Картирование нейронных строительных блоков человеческого языка с помощью языковых моделей
Mapping the neuronal building blocks of human language with language models
2026-06-17
SCID: 54.1/m548b59w
Discuss with AI
лобно-височная корамодель обработки естественного языкачасти речиодноклеточные записисинтаксическая структура
Figures from the paper
Abstract (AI)
Человек способен передавать новую и чрезвычайно разнообразную информацию посредством языка. Эта способность формировать и комбинировать слова в сложные фразы и предложения позволяет выражать неисчерпаемые значения и является фундаментальной для человеческого познания. Тем не менее понимание микроскопических клеточных строительных блоков и кортикального ландшафта, которые точно лежат в основе человеческого языка, оставалось проблемой. В данном исследовании мы использовали широкомасштабные записи отдельных нейронов в сочетании с моделями обработки естественного языка для выявления тонких лингвистических представлений в пределах фронтотемпоральной коры человека во время языкового производства. Мы обнаружили, что одни нейроны представляли детализированные грамматические отношения между словами или их части речи, тогда как другие отслеживали синтаксическую структуру более высокого порядка, переходы между фразами и их последовательность. В совокупности эти нейроны надежно фиксировали синтаксические и семантические свойства слов, но также динамически учитывали их конкретный контекст в предложении, что позволяло им кодировать информацию комбинаторно и на очень детализированных уровнях. Мы показываем, как эти популяции клеток локально организованы и как их микроскопические представления отличаются от представлений, наблюдаемых в более широких полевых потенциальных паттернах. Мы также демонстрируем, что эти нейроны широко распределены по фронтотемпоральной коре, при этом их способность кодировать лингвистическую информацию была левополушарно-локализованной и варьировала между корковыми регионами. В совокупности эти результаты определяют некоторые из наиболее базовых клеточных строительных блоков, с помощью которых кодируется лингвистическая информация у человека, и закладывают основы для описания кортикального ландшафта языка на объединенных микро- (клеточном), мезо- (локальная популяция) и макро- (региональный) уровнях. Широкомасштабные записи выявляют нейроны в человеческом мозге, кодирующие фундаментальные компоненты языка, такие как грамматические отношения между словами, их части речи и синтаксическая структура более высокого порядка фраз и предложений.
Key Findings
1
Клеточные популяции с лингвистическими представлениями локально организованы, и их микромасштабные (одиноклеточные) представления отличаются от паттернов более широкого полевого потенциала.
2
Нейроны, кодирующие язык, широко распределены по передне-височной коре, но демонстрируют лево-латерализованную способность кодирования и региональную изменчивость представления информации.
3
Нейронные популяции коллективно кодируют синтаксические и семантические свойства слов и динамически учитывают конкретный контекст предложения, обеспечивая комбинаторные и высокоточные представления.
4
Некоторые нейроны представляют подробные грамматические отношения между словами или части речи, в то время как другие отслеживают более высокоуровневую синтаксическую структуру, переходы фраз и последовательность.
5
Широкомасштабные одноклеточные записи в сочетании с языковыми моделями выявляют тонкие лингвистические представления в передне-височной коре человека во время языкового производства.
Research Object
Одиночные нейроны в лобно-височной коре человека, зарегистрированные во время продуктивной речи
Research Subject
Тонкозернистые языковые представления, кодируемые этими нейронами, включая грамматические отношения между словами, части речи, синтаксическую структуру высшего порядка, переходы между фразами, последовательность и контексто-зависимое комбинаторное кодирование на микро/мезо/макро уровнях коры
Publication Details
Publication Date
2026-06-17
Journal
Publisher
ISSN
Cited by
3
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
LLaMA: открытые и эффективные базовые языковые модели2023
Общие вычислительные принципы обработки языка у человека и в глубоких языковых моделях2022
BLOOM: многоязычная открытая языковая модель с 176 миллиардами параметров2022
Transformers от HuggingFace: современные методы обработки естественного языка2019