這與最近關(guān)于我們大腦如何工作的理論一致：它是一個(gè)預(yù)測(cè)機(jī)器，它不斷地將我們拾取的感覺(jué)信息(如圖像、聲音和語(yǔ)言)與內(nèi)部預(yù)測(cè)進(jìn)行比較。“這種理論思想在神經(jīng)科學(xué)中非常流行，但現(xiàn)有的證據(jù)通常是間接的，并且僅限于人工情況，”主要作者 Micha Heilbron 說(shuō)。“我真的很想準(zhǔn)確地了解它是如何工作的，并在不同的情況下對(duì)其進(jìn)行測(cè)試。”
Heilbron 透露，對(duì)這種現(xiàn)象的大腦研究通常是在人工環(huán)境中進(jìn)行的。為了喚起預(yù)測(cè)，參與者被要求盯著一個(gè)移動(dòng)點(diǎn)的模式半小時(shí)，或者聽(tīng)簡(jiǎn)單的模式，比如“嗶嗶嗶，嗶嗶嗶”。
“這類(lèi)研究確實(shí)表明我們的大腦可以做出預(yù)測(cè)，但并不是說(shuō)這也總是發(fā)生在日常生活的復(fù)雜性中。我們正試圖將其從實(shí)驗(yàn)室環(huán)境中剔除。我們正在研究相同類(lèi)型的現(xiàn)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(yù)測(cè)的。”
海明威和福爾摩斯
研究人員分析了聽(tīng)海明威或福爾摩斯故事的人的大腦活動(dòng)。同時(shí)，他們使用計(jì)算機(jī)模型分析書(shū)籍的文本，即所謂的深度神經(jīng)網(wǎng)絡(luò)。通過(guò)這種方式，他們能夠計(jì)算出每個(gè)單詞的不可預(yù)測(cè)性。
對(duì)于每個(gè)單詞或聲音，大腦都會(huì)做出詳細(xì)的統(tǒng)計(jì)預(yù)期，結(jié)果證明對(duì)不可預(yù)測(cè)的程度極為敏感：每當(dāng)上下文中出現(xiàn)意外的單詞時(shí)，大腦的反應(yīng)就會(huì)更強(qiáng)。“就其本身而言，這并不令人驚訝：畢竟，每個(gè)人都知道你有時(shí)可以預(yù)測(cè)即將到來(lái)的語(yǔ)言。例如，你的大腦有時(shí)會(huì)自動(dòng)'填補(bǔ)空白'并在精神上完成別人的句子，例如當(dāng)他們開(kāi)始說(shuō)話(huà)時(shí)“非常緩慢，口吃或無(wú)法想到一個(gè)詞。但我們?cè)谶@里展示的是這種情況不斷發(fā)生。我們的大腦不斷地猜測(cè)單詞;預(yù)測(cè)機(jī)器總是打開(kāi)的。”
聽(tīng)有聲讀物時(shí)記錄的大腦對(duì)不同程度的語(yǔ)言意外的反應(yīng)。研究人員量化了大腦反應(yīng)是如何受到句法類(lèi)別(紅色)、詞義(藍(lán)色)和單個(gè)語(yǔ)音(綠色)的意外調(diào)節(jié)的。這揭示了腦電圖(左欄)和 MEG 實(shí)驗(yàn)(右欄)中可分離的大腦反應(yīng)，在空間和時(shí)間上。這表明大腦在多個(gè)抽象層次上自發(fā)地預(yù)測(cè)即將到來(lái)的語(yǔ)言。線(xiàn)表示隨時(shí)間變化的平均效應(yīng)(系數(shù));陰影區(qū)域表示自舉標(biāo)準(zhǔn)誤差 (EEG) 或絕對(duì)偏差 (MEG)。帶有星號(hào)的突出顯示區(qū)域表示 EEG 參與者中具
“事實(shí)上，我們的大腦所做的事情可以與語(yǔ)音識(shí)別軟件相媲美。使用人工智能的語(yǔ)音識(shí)別器也在不斷地做出預(yù)測(cè)，并讓自己被他們的期望所引導(dǎo)，就像你手機(jī)上的自動(dòng)完成功能一樣。不過(guò)，我們觀察到一個(gè)很大的區(qū)別：大腦不僅預(yù)測(cè)單詞，而且在許多不同的層面上做出預(yù)測(cè)，從抽象意義和語(yǔ)法到特定的聲音。”
標(biāo)簽：
免責(zé)聲明：本文由用戶(hù)上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！