我們如何知道說話和閱讀？ 這些基本問題導致了麻省理工學院的新研究，該研究使用AI模型來研究我們大腦如何以及為何理解語言。 他們發現，人的大腦可能就像智慧手機自動更正功能一樣工作。

發表在《美國國家科學院院刊》上的這項新研究顯示，這些人工智慧語言模型的功能與人腦中的語言處理方法相似，表明人腦可能使用下一個詞的預測來驅動語言處理。 最近一代的人工智慧語言模型被設計為預測文本中的下一個詞，就像iMessage上的自動更正功能一樣，然而這一技術的觀察者們卻注意到了一些新的東西。 這些模型似乎也在學習關於文本含義的東西，顯示出理解能力。

模型在預測下一個單詞方面做得越好，它就越符合人腦的情況。 令人驚訝的是，這些模型如此契合，它非常間接地表明，也許人類的語言系統正在做的是預測接下來會發生什麼。 這個新的人工智慧下一個單詞預測模型是深度神經網路的一部分，深度神經網路是人工智慧模型的一個類別。 在過去十年中，這些模型被用來重現大腦功能，即物體識別。 神經網路的功能與人腦相似，因為它是鬆散地仿照大腦的模式。 它們由成千上萬的處理節點組成，這些節點緊密相連，相互傳遞資訊。

在這項新的研究中，麻省理工學院的一個研究小組分析了43種不同的語言模型，其中許多是為下一個單詞預測而優化的。 這些模型包括GPT-3（Generative Pre-trained Transformer 3），它可以在得到提示時生成真實的文本，或者其他旨在提供填空功能的模型。 研究人員向每個模型展示了一串單詞，以測量其神經結點的活動。 然後他們將這些模式與人腦的活動進行了比較。

該研究顯示，表現最好的下一個單詞預測模型的活動模式與人腦的活動模式最為相似。 此外，這些模型的活動也與人類的行為措施相關，例如人們閱讀文本的速度。 研究人員發現能夠很好地預測神經反應的模型也傾向於最好地預測人類行為反應以及閱讀的形式。