August M
Wissenschaftler, die untersuchen, wie Menschen gesprochene Sprache verstehen, haben Hinweise gefunden, die langjährige Vorstellungen über Sprache im menschlichen Gehirn infrage stellen. Neue Forschungsergebnisse deuten darauf hin, dass sich Sprachverständnis schrittweise entfaltet – auf eine Weise, die stark daran erinnert, wie Systeme künstlicher Intelligenz Wörter und Bedeutung verarbeiten.
Die Ergebnisse weisen auf unerwartete Gemeinsamkeiten zwischen biologischer und maschineller Intelligenz hin.
Zuhören und Bedeutung
Laut einer in Nature Communications veröffentlichten und von ScienceDaily aufgegriffenen Studie wurde die Gehirnaktivität von Teilnehmenden verfolgt, während sie einen 30-minütigen gesprochenen Podcast anhörten. Die Arbeit wurde von Dr. Ariel Goldstein von der Hebräischen Universität Jerusalem gemeinsam mit Forschenden von Google Research und der Princeton University geleitet.
Mithilfe der Elektrokortikographie maß das Team, wie verschiedene Hirnregionen im Zeitverlauf auf die Verarbeitung von Sprache reagierten. Dabei zeigte sich, dass Verstehen nicht auf einmal erfolgt, sondern sich schrittweise entwickelt.
Spätere Phasen der Hirnaktivität stimmten eng mit tieferen Verarbeitungsebenen fortgeschrittener KI-Sprachmodelle wie GPT-2 und Llama 2 überein, insbesondere in etablierten Sprachregionen wie dem Broca-Areal.
Ein schichtweiser Prozess
Die Forschenden beobachteten, dass frühe neuronale Signale einfacheren Verarbeitungsschritten entsprachen, während spätere Signale komplexere Interpretationen auf Grundlage eines breiteren Kontexts widerspiegelten. Dieses Muster ähnelt stark der Art und Weise, wie moderne KI-Systeme Bedeutung über mehrere interne Ebenen hinweg aufbauen.
Goldstein sagte: „Was uns am meisten überrascht hat, war, wie eng die zeitliche Entfaltung von Bedeutung im Gehirn mit der Abfolge von Transformationen in großen Sprachmodellen übereinstimmt. Obwohl diese Systeme sehr unterschiedlich aufgebaut sind, scheinen beide auf einen ähnlichen schrittweisen Aufbau des Verstehens hinauszulaufen.“
Die größte Übereinstimmung zeigte sich in höherstufigen Sprachregionen, in denen die Gehirnreaktionen später ihren Höhepunkt erreichten und am stärksten mit tieferen KI-Repräsentationen verbunden waren.
Herausforderung für alte Theorien
Die Ergebnisse stellen traditionelle regelbasierte Sprachtheorien infrage, die feste Strukturen wie Phoneme und grammatische Hierarchien betonen. Die Forschenden stellten fest, dass diese klassischen linguistischen Merkmale die Echtzeit-Gehirnaktivität weniger gut erklärten als kontextbasierte Repräsentationen, die aus KI-Modellen abgeleitet wurden.
Stattdessen stützt die Studie ein Verständnis von Sprachverarbeitung als flexiblen, statistischen Prozess, bei dem Bedeutung allmählich aus dem Kontext entsteht und nicht aus starren Regeln.
Die Forschenden erklärten, die Ergebnisse deuteten darauf hin, dass KI-Systeme nicht nur Werkzeuge zur Sprachgenerierung sein könnten, sondern auch Modelle zum Verständnis der Entstehung von Bedeutung im menschlichen Gehirn.
Neue Perspektiven
Zur Unterstützung weiterer Forschung hat das Team einen öffentlichen Datensatz mit neuronalen Aufzeichnungen und Sprachmerkmalen aus der Studie veröffentlicht. Diese Ressource soll es Wissenschaftlerinnen und Wissenschaftlern weltweit ermöglichen, konkurrierende Sprachtheorien zu testen und rechnergestützte Modelle zu entwickeln, die der menschlichen Kognition näherkommen.
Nach Angaben der Forschenden könnte dieser Ansatz helfen, Neurowissenschaften und künstliche Intelligenz enger miteinander zu verbinden und neue Einblicke in beide Bereiche zu eröffnen.
Quellen: ScienceDaily, Nature Communications, Hebräische Universität Jerusalem