Un nuevo estudio sugiere que el cerebro humano entiende el lenguaje hablado a través de un proceso gradual que se parece mucho a la forma en que operan los modelos avanzados de lenguaje de inteligencia artificial (IA). Al registrar la actividad cerebral de personas que escuchaban una historia narrada, los investigadores hallaron que las etapas tardías de la respuesta cerebral coinciden con las capas más profundas de los sistemas de IA, especialmente en regiones del lenguaje bien conocidas como el área de Broca.
Los resultados ponen en cuestión las ideas tradicionales, basadas en reglas, sobre la comprensión del lenguaje, y están respaldados por un nuevo conjunto de datos públicos que ofrece una poderosa herramienta para estudiar cómo se forma el significado en el cerebro.
La investigación, publicada en Nature Communications, fue liderada por el Dr. Ariel Goldstein, de la Universidad Hebrea de Jerusalén, junto con el Dr. Mariano Schain, de Google Research, y el profesor Uri Hasson y Eric Ham, de la Universidad de Princeton. En conjunto, el equipo descubrió una similitud inesperada entre la forma en que los humanos interpretan el habla y cómo los modelos modernos de IA procesan el texto.
Utilizando registros de electrocorticografía de participantes que escucharon un podcast de treinta minutos, los científicos siguieron el momento y la localización de la actividad cerebral durante el procesamiento del lenguaje. Descubrieron que el cerebro sigue una secuencia estructurada que coincide estrechamente con el diseño en capas de los grandes modelos de lenguaje, como GPT-2 y Llama 2.
Cómo el cerebro construye el significado a lo largo del tiempo |
Cuando escuchamos a alguien hablar, el cerebro no capta el significado de forma inmediata. En cambio, cada palabra atraviesa una serie de pasos neuronales. Goldstein y sus colegas demostraron que estos pasos se despliegan en el tiempo de una manera que refleja cómo los modelos de IA manejan el lenguaje. Las capas iniciales de la IA se centran en características básicas de las palabras, mientras que las capas más profundas integran el contexto, el tono y un significado más amplio.
La actividad cerebral humana siguió el mismo patrón. Las señales neuronales tempranas coincidieron con las primeras etapas del procesamiento de la IA, mientras que las respuestas cerebrales posteriores se alinearon con las capas más profundas de los modelos. Esta coincidencia temporal fue especialmente marcada en áreas de alto nivel del lenguaje, como el área de Broca, donde las respuestas alcanzaron su punto máximo más tarde, cuando se las vinculó con capas profundas de la IA.
Según el Dr. Goldstein, "lo que más nos sorprendió fue cuán estrechamente el despliegue temporal del significado en el cerebro coincide con la secuencia de transformaciones dentro de los grandes modelos de lenguaje" y "aunque estos sistemas están construidos de manera muy diferente, ambos parecen converger en una construcción gradual y paso a paso de la comprensión”.
Por qué estos hallazgos son importantes |
El estudio sugiere que la inteligencia artificial puede hacer algo más que generar texto: también puede ayudar a los científicos a comprender mejor cómo el cerebro humano crea significado. Durante muchos años, se pensó que el lenguaje dependía principalmente de símbolos fijos y jerarquías rígidas. Estos resultados desafían esa visión y, en cambio, apuntan a un proceso más flexible y estadístico, en el que el significado emerge gradualmente a través del contexto.
Los investigadores también pusieron a prueba elementos lingüísticos tradicionales como los fonemas y los morfemas. Estas características clásicas no explicaron la actividad cerebral en tiempo real tan bien como las representaciones contextuales producidas por los modelos de IA. Esto respalda la idea de que el cerebro depende más de un contexto fluido que de bloques lingüísticos estrictos.
Un nuevo recurso para la neurociencia del lenguaje |
Para impulsar el avance del campo, el equipo puso a disposición del público el conjunto completo de registros neuronales y características lingüísticas. Este conjunto de datos abierto permite a investigadores de todo el mundo comparar teorías sobre la comprensión del lenguaje y desarrollar modelos computacionales que reflejen de manera más fiel el funcionamiento de la mente humana.