大脑与 AI 共享语言预测机制：一项神经科学实验的新证据
📅 2026年06月20日 · 快讯
我们的大脑在听人说话时，其实不是被动地接收每一个词——它在不停地"猜"下一个词是什么。这种预测被认为是人类语言处理高效的关键。一个长期悬而未决的问题是：大脑的这种预测机制，和大型语言模型（LLM）的"预测下一个 token"到底是不是一回事？最新发表在认知神经科学期刊上的一项研究，给出了相当肯定的答案。
实验怎么做的
研究团队让 29 名参与者戴上设备聆听有声读物，同时同步记录他们的脑电图（EEG）和脑磁图（MEG）数据。关键在于，研究者用三种语言模型对有声读物里出现的名词逐一打"可预测性评分"：一个是 BERT 模型，另外两个是多语言版本的 LLaMA。
然后用这些模型的预测概率，去和真实的大脑神经活动做对照——看看模型认为"这个词有多容易被猜到"，是否和大脑的反应模式一致。
结果：高度吻合
结论相当清晰：当某个词的可预测性越高（即模型也认为它很"顺理成章"），大脑在识别这个词时反应就越"省力"——具体表现为一个被称为 N400 的脑电波成分幅度降低，同时在该词出现之前，预期相关的神经活动会增强。
- 脑电图数据显示，左侧额颞叶区域出现了更强的"预激活"——也就是大脑在词还没被说出时就已经开始为它做准备。
- 脑磁图数据则显示，那些低可预测性、让人意外的词，更容易引发感觉运动皮层的参与，暗示语言预测可能还包含与"动作"相关的成分。
为什么这件事重要
这是据研究者所知，首个利用自然语音刺激（而不是人工构造的句子）来验证这些效应的实验。它把计算语言模型和真实的神经生理数据结合了起来，从两个不同的层面证明了：人脑和 AI 语言模型，在"组织和预测语言"这件事上，遵循着高度相似的并行处理原则。
这至少有两层意义。对认知科学而言，它为"预测编码理论"——即大脑是一个不断预测、再用感觉输入去修正预测的机器——提供了新的实证支持。对人工智能而言，它启发了一种思路：神经科学对人类语言机制的理解，反过来可以为设计更高效、更接近人类认知方式的 AI 提供灵感。
一个有趣的延伸
这项研究某种程度上"回敬"了一个常见质疑："AI 的预测概率不过是数学统计，和人脑理解语言不是一回事。"数据显示，至少在词级别的预测上，两者的运作原则惊人地一致。当然，这并不意味着 LLM 就像人脑一样"理解"语言——它说明的是，预测本身可能就是语言处理的一种通用原理，无论是碳基的还是硅基的。