Исследование, опубликованное на этой неделе в Nature Communications, показывает, что человеческий мозг обрабатывает устную речь через последовательность вычислений, которая близко отражает принцип работы передовых моделей ИИ. Между тем, исследователи задокументировали влияние ИИ на повседневную речь через феномен, называемый «лексическим просачиванием», а учёные разработали инструмент, который использует ИИ для моделирования нейронов в тысячи раз быстрее, чем традиционные методы.
Мозг обрабатывает язык подобно большим языковым моделям
Исследователи под руководством доктора Ариэля Гольдштейна из Еврейского университета, в сотрудничестве с Google Research и Принстонским университетом, обнаружили, что временное развертывание смысла в мозге соответствует послойной архитектуре больших языковых моделей, таких как GPT-2 и Llama 2. Используя электрокортикографические записи участников, слушавших 30-минутный подкаст, команда обнаружила, что ранние нейронные реакции совпадали с ранними слоями модели, в то время как более поздние реакции соответствовали более глубоким слоям.
Соответствие было особенно очевидным в зоне Брока, где пиковые реакции мозга происходили позже для более глубоких слоев ИИ, интегрирующих контекст и смысл. «Больше всего нас удивило то, насколько близко временное развертывание смысла в мозге соответствует последовательности преобразований внутри больших языковых моделей», — сказал Гольдштейн. «Хотя эти системы построены совершенно по-разному, обе, похоже, сходятся к аналогичному поэтапному построению понимания».
Результаты исследования бросают вызов традиционным теориям понимания языка, основанным на правилах, предполагая вместо этого, что смысл формируется постепенно через контекстную обработку. Классические лингвистические признаки, такие как фонемы и морфемы, предсказывали активность мозга менее точно, чем контекстные встраивания, полученные с помощью ИИ. Команда опубликовала полный набор нейронных записей в открытом доступе, чтобы позволить ученым всего мира тестировать конкурирующие теории обработки языка.
Лексика из области ИИ просачивается в повседневную речь
Отдельное исследование лингвиста из Университета штата Флорида Тома Юзека документирует, как предпочитаемые ИИ модные словечки проникают в спонтанную человеческую речь. Анализируя 22 миллиона слов из подкастов без сценария, команда Юзека обнаружила, что связанные с ИИ термины, такие как «delve» (углубляться), «meticulous» (тщательный), «garner» (собирать) и «boast» (хвастаться), резко возросли после выпуска ChatGPT в 2022 году, в то время как синонимы остались на прежнем уровне.
Юзек называет это «лексическим просачиванием» — процессом, при котором повторяющееся воздействие текстов, созданных ИИ, приводит к тому, что люди бессознательно перенимают его словарь. В отличие от сленга, который распространяется через культуру, этот сдвиг исходит от алгоритмов. «ИИ может буквально вкладывать слова в наши уста, поскольку повторяющееся воздействие приводит к тому, что люди усваивают и повторно используют модные словечки, которые они, возможно, не выбрали бы естественным образом», — сказал Юзек.
Исследование вызывает опасения по поводу того, что ИИ потенциально стандартизирует человеческую речь и сглаживает диалекты. Юзек отметил, что если разные компании, разрабатывающие ИИ, будут по-разному настраивать свои модели, у населения могут появиться слегка отличающиеся речевые паттерны.
ИИ-фреймворк ускоряет моделирование нейронов
Ученые из Калтеха и Cedars-Sinai представили NOBLE (нейронный оператор с биологически обоснованными латентными представлениями) на конференции NeurIPS в Сан-Диего в этом месяце. Платформа создает виртуальные модели нейронов мозга со скоростью в 4200 раз выше, чем существующие численные решатели, при этом учитывая вариабельность реальных биологических нейронов.
«Это первая крупномасштабная платформа глубокого обучения, которая сочетает математические модели биореалистичных нейронов с экспериментальной валидацией», — сказала Анима Анандкумар, профессор Брена в области компьютерных и математических наук в Калтехе. Инструмент может генерировать неограниченное количество виртуальных нейронов, позволяя исследователям моделировать более крупномасштабные мозговые цепи и лучше понимать взаимосвязи между экспрессией генов, электрической активностью и нейронными сетями.
NOBLE использует нейронные операторы — нейронные сети, работающие с непрерывными математическими функциями, а не с дискретными точками данных, — что позволяет исследователям изучать факторы в различных масштабах и разрешениях. Соавтор Костас Анастассиу из Cedars-Sinai отметил, что платформа может ускорить открытия в исследованиях функций мозга и привести к более эффективным методам лечения расстройств мозга.
Комментариев нет:
Отправить комментарий