今天,Meta公司人工智能研究部门Meta AI官宣,正在着手一个长期研究项目,研究人脑如何处理语言,目标是建立更好的语言模型。
该项目日前宣布,将与神经成像中心NeuroSpin、法国国家数字科学与技术研究所Inria合作完成。有了这两个基金会的参与,Meta AI将比较人工智能语言模型和人脑对相同的口语或书面句子的反应。
“了解人类智力的起源是21世纪科学界的一大挑战”,NeuroSpin主任Stanislas Dehaene说道,“语言人工神经网络越来越接近于模仿人脑的活动,从而为思考如何在神经组织中实现人脑思想提供了新思路。”
目前,最接近人类语言的人工智能模型是通过观察上下文来系统地分解句子,并试图基于一种机器学习类型来预测下一个单词。尽管这些系统或许会带来一种表面“人性化”的错觉,但相比人脑,还是差了一大截。
例如,人工智能模型的输入是“Once upon”(从),要预测下一个词,能够预测到“a time”(Once upon a time,英语里常用于童话故事的开头,相当于“从前”),是个孤立的过程。而另一方面,对于一个在童话故事中长大的人而言,其大脑听到 "Once upon"后,大脑不仅仅会预测“a time”是下一个词组,脑海中还会浮现出与童话相关的各种神奇概念,例如邪恶的女巫、龙、城堡、英雄和其他具有文化意义的东西。
当大脑做出这些预测时,它们会生成特定的“大脑状态”,可以在大脑成像中看到。Meta AI利用功能性磁共振成像和脑磁图扫描仪,在志愿者阅读或听故事时拍摄大脑活动的快照。
当研究人员开始用机器学习记录来自公共数据集的大脑扫描,并结合新的功能性磁共振成像和脑磁图扫描仪,他们发现了一些有趣的事情。该研究表明,人脑中的语言处理过程与人工智能语言模型的工作原理类似,往往类似于有组织的层次结构。
例如,当单词触发视觉刺激时,大脑中有一些区域与视觉处理算法类似,也有一些区域与表示单词理解的算法类似,而整个网络的行为似乎与人工智能语言转换器类似。
在大脑研究中,我们已经知道,大脑的特定区域是视觉化和语言处理的一部分,它们的相互作用形成了构建叙事和表达的网络。Meta AI的结果显示,大脑的某些区域,如前额叶和顶叶皮质——位于大脑的前部和中部——最能代表语言模型,并能对遥远的未来进行单词预测。
在Meta AI工作的博士生Charlotte Caucheteux表示,“我们发现,更好的算法是在预测下一个单词越多,就越类似大脑的活动,这一点相当重要,因为这表明,大脑和算法之间共享的内部表征对于处理语言的算法是有用的。”
Meta AI的研究人员和他们的合作者认为,他们很可能踏上了成功之路,因为他们在分析了200名志愿者的简单阅读测试的大脑活动后很快得到了验证。约一周后,麻省理工学院的一个团队独立完成了一项类似的研究,并得出了非常相似的结论。
通过这些研究,Meta AI希望在人脑和人工智能模型之间建立可量化的相似性,并利用这些相似性对大脑功能产生新见解。通过提供与人类语言使用更协调的行为和反应的人工智能,它将能够以自然的方式更好地与人互动。
好文章,需要你的鼓励
这项研究提出了"高效探测"方法,解决了掩码图像建模AI难以有效评估的问题。通过创新的多查询交叉注意力机制,该方法在减少90%参数的同时实现10倍速度提升,在七个基准测试中均超越传统方法。研究还发现注意力质量与分类性能的强相关性,生成可解释的注意力图谱,展现出优异的跨域适应性。团队承诺开源全部代码,推动技术普及应用。
伊利诺伊大学研究团队开发了CLAIMSPECT系统,通过层次化分解复杂争议、智能检索相关文献、多角度收集观点的方法,将传统的"真假"判断转变为多维度分析。该系统能够自动构建争议话题的分析框架,识别不同观点及其支撑证据,为科学和政治争议提供更全面客观的分析,已在生物医学和国际关系领域验证有效性。
清华大学研究团队首次提出情感认知融合网络(ECFN),让AI能像人类一样理解和表达情感。该系统通过多层次情感处理架构,在情感识别准确率上比现有最佳系统提升32%,情感表达自然度提升45%。研究突破了传统AI情感理解的局限,实现了跨模态情感融合、动态情感追踪和个性化情感建模,为医疗、教育、客服等领域带来革命性应用前景。
哈佛大学研究团队通过创新的多智能体强化学习方法,让AI在战略游戏中学会复杂推理。研究发现AI通过游戏竞争能发展出类人思维能力,在逻辑推理、创造性解决问题等方面表现显著提升。这项突破性成果为未来AI在医疗、教育、城市管理等领域的应用奠定基础,展现了通过模拟人类学习过程培养真正智能AI的新路径。