別(紅色)、詞義(藍色)和單個語音(綠色)的意外調節(jié)的。這揭示了腦電圖(左欄)和 MEG 實驗(右欄)中可分離的大腦反應，在空間和時間上。這表明大腦在多個抽象層次上自發(fā)地預測即將到來的語言。線表示隨時間變化的平均效應(系數);陰影區(qū)域表示自舉標準誤差 (EEG) 或絕對偏差 (MEG)。帶有星號的突出顯示區(qū)域表示 EEG 參與者中具
“事實上，我們的大腦所做的事情可以與語音識別軟件相媲美。使用人工智能的語音識別器也在不斷地做出預測，并讓自己被他們的期望所引導，就像你手機上的自動完成功能一樣。不過，我們觀察到一個很大的區(qū)別：大腦不僅預測單詞，而且在許多不同的層面上做出預測，從抽象意義和語法到特定的聲音。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！