聊天、讀書或聽講時，你有意識到自己正在瘋狂 " 腦補 " 嗎？

其實，你的大腦就像一個自動補全機一樣，每時每刻都在猜別人要說什么。

不僅如此，大腦還會不斷地將我們從外界獲取的信息（圖像、聲音和文本等）與腦內的預測進行比較。

基于這一理論，研究人員搞出了不少 NLP 模型，包括語音識別、自動補全等，但他們卻發現，人的 " 腦補 " 能力還是比這些 AI 更優秀。

所以，究竟是不是人的大腦和 AI" 腦補 " 的方法不一樣？

現在，一群來自馬普所和奈梅亨大學（Radboud University）的科學家，決定直接測一測人們 " 腦補 " 時發出的腦電波。

對這些腦電波特征進行分析后，他們發現了背后更詳細的原因。

收集大腦聽書時的 " 反應 "

此前，科學家們已經發現，大腦會對外界事物進行預測，來引導自己處理信息。

但大腦究竟是基于哪些條件（詞類 / 音素 / 語義等）做出的預測，不同條件之間是否會相互影響，一直沒有明確定論。

例如，單詞和語義究竟是怎么影響大腦預測的，預測單詞會不會對語義造成影響，都還不清楚。

因此，科學家們想出了一個方法：讓志愿者們聽有聲書，觀察他們的大腦反應，并采用GPT-2來對預測內容進行一個定量分析，將預測結果進行對比。

他們先找來 19 名志愿者，測量并記錄他們 1 小時的腦電波（EEG）；隨后，又收集了 3 名志愿者 9 小時的腦磁圖（MEG），來定位大腦中具體位置的神經活動。

其中，腦電波小組聽的是一小時《老人與海》，每次時長 180 秒，一共播放 20 次；腦磁圖小組聽的是 9 個小時《福爾摩斯探案集》，每次 1 小時，并被要求在兩次間隔之間回答具體問題。

隨后，從不同維度對這些數據進行分析，并得出了幾點結論。

優先考慮 " 更高級 " 的預測條件

研究人員先是驗證發現，大腦的預測是持續不斷地產生的。

在這個過程中，科學家們也發現了 AI 預測和人腦的相似性。

例如，如果預測結果不符合實際情況（猜錯了），大腦就會感到 " 驚奇 "，變得空前活躍。

隨后，他們將有聲書的內容分成幾個層次，包括詞性（動詞 / 名詞 / 形容詞）、音素（音標）和語義（用 GPT-2 做預測）這幾個 " 級別 "。

然后，通過 MRI 還原了大腦在進行不同層次預測時的 " 可視化圖 "。

結果顯示，大腦在用詞性、語義和音素進行預測時，不同層次之間會相互進行影響。

也就是說，更 " 高級 " 的預測條件會影響優先級較低的預測條件，如語義（上下文）就會對音素預測產生影響。

例如在 "They say his father was a _____." 這句話中，如果僅僅憑借音素預測下一個音節，和通過上下文進行預測的結果是不一樣的。

如果只用音素和頻率進行預測，大概率會認為單詞音標會以 /f / 開頭，但結合上下文的話，就更容易做出 "fisherman"，也就是 /fi/ 開頭的單詞預測。

這樣看來，或許也能通過將幾個層次的預測條件結合起來，增加語音識別或自動補全等 AI 的準確性。

作者介紹

一作 Micha Heilbron，目前是內梅亨大學和馬普所研究院，研究方向是認知和計算神經科學，對于生成模型對語言處理中的作用感興趣。

Kristijan Armeni，目前在約翰霍普金斯大學讀博后，博士畢業于內梅亨大學，研究方向是自然語言處理和認知神經科學。

同樣參與研究的幾名作者 Jan-Mathijs Schoffelen、Peter Hagoort、Floris P. de Lange 也分別來自內梅亨大學和馬普所。

對于這項研究，有網友提出了自己的觀點，即大腦本身就是一種機制，會基于一種反饋回路做出決策和行動。

但也有網友從自己感受來看，大腦這個 " 預測機器 " 似乎經常出錯。

對此有網友提出了自己的觀點：

畢竟大腦是個生存機器，而不是 " 真相檢測儀 "。如果說謊能促進健康，那么你的大腦便會選擇說謊。