Uz pomoć mreže veštačkih jezika, neuronaučnici MIT-a otkrili su koje vrste rečenica će najverovatnije pokrenuti ključne centre za obradu jezika u mozgu.
Nova studija otkriva da rečenice koje su složenije, bilo zbog neobične gramatike ili neočekivanog značenja, generišu jače odgovore u ovim centrima za obradu jezika. Rečenice koje su veoma direktne jedva da se bave ovim regionima, a ni besmislene sekvence reči im ne pomažu.
Na primer, istraživači su otkrili da je ova moždana mreža najaktivnija kada se čitaju neobične rečenice kao što je „Signali za kupovinu i prodaju ostaju poseban“, preuzete iz javno dostupnog skupa podataka na jeziku C4. Međutim, utihnulo je kada se pročita nešto vrlo jednostavno, kao što je „Sedeli smo na kauču“.
„Ulaz mora biti dovoljno sličan jeziku da bi se uključio sistem“, kaže Evelina Fedorenko, vanredni profesor neuronauke na MIT-u i član MIT-ovog McGovern instituta za istraživanje mozga. „I onda unutar tog prostora, ako se stvari zaista lako obrađuju, onda nemate mnogo odgovora. Ali ako stvari postanu teške ili iznenađujuće, ako postoji neobična konstrukcija ili neobičan skup reči da ste možda nije baš upoznat, onda mreža mora više da radi.“
Fedorenko je stariji autor studije, koja se danas pojavljuje u časopisu Prirodno ljudsko ponašanje. MIT diplomirani student Greta Tuckute je glavni autor rada.
U ovoj studiji, istraživači su se fokusirali na regione za obradu jezika koji se nalaze u levoj hemisferi mozga, što uključuje Brokino područje, kao i druge delove levog frontalnog i temporalnog režnja mozga.
„Ova jezička mreža je veoma selektivna za jezik, ali je bilo teže shvatiti šta se dešava u ovim jezičkim regionima“, kaže Tuckute. „Želeli smo da otkrijemo koje vrste rečenica, koje vrste lingvističkih inputa pokreću jezičku mrežu leve hemisfere.
Istraživači su započeli tako što su sastavili skup od 1.000 rečenica uzetih iz raznih izvora — fikcije, transkripcija izgovorenih reči, veb teksta i naučnih članaka, između mnogih drugih.
Pet ljudskih učesnika pročitalo je svaku od rečenica, dok su istraživači merili njihovu jezičku mrežnu aktivnost koristeći funkcionalnu magnetnu rezonancu (fMRI). Istraživači su zatim ubacili tih istih 1.000 rečenica u veliki jezički model — model sličan ChatGPT-u, koji uči da generiše i razume jezik predviđanjem sledeće reči u ogromnim količinama teksta — i izmerili obrasce aktivacije modela kao odgovor na svaki rečenica.
Kada su imali sve te podatke, istraživači su obučili model mapiranja, poznat kao „model kodiranja“, koji povezuje obrasce aktivacije koji se vide u ljudskom mozgu sa onima uočenim u modelu veštačkog jezika. Jednom obučen, model bi mogao da predvidi kako će mreža ljudskog jezika reagovati na bilo koju novu rečenicu na osnovu toga kako je mreža veštačkog jezika reagovala na ovih 1.000 rečenica.
Istraživači su zatim koristili model kodiranja da identifikuju 500 novih rečenica koje bi generisale maksimalnu aktivnost u ljudskom mozgu („pogonske“ rečenice), kao i rečenice koje bi izazvale minimalnu aktivnost u jezičkoj mreži mozga („potiskivale“ rečenice) .
U grupi od tri nova ljudska učesnika, istraživači su otkrili da ove nove rečenice zaista pokreću i potiskuju moždanu aktivnost kao što je predviđeno.
„Ova ‘zatvorena petlja’ modulacija moždane aktivnosti tokom obrade jezika je nova,“ kaže Tuckute. „Naša studija pokazuje da je model koji koristimo (koji mapira između aktivacije jezičkog modela i odgovora mozga) dovoljno precizan da to uradi. Ovo je prva demonstracija ovog pristupa u oblastima mozga uključenim u spoznaju višeg nivoa, kao što je npr. jezička mreža“.
Da bi otkrili šta je učinilo da određene rečenice pokreću aktivnost više od drugih, istraživači su analizirali rečenice na osnovu 11 različitih jezičkih svojstava, uključujući gramatičnost, uverljivost, emocionalnu valentnost (pozitivnu ili negativnu) i koliko je lako vizualizovati sadržaj rečenice.
Za svako od tih svojstava, istraživači su zamolili učesnike sa platformi za crovd-sourcing da ocene rečenice. Takođe su koristili računarsku tehniku da kvantifikuju „iznenađenje“ svake rečenice ili koliko je neuobičajeno u poređenju sa drugim rečenicama.
Ova analiza je otkrila da rečenice sa većim iznenađenjem stvaraju veće odgovore u mozgu. Ovo je u skladu sa prethodnim studijama koje pokazuju da ljudi imaju više poteškoća u obrađivanju rečenica sa većim iznenađenjem, kažu istraživači.
Još jedno jezičko svojstvo koje je bilo u korelaciji sa odgovorima jezičke mreže bila je jezička složenost, koja se meri time koliko se rečenica pridržava pravila engleske gramatike i koliko je verodostojna, što znači koliko smisla ima sadržaj, osim gramatike.
Rečenice na oba kraja spektra – ili krajnje jednostavne, ili toliko složene da nemaju nikakvog smisla – izazvale su vrlo malo aktivacije u jezičkoj mreži. Najveći odgovori su došli iz rečenica koje imaju nekog smisla, ali zahtevaju rad na njihovom otkrivanju, kao što je „Jiffi Lube of—therapies, ies,“ koja potiče iz skupa podataka Corpus of Contemporari American English.
„Otkrili smo da rečenice koje izazivaju najveći odgovor mozga imaju čudnu gramatičku stvar i/ili čudno značenje“, kaže Fedorenko. „Postoji nešto malo neobično u ovim rečenicama.
Istraživači sada planiraju da vide da li mogu proširiti ove nalaze na govornike drugih jezika osim engleskog. Takođe se nadaju da će istražiti koji tip stimulusa može aktivirati regione za obradu jezika u desnoj hemisferi mozga.
