न्यूरोलिंग्विस्टिक्स,और भाषा यह उस पर कंप्यूटर घटकों के साथ एक मस्तिष्क दिखाता है यह इस विचार को मजबूत करता है कि मस्तिष्क पहले से अधिक तरल और संदर्भ-संचालित तरीके से अर्थ को एकीकृत करता है । मस्तिष्क भाषा के लिए एआई जैसी संगणना का उपयोग करता है। सारांश: मानव मस्तिष्क एक चरण-दर-चरण अनुक्रम में बोली जाने वाली भाषा को संसाधित करता है जो बारीकी से मेल खाता है कि बड़े भाषा मॉडल पाठ को कैसे बदलते हैं । पॉडकास्ट सुनने वाले लोगों से इलेक्ट्रोकार्टिकोग्राफी रिकॉर्डिंग का उपयोग करते हुए, शोधकर्ताओं ने पाया कि शुरुआती मस्तिष्क प्रतिक्रियाएं शुरुआती एआई परतों के साथ संरेखित होती हैं, जबकि गहरी परतें ब्रोका के क्षेत्र जैसे क्षेत्रों में बाद में तंत्रिका गतिविधि के अनुरूप होती हैं । निष्कर्ष भाषा के पारंपरिक सिद्धांतों को चुनौती देते हैं जो गतिशील, संदर्भ-संचालित गणना को उजागर करने के बजाय निश्चित नियमों पर भरोसा करते हैं । टीम ने भाषाई विशेषताओं के साथ तंत्रिका संकेतों को जोड़ने वाला एक समृद्ध डेटासेट भी जारी किया, जो भविष्य के तंत्रिका विज्ञान अनुसंधान के लिए एक शक्तिशाली संसाधन प्रदान करता है । मुख्य तथ्य स्तरित संरेखण: प्रारंभिक मस्तिष्क प्रतिक्रियाओं ने शुरुआती एआई मॉडल परतों को ट्रैक किया, जबकि गहरी परतें बाद में तंत्रिका गतिविधि के साथ संरेखित हुईं । नियमों पर संदर्भ: एआई-व्युत्पन्न प्रासंगिक एम्बेडिंग ने शास्त्रीय भाषाई इकाइयों की तुलना में मस्तिष्क गतिविधि की बेहतर भविष्यवाणी की । नया संसाधन: शोधकर्ताओं ने भाषा तंत्रिका विज्ञान में तेजी लाने के लिए एक बड़ा तंत्रिका–भाषाई डेटासेट जारी किया । नेचर कम्युनिकेशंस में प्रकाशित एक अध्ययन में, हिब्रू विश्वविद्यालय के डॉ एरियल गोल्डस्टीन के नेतृत्व में शोधकर्ताओं ने प्रिंसटन विश्वविद्यालय के प्रोफेसर उरी हसन और एरिक हैम के साथ गूगल रिसर्च के डॉ मारियानो स्कैन के सहयोग से, हमारे दिमाग के बीच एक आश्चर्यजनक संबंध का खुलासा किया । तीस मिनट के पॉडकास्ट को सुनने वाले प्रतिभागियों से इलेक्ट्रोकार्टिकोग्राफी रिकॉर्डिंग का उपयोग करते हुए, टीम ने दिखाया कि मस्तिष्क एक संरचित अनुक्रम में भाषा को संसाधित करता है जो जीपीटी -2 और लामा 2 जैसे बड़े भाषा मॉडल के स्तरित वास्तुकला को प्रतिबिंबित करता है । अध्ययन में क्या पाया गया जब हम किसी को बोलते हुए सुनते हैं, तो हमारा मस्तिष्क प्रत्येक आने वाले शब्द को तंत्रिका गणनाओं के कैस्केड के माध्यम से बदल देता है । गोल्डस्टीन की टीम ने पाया कि ये परिवर्तन समय के साथ एक पैटर्न में सामने आते हैं जो एआई भाषा मॉडल की स्तरीय परतों को समानता देता है । प्रारंभिक एआई परतें शब्दों की सरल विशेषताओं को ट्रैक करती हैं, जबकि गहरी परतें संदर्भ, स्वर और अर्थ को एकीकृत करती हैं । अध्ययन में पाया गया कि मानव मस्तिष्क गतिविधि एक समान प्रगति का अनुसरण करती है: प्रारंभिक तंत्रिका प्रतिक्रियाएं प्रारंभिक मॉडल परतों के साथ संरेखित होती हैं, और बाद में तंत्रिका प्रतिक्रियाएं गहरी परतों के साथ संरेखित होती हैं । यह संरेखण ब्रोका के क्षेत्र जैसे उच्च-स्तरीय भाषा क्षेत्रों में विशेष रूप से स्पष्ट था, जहां शिखर मस्तिष्क की प्रतिक्रिया बाद में गहरी एआई परतों के लिए हुई थी । गोल्डस्टीन के अनुसार, " हमें सबसे ज्यादा आश्चर्य हुआ कि मस्तिष्क के लौकिक अर्थ का खुलासा बड़े भाषा मॉडल के अंदर परिवर्तनों के अनुक्रम से कितना मेल खाता है । भले ही इन प्रणालियों को बहुत अलग तरीके से बनाया गया हो, दोनों को समझने की दिशा में एक समान चरण-दर-चरण बिल्डअप पर अभिसरण लगता है" यह क्यों मायने रखता है निष्कर्ष बताते हैं कि कृत्रिम बुद्धिमत्ता केवल पाठ उत्पन्न करने का एक उपकरण नहीं है । यह यह समझने में एक नई विंडो भी पेश कर सकता है कि मानव मस्तिष्क कैसे अर्थ को संसाधित करता है । दशकों तक, वैज्ञानिकों का मानना था कि भाषा की समझ प्रतीकात्मक नियमों और कठोर भाषाई पदानुक्रमों पर निर्भर करती है । यह अध्ययन उस दृष्टिकोण को चुनौती देता है । इसके बजाय, यह भाषा के लिए एक अधिक गतिशील और सांख्यिकीय दृष्टिकोण का समर्थन करता है, जिसमें अर्थ प्रासंगिक प्रसंस्करण की परतों के माध्यम से धीरे-धीरे उभरता है । शोधकर्ताओं ने यह भी पाया कि शास्त्रीय भाषाई विशेषताएं जैसे कि फोनेम और मॉर्फेम ने मस्तिष्क की वास्तविक समय की गतिविधि के साथ-साथ एआई-व्युत्पन्न प्रासंगिक एम्बेडिंग की भविष्यवाणी नहीं की थी । यह इस विचार को मजबूत करता है कि मस्तिष्क पहले से अधिक तरल और संदर्भ-संचालित तरीके से अर्थ को एकीकृत करता है । तंत्रिका विज्ञान के लिए एक नया बेंचमार्क क्षेत्र को आगे बढ़ाने के लिए, टीम ने सार्वजनिक रूप से भाषाई विशेषताओं के साथ जोड़े गए तंत्रिका रिकॉर्डिंग का पूरा डेटासेट जारी किया । यह नया संसाधन दुनिया भर के वैज्ञानिकों को प्रतिस्पर्धी सिद्धांतों का परीक्षण करने में सक्षम बनाता है कि मस्तिष्क प्राकृतिक भाषा को कैसे समझता है, कम्प्यूटेशनल मॉडल के लिए मार्ग प्रशस्त करता है जो मानव अनुभूति से अधिक निकटता से मिलते जुलते हैं । प्रमुख सवालों के जवाब दिए: प्रश्न: मस्तिष्क की भाषा प्रसंस्करण एआई मॉडल से कैसे मिलती है? ए: मस्तिष्क बोली जाने वाली भाषा को संगणना के अनुक्रम के माध्यम से बदल देता है जो बड़े भाषा मॉडल की उत्तरोत्तर गहरी परतों के साथ संरेखित होता है । प्रश्न: अर्थ समझने के लिए यह अध्ययन क्यों महत्वपूर्ण है? ए: यह भाषा के नियम-आधारित सिद्धांतों को चुनौती देता है, इसके बजाय यह सुझाव देता है कि अर्थ आधुनिक एआई सिस्टम के समान गतिशील, संदर्भ-संचालित प्रसंस्करण के माध्यम से उभरता है । प्रश्न: शोधकर्ताओं ने क्या संसाधन जारी किया? ए: भाषाई सुविधाओं के साथ इलेक्ट्रोकार्टिकोग्राफी रिकॉर्डिंग को सार्वजनिक रूप से उपलब्ध डेटासेट, प्रतिस्पर्धी भाषा सिद्धांतों के नए परीक्षणों को सक्षम करता है । नोट्:- यह लेख एक तंत्रिका विज्ञान समाचार संपादक द्वारा संपादित किया गया था । सार अस्थायी संरचना की प्राकृतिक भाषा प्रसंस्करण में मानव मस्तिष्क से मेल खाती स्तरित पदानुक्रम की बड़ी भाषा मॉडल बड़े भाषा मॉडल (एलएलएम) मानव मस्तिष्क में भाषा प्रसंस्करण को समझने के लिए एक रूपरेखा प्रदान करते हैं । पारंपरिक मॉडल के विपरीत, एलएलएम स्तरित संख्यात्मक एम्बेडिंग के माध्यम से शब्दों और संदर्भ का प्रतिनिधित्व करते हैं । यहां, हम प्रदर्शित करते हैं कि एलएलएमएस की परत पदानुक्रम मस्तिष्क में भाषा की समझ की अस्थायी गतिशीलता के साथ संरेखित होती है । 30 मिनट की कथा सुनने वाले प्रतिभागियों से इलेक्ट्रोकार्टिकोग्राफी (ईसीओजी) डेटा का उपयोग करते हुए, हम दिखाते हैं कि गहरी एलएलएम परतें बाद की मस्तिष्क गतिविधि से मेल खाती हैं, खासकर ब्रोका के क्षेत्र और अन्य भाषा से संबंधित क्षेत्रों में । हम जीपीटी -2 एक्सएल और लामा -2 से प्रासंगिक एम्बेडिंग निकालते हैं और समय के साथ तंत्रिका प्रतिक्रियाओं की भविष्यवाणी करने के लिए रैखिक मॉडल का उपयोग करते हैं । हमारे परिणाम समझ के दौरान मॉडल की गहराई और मस्तिष्क की अस्थायी ग्रहणशील खिड़की के बीच एक मजबूत संबंध प्रकट करते हैं । हम प्रतीकात्मक दृष्टिकोणों के साथ एलएलएम-आधारित भविष्यवाणियों की तुलना भी करते हैं, मस्तिष्क की गतिशीलता को पकड़ने में गहन शिक्षण मॉडल के लाभों पर प्रकाश डालते हैं । हम भाषा प्रसंस्करण के प्रतिस्पर्धी सिद्धांतों का परीक्षण करने के लिए अपने संरेखित तंत्रिका और भाषाई डेटासेट को एक सार्वजनिक बेंचमार्क के रूप में जारी करते हैं । एआईकृत्रिम बुद्धि मस्तिष्क अनुसंधान ब्रोका का क्षेत्र ज्ञान गहरी सीखना जेरूसलेम लंगागेल मशीन सीख