第一次,语言的神经激活被定位到细胞级

简介: 【7月更文挑战第26天】

一篇名为《Semantic encoding during language comprehension at single-cell resolution》的论文,发表在《Nature》上,该论文由来自哈佛医学院和麻省理工学院的研究人员合作完成。这篇论文主要研究了人类大脑在语言理解过程中的语义编码,并首次在单个神经元的分辨率上进行了定位。

研究人员使用一种名为"single-neuronal recordings"的技术,在人类大脑的左前额叶皮层中记录了单个神经元的活动。他们发现,当人们听到或看到具有特定语义内容的单词时,这些神经元会选择性地激活。

具体来说,研究人员将每个单词与一个300维的向量相关联,该向量表示了该单词在语义空间中的位置。然后,他们使用一种称为"spherical clustering"的技术,将这些向量聚类为9个不同的语义域,如动作、状态、物体等。

他们发现,许多神经元对特定语义域的单词有选择性的响应。例如,一个神经元可能对表示食物的单词有强烈的响应,而对表示动物的单词则没有响应。这种选择性响应的程度可以用一个称为"selectivity index"(SI)的指标来衡量,SI的值越高,表示神经元对特定语义域的选择性越强。

研究人员还发现,这些神经元的活动模式在不同的参与者之间是一致的,并且对不同的语言材料(如句子和单词列表)也是一致的。这表明,这些神经元的活动模式可能反映了一种普遍的语义编码机制,而不仅仅局限于特定的语言或任务。

此外,研究人员还发现,这些神经元的活动模式可以用于解码人们在听到新单词时所理解的语义域。他们使用一种机器学习算法,根据神经元的活动模式预测了单词所属的语义域,并发现这种预测的准确性显著高于随机猜测。

然而,这项研究也存在一些局限性。首先,它只研究了左前额叶皮层中的神经元,而没有研究其他与语言处理相关的脑区。其次,它只使用了一种语言(英语)和一组有限的语言材料,因此可能无法推广到其他语言或更广泛的语义空间。最后,它没有直接测量人们在听到单词时的主观体验或语义判断,而是依赖于对神经元活动的间接测量。

论文地址:https://www.nature.com/articles/s41586-024-07643-2

目录
相关文章
uni-app swiper实现公告栏上下循环滚动(整理)
uni-app swiper实现公告栏上下循环滚动(整理)
|
Web App开发 人工智能 Linux
开源数字孪生基础设施
开源数字孪生基础设施
318 0
|
4天前
|
人工智能 运维 安全
|
2天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
9天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
823 109
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
420 9