希伯来大学、谷歌研究院和加州理工学院等领先机构的三项新研究为人工智能与人脑之间的关系提供了新的线索。研究表明，人工智能以一种与生物神经活动极其相似的方式对语言进行建模，同时影响人类在现实世界中的说话方式。这些研究利用深度学习框架和语言分析来探索人工智能如何与大脑功能相结合，如何改变我们的词汇量，以及如何帮助模拟生物神经元。
大脑像法学硕士一样构建意义
由希伯来大学 Ariel Goldstein 博士领导的团队与 Google Research 和普林斯顿大学合作，使用皮层电图描记术 (ECoG) 记录了收听 30 分钟播客的参与者大脑的直接电活动。他们将这些信号与 GPT-2 等大型语言模型 (LLM) 的分层架构进行了比较 骆驼2。这 学习 发现了一个显着的对齐：
- 早期层： 大脑的初始神经反应与处理基本语言元素的人工智能模型的浅层相匹配。
- 深层： 后来的神经反应，尤其是布罗卡区的神经反应，与处理复杂上下文和含义的更深层次的人工智能层保持一致。
“最让我们惊讶的是，大脑的时间意义展开与大型语言模型内的转换序列非常匹配，”戈德斯坦说。这表明，尽管人脑和人工智能模型的结构不同，但它们都是逐步、逐层构建意义的。为了支持进一步的发现，该团队向公众发布了完整的神经记录数据集，使世界各地的科学家能够测试语言处理的替代理论。
“词汇渗透”：人工智能正在改变我们的说话方式
在另一项调查中，佛罗里达州立大学的语言学家 Tom Juzek 分析了无脚本播客中的 2200 万个单词，以衡量人工智能对人类语音的影响。通过比较 2022 年 ChatGPT 发布前后的数据，该研究发现了 Juzek 称之为“词汇渗透”的现象。研究发现，人工智能通常生成的特定单词突然激增，而它们的同义词却没有出现类似的增长。这些话包括：
- “钻研” （深入调查）
- “细致” （表现出对细节的仔细关注）
- “加纳” （收集或收集）
- “夸” （指拥有某种特征）
“人工智能实际上可能是将单词放入我们的嘴里，因为反复接触会导致人们内化并重复使用他们可能不会自然选择的流行语。”
与在社会上传播的俚语不同，这种转变来自文本和文章中的算法输出。该分析提出了在统一人工智能术语的影响下人类语音潜在标准化和地区方言扁平化的问题。
NOBLE：模拟神经元速度提高 4,200 倍
在 NeurIPS 会议，来自加州理工学院和 Cedars-Sinai 的科学家推出了 NOBLE（具有生物信息潜在嵌入的神经算子）。这种新的深度学习框架生成大脑神经元虚拟模型的速度比传统方法快 4,200 倍。传统求解器使用需要大量计算能力的复杂微分方程，而 NOBLE 使用神经算子来复制实际生物神经元的行为，包括它们的放电率和对刺激的反应。这种速度使研究人员能够将模拟扩展到涉及数百万个互连细胞的更大的大脑回路。该框架旨在让科学家能够快速检验假设，而无需仅仅依赖有限的动物或人体实验，从而加速对癫痫和阿尔茨海默氏症等脑部疾病的研究。
