شگفتی دانشمندان از شباهت خیره‌کننده مغز به هوش مصنوعی

مطالعه‌ای جدید نشان می‌دهد که مغز ما زبان را از طریق سلسله‌ مراتبی از مراحل منظم درک می‌کند که شباهت زیادی به نحوه عملکرد مدل‌های زبانی هوش مصنوعی دارد. محققان با ثبت فعالیت‌های مغزی افرادی که به یک داستان گوش می‌دادند، دریافتند که سیگنال‌های ثانویه مغز با لایه‌های عمیق‌تر سیستم‌های هوش مصنوعی (به‌ویژه در نواحی اصلی مربوط به زبان مانند «ناحیه بروکا») مطابقت دارند. این نتایج، نظریه‌های قدیمی که زبان را صرفاً بر پایه قوانین خشک دستوری توضیح می‌دادند، به چالش می‌کشد. همچنین، انتشار یک مجموعه داده عمومی جدید در پی این تحقیق، ابزار ارزشمندی را برای مطالعه نحوه معناسازی در مغز فراهم کرده است.

انعکاس مدل‌های زبانی هوش مصنوعی در فعالیت مغز

این تحقیق که در نشریه Nature Communications منتشر شده، به سرپرستی دکتر آریل گلدشتاین و با همکاری دکتر ماریانو شاین از بخش تحقیقات گوگل، به همراه پروفسور یوری هاسون و اریک هم از دانشگاه پرینستون انجام شده است. این تیم پیوند غیرمنتظره‌ای را بین نحوه تفسیر زبان در انسان و نحوه پردازش متن در مدل‌های مدرن هوش مصنوعی کشف کردند.

محققان با استفاده از ثبت دقیق فعالیت‌های الکتریکی مغز افرادی که به یک پادکست ۳۰ دقیقه‌ای گوش می‌دادند، پاسخ‌های مغزی را با دقت بالا رصد کردند. تحلیل‌های آن‌ها نشان داد که پردازش زبان در مغز طی یک توالی ساختاریافته باز می‌شود که دقیقاً با طراحی لایه‌بندی‌شده مدل‌های زبانی بزرگ (مانند GPT-2 و Llama 2) همخوانی دارد.

نحوه معناسازی تدریجی در مغز

زمانی که یک فرد به یک سخنرانی گوش می‌دهد، مغز معنا را به یکباره جذب نمی‌کند؛ بلکه هر کلمه از چندین مرحله عصبی عبور می‌کند. گلدشتاین و همکارانش دریافتند که این مراحل در طول زمان به شکلی پیش می‌روند که به موازات عملکرد مدل‌های هوش مصنوعی است. لایه‌های اولیه در هوش مصنوعی بر ویژگی‌های پایه کلمات تمرکز دارند، در حالی‌که لایه‌های عمیق‌تر، بافت متن (Context)، لحن و معنای کلی را با هم ترکیب می‌کنند.

همین الگو در مغز نیز مشاهده شد. پاسخ‌های اولیه مغز با مراحل ابتدایی پردازش هوش مصنوعی همسو بود، در حالی‌که پاسخ‌های بعدی با لایه‌های عمیق‌تر هوش مصنوعی مطابقت داشت. این رابطه زمانی به‌ویژه در نواحی پیشرفته زبانی مانند «ناحیه بروکا» بسیار قوی بود؛ جایی که اوج فعالیت مغزی همزمان با پردازش در لایه‌های عمیق‌تر مدل رخ می‌داد.

به گفته دکتر گلدشتاین:

آنچه بیش از همه ما را شگفت‌زده کرد، میزان شباهتِ باز شدنِ تدریجیِ معنا در مغز با توالیِ تغییراتِ درون مدل‌های زبانی بزرگ بود. با وجود اینکه ساختار این دو سیستم بسیار متفاوت است، اما به نظر می‌رسد هر دو به یک روش گام‌به‌گامِ مشابه برای رسیدن به درک نهایی رسیده‌اند.

چرا این یافته‌ها اهمیت دارند؟

این نتایج نشان می‌دهند که هوش مصنوعی فراتر از یک ابزار ساده برای تولید متن است و می‌تواند به دانشمندان کمک کند تا درک بهتری از نحوه پردازش معنا در مغز انسان داشته باشند. برای سال‌ها تصور می‌شد درک زبان به نمادهای ثابت و قوانین سخت‌گیرانه زبانی وابسته است؛ اما این مطالعه آن ایده را به چالش می‌کشد و در عوض از دیدگاهی منعطف‌تر و «داده‌محور» حمایت می‌کند که در آن، معنا به‌تدریج و از طریق بافت و زمینه کلام (Context) شکل می‌گیرد.

محققان همچنین عناصر سنتی زبان‌شناسی مانند «واج‌ها» و «تکواژها» را بررسی کردند، اما متوجه شدند این واحدها به اندازه مدل‌های هوش مصنوعی نمی‌توانند فعالیت لحظه‌ای مغز را توضیح دهند. این موضوع تایید می‌کند که مغز بیش از آنکه به واحدهای زبانیِ دقیقاً تعریف‌شده متکی باشد، به بافت کلی کلام تکیه دارد.

یک منبع آزاد جدید برای علوم اعصاب

تیم تحقیق برای کمک به پیشرفت پژوهش‌ها در این زمینه، مجموعه کامل ثبت‌های عصبی را به همراه ویژگی‌های زبانی مرتبط با آن‌ها منتشر کرده است. با عمومی شدن این داده‌ها، دانشمندان در سراسر جهان می‌توانند نظریه‌های مختلف در مورد درک زبان را مقایسه کرده و مدل‌های محاسباتی بسازند که شباهت بیشتری به عملکرد مغز انسان داشته باشد.

منبع: Scitechdaily