【Nature封面文章】大脑词汇地图

简介:

早上好。今天赵思家真的是做了热腾腾的新鲜大脑早餐来赎罪了。昨天晚上国内的诸位在睡觉的时候,《自然》放了个大招。伯克利的一群人把常用词汇所对应的大脑区域给画出来了。换句话说,这就是个大脑词典的雏形!


你觉得我们离读心术还会远吗?


我也是刚刚无意刷到最新封面研究的配套视频 《The Brain Dictionary》(不过我觉得还是翻译成「大脑词汇地图」更为贴切)。太酷了。太酷了。太酷了。

之前就有研究发现,实际上在听拥有不同词义的词汇时,并不是只有语言中心Broca's area会被激活,而每个词也不仅仅是只对应一个大脑区域,而这相对应的大脑区域似乎与语义有一定关联。


美国加州伯克利大学的科学家将常见的985个英语词汇的相对应大脑区域给「画」了出来。7名志愿者躺在功能性核磁共振(fMRI)中两个多小时(妈呀!绝对是真爱!),过程中给他们播放一个有一万多字的故事。


他们的主要发现如下:


(1)词汇们分布在大脑四周,并没有一个绝对的语言区域


(2)意义相关的词语(譬如说「妻子」,和其他描述社会关系的词语(「家庭」「孩子」...))所激活的大脑区域很相似。


这近千的词汇被分为了12个不同类型:触觉(「手指」)、视觉(「黄色」)、数字(「四」)、地点(「体育馆」)、抽象(「自然的」)、时间(「分钟))、工作(「会议」)、暴力(「致死的」)、公共设施(「学校」)、精神(「睡觉」)、情感(「悲伤的」)和社会关系(「孩子」)。

如果一个词有多种语义,譬如说英文的「Top」(上)。当人听到这个词时,额叶(就是脑门那块的大脑)的额中回(middle frontal gyrus)那一小块区域会变得活跃,而其他和衣服、外表相关的词汇也聚集在此。




这个词也有「第一、首位」的意思。不出意外地,我们在与数字相关的区域(要靠近后脑勺一些),也能找到它。(为了方便展示词语的分布,下面的图都是将大脑的整个表面压平的样子)




top也和位置有关,所以另一个可以找到它的区域则是和建筑物相关的大脑区域。




把大脑两边都抻平了看看词义的分布:




下图相当于是上图的科研版本。那晶莹剔透的大脑。好美好美啊!!!(科学和艺术会是一对好cp)总觉得应该会很好吃...


图片来自原论文 Huth et al 2016


超酷吧?研究人员还将这个词汇地图的3D大脑模型上传到了网上:http://gallantlab.org/huth2016/。但从四个小时前它的服务器就瘫痪了。呵呵。


(3)令人惊讶的是,这个研究也发现,这些与词义想对应的区域是 双脑对称的,换句话说,这和过去一直以为的「左脑负责语义」这个认识相驳。


(4)做大脑成像研究,时常最令人沮丧的就是人与人之间的差异。而像这样细节度这么高、还是全脑扫描、而且还是听觉相关的语言研究*,画这样的地图特别难。而这个研究发现这份大脑词汇地图在人与人之间一致性很高。也就是说,你在这个人脑子里看到「四」的位置,基本和在另一个人脑子里看到「四」所对应的位置基本一样。这让这个研究有了更高的可靠性。


等以后能够将更多的词汇都找到对应的位置,甚至扩展到其他的语言,虽然还有很长很长的路要走,但不得不yy一下,我们离读心术是不是更近了一步呢?


————————————————

*这里解释一下,听觉相关的核磁共振成像研究不好做,因为核磁共振在扫描时会产生很大的噪音,而我们现在的耳机很难完全隔绝那个噪音。所以在设计实验时,一定要小心不能把我们的实验声音所带来的大脑活动和机器噪音所带来的大脑活动弄混淆了(虽然这不能完全避免)。


同是做脑成像的一定能理解这个头条的分量。外行都在刷图片,内行都去刷它的methods去了。


这样内外兼顾的好文章真是让我心情澎湃啊!

————————————————


这里使用的截图都来自《自然》的原视频:https://youtu.be/k61nJkx5aDQ。想到大家可能上有关挺麻烦的,我将视频搬到优酷上了(但这样实际上是不对的)。(暂时没有中文字幕,有时间翻译了再上传好了)

毕竟这真是个在人类大脑语义上突破性的研究,如果有能力阅读原文的快去:http://www.nature.com/nature/journal/v532/n7600/full/nature17637.html。


References:

Huth, A.G., de Heer, W.A., Griffiths, T.L., Theunissen, F.E., Gallant, J.L., 2016. Natural speech reveals the semantic maps that tile human cerebral cortex. Nature 532, 453–458. doi:10.1038/nature17637


原文发布时间为:2016-04-28

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号


相关文章
|
3月前
|
人工智能 自然语言处理 算法
谷歌DeepMind研究再登Nature封面,隐形水印让AI无所遁形
近日,谷歌DeepMind团队在《自然》期刊上发表了一项名为SynthID-Text的研究成果。该方法通过引入隐形水印,为大型语言模型(LLM)生成的文本添加统计签名,从而实现AI生成文本的准确识别和追踪。SynthID-Text采用独特的Tournament采样算法,在保持文本质量的同时嵌入水印,显著提高了水印检测率。实验结果显示,该方法在多个LLM中表现出色,具有广泛的应用潜力。论文地址:https://www.nature.com/articles/s41586-024-08025-4。
143 26
|
3月前
|
人工智能 自然语言处理 vr&ar
一句话爆改三维场景!斯坦福吴佳俊团队新作:场景语言,智能补全文本到3D的场景理解
斯坦福大学吴佳俊团队提出“场景语言”,通过程序、自然语言单词和嵌入三个组件,实现文本到3D场景的智能生成与理解。该方法能高效生成复杂逼真的三维场景,广泛应用于虚拟现实、游戏、电影等领域,具有更高的保真度和精确控制优势。文章地址:https://arxiv.org/abs/2410.16770
193 95
|
6月前
Midjourney-03 收集Prompt 动漫风格 樱花 武士 魔法少女 自然 机甲 拟人动物 歌剧场景 星际飞船 神秘森林 精灵 详细记录 超多图片 多种风格 附带文本 关键词
Midjourney-03 收集Prompt 动漫风格 樱花 武士 魔法少女 自然 机甲 拟人动物 歌剧场景 星际飞船 神秘森林 精灵 详细记录 超多图片 多种风格 附带文本 关键词
114 0
|
8月前
|
机器学习/深度学习 计算机视觉
ICML 2024:人物交互图像,现在更懂你的提示词了,北大推出基于语义感知的人物交互图像生成框架
【8月更文挑战第30天】在计算机视觉和机器学习领域,人物交互图像生成一直充满挑战。然而,北京大学团队在ICML 2024上提出的SA-HOI(Semantic-Aware Human Object Interaction)框架带来了新突破。该框架通过评估人物姿态质量和检测交互边界区域,结合去噪与细化技术,显著提升了生成图像的合理性与质量。广泛实验表明,SA-HOI在多样化和细粒度的人物交互类别上表现出色,为该领域提供了新的解决方案。尽管存在数据集质量和计算复杂度等局限,未来仍有很大改进空间和应用潜力。
141 3
|
11月前
|
机器学习/深度学习
给文字动画注入语义灵魂!港科大开源文字跳动技术,每个单词都浪漫
【5月更文挑战第21天】港科大开源动态排版技术(Dynamic Typography),旨在为文字动画赋予语义深度,让每个单词都能生动表达情感。该技术通过字母变形和运动效果,结合神经位移场与端到端优化,生成可读且有表现力的动画。实验显示其优于其他基线方法,但尚无法处理复杂语义和高昂的应用成本。[论文链接](https://arxiv.org/abs/2404.11614)
117 4
|
11月前
|
机器学习/深度学习 自然语言处理 图形学
CVPR 2024:文本一键转3D数字人骨骼动画,阿尔伯塔大学提出MoMask框架
【5月更文挑战第12天】CVPR 2024将展出阿尔伯塔大学的MoMask框架,该框架创新性地将文本转化为3D数字人骨骼动画,推动计算机图形学和动画制作的发展。MoMask结合NLP和计算机视觉,由文本编码器解析输入文本,动作生成器则将其转化为骨骼动画。该技术提升动画制作效率,降低门槛,但面临训练数据需求大和生成动画可能有偏差的挑战。[论文链接](https://arxiv.org/abs/2312.00063)
223 2
|
11月前
|
机器学习/深度学习 数据采集 自然语言处理
【热门话题】常见分类算法解析
本文介绍了6种常见分类算法:逻辑回归、朴素贝叶斯、决策树、支持向量机、K近邻和神经网络。逻辑回归适用于线性问题,朴素贝叶斯在高维稀疏数据中有效,决策树适合规则性任务,SVM擅长小样本非线性问题,KNN对大规模数据效率低,神经网络能处理复杂任务。选择算法时需考虑数据特性、任务需求和计算资源。
166 0
|
机器学习/深度学习 人工智能 数据可视化
MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
155 0
|
机器学习/深度学习 网络架构
多模态图像合成与编辑这么火,马普所、南洋理工等出了份详细综述
多模态图像合成与编辑这么火,马普所、南洋理工等出了份详细综述
136 0
|
机器学习/深度学习 人工智能 自然语言处理
预测过去?DeepMind用AI复原古希腊铭文,登Nature封面
预测过去?DeepMind用AI复原古希腊铭文,登Nature封面
161 0
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等