MIT 神經科學家 Ev Fedorenko 通過掃描約 1400 人的大腦，識別出一個類似「生物版 ChatGPT」的語言網絡，它不負責思考或情緒，只專注于將詞語與意義映射、拼成句子，該研究揭示了語言與思維的分離，讓我們重新審視大腦中隱藏的奧秘。

如果告訴你：你的大腦中正跑著一個「生物版 ChatGPT」，你會相信嗎？

這不是打比方，而我們的大腦中真有這樣一套專門用來處理語言的神經系統：

它不負責思考、也不負責情緒，只負責一件事 —— 把詞和意義對上號、再把它們拼成句子。

這個系統被神經科學家 Ev Fedorenko 稱作「語言網絡」（language network）。

大腦天生的 LLM 系統

很多人可能會有這種感覺：語言和思考是同一過程，找詞的過程本身就是思考。

但人類的語言和思維是一回事嗎？

語言究竟是思維的核心，還是一個完全獨立的過程？

對此，Fedorenko 提出了一個有點反直覺的觀點：

語言不等于思考，它更像是思考的「接口」和「外包裝」。

對許多人來說，找到合適的詞本身就是思考的重要組成部分，而不是某個獨立系統的產出。

她把這個獨立于思考之外的專門系統稱為「語言網絡」，用來映射詞語與其意義之間的對應關系。

Fedorenko 將之想象成一個加強版的解析器：

「它就像一張地圖，告訴你大腦里哪一塊地方存著哪一類意義，也好比一個加強版的解析器，幫我們把語言拼起來。」

至于真正的思考和有趣的東西，則全部發生在這個語言網絡之外。

事實上，早在 ChatGPT 出現之前，過去的 15 年里 Fedorenko 一直在收集人類大腦中語言網絡的證據，并且發現它和大模型（LLM）之間有不少相似之處。

在某些意義上，我們確實隨身攜帶著一個「生物版的 ChatGPT」：一個不具備心智的語言處理器。

Fedorenko 的研究，也許會讓人覺得有一些安慰：一臺機器雖然可以生成一段流暢的文字，但是它還是不會思考。

在麻省理工學院的實驗室里，Fedorenko 已經花了 15 年時間積累關于語言網絡的生物學證據。

不同于大模型，人類的語言網絡不會把詞隨便串成聽起來像那么回事的句子。

它更像是連接外部輸入（聽到的、看到的、甚至手語）和大腦其他區域意義表征（如情景記憶、社會認知，而 LLM 并沒有這些能力）之間的翻譯器。

而且人類的語言網絡并不大，如果把相關組織都聚在一起，只有一顆草莓大小。

雖然很小，一旦它受損影響卻十分巨大。

比如，受損的語言網絡會導致各種失語癥，這種情況下人的復雜思維依然存在，卻被困在無法表達的腦中；有時甚至連別人說的詞都難以區分。

掃描 1400 人大腦，她發現了人腦中的「語言網絡」

Fedorenko 上世紀 80 年代在蘇聯長大，自幼便對語言萌發了興趣。

她在母親的要求下，學會了俄語、英語、法語、德語、西班牙語和波蘭語六種語言。

成績優異的她最終獲得了哈佛大學全額獎學金。

她在哈佛大學主修語言學，但在學習過程中，她發現了語言學的局限性。

「這些語言學課很有趣，但更像是在解謎，而不是在解釋現實世界到底是怎么運作的。」

于是她又學習了心理學。

2002 年，她從哈佛大學畢業，獲得心理學與語言學學士學位。

隨后，Fedorenko 進入麻省理工學院（MIT）攻讀認知科學與神經科學的研究生課程，并于 2007 年獲得博士學位。

在此期間，她開始與 Nancy Kanwisher 合作，后者首次發現了梭狀回臉區，這個區域專門負責識別人臉。

Fedorenko 想找到語言在大腦中的對應區域，但當時這方面的研究基礎相當薄弱。

在對大約 1400 名受試者的大腦掃描中，Fedorenko 識別出一個普遍存在的語言網絡，她將之定義為「始終負責語言計算的組織」。

在不斷累積的研究成果之后，2024 年 Fedorenko 在《Nature Reviews Neuroscience》上發表了一篇綜述。

她將人類語言網絡定義為一種「自然類別」—— 一個天然、獨立成型、專門處理語言的功能單元，存在于「每一個典型的成年人腦中」。

Fedorenko 辦公室里的三個大腦模型突出了語言網絡。從上到下：紫色的是 Laura Bundesen 的刺繡作品；紅色的是 Hannah Small 的十字繡；紅色的是 3D 打印模型。

什么是語言網絡？

在成年人大腦中，有一組核心區域作為一個互相連結的系統，負責計算語言結構。

它們存儲詞語與意義之間的映射關系，以及如何把詞組合成句子的規則。

我們在學習一門語言時，學的就是這些東西。

只要掌握了它們，我們就能很靈活地使用這種「代碼」：只要你會一門語言，就能把一個念頭轉換成詞序。

Fedorenko 表示，語言網絡和人類身體的其他器官一樣，是一個自然類別，擁有一個能指出具體位置的物理結構。

比如，梭狀回臉區就是一個可以明確界定的功能單元。

而在語言網絡里，大多數人的額葉皮層都有三個區域，都位于左額葉的側面。

另外，還有幾個區域沿著中顳回的側面分布，那是一大片厚厚的組織沿著整個顳葉延伸。

這些構成了語言網絡的核心部分。

我們可以從多個角度看到它們的整體性。

例如，把人放進 fMRI 掃描儀里觀察語言處理與對照條件的差異，這些區域總是一起變化。

Fedorenko 稱到目前為止掃描了大約 1400 人，已經能建立一張概率地圖，顯示這些區域最可能出現的位置。

雖然個體之間略有差異，但整體模式非常一致。

在這些額葉和顳葉的大區域里，每個人都會有一些組織在可靠執行語言計算。

語言網絡，與其它已知與語言相關的腦解剖區域，如布羅卡區（Broca’s area）不同。

Fedorenko 認為布羅卡區更多是一個發音動作的規劃區域。

它主要是根據語音的聲音表征，計算出說出這些聲音所需的動作，指揮嘴部肌肉的活動，屬于語言網絡下游，接收語言網絡傳過去的結構化語言信息。

語言網絡既不負責發聲，也不負責思考，它在本質上是低層級的感知與運動系統，是與高層級的抽象意義和推理系統之間的接口。

Fedorenko 提到人類主要用語言做兩件事。

第一是表達：腦子里蹦出一個模糊的念頭，你再從詞匯庫里（不僅是詞，還有更大的結構和組合方式）挑出一套詞序，把這個念頭表達出來。

然后語言網絡把這個詞序交給運動系統，讓你說出來、寫出來或打手語。

第二是理解：聲音進耳朵或光線進眼睛后，感知系統先把輸入處理成詞序。

然后語言網絡解析它，在詞序里找熟悉的塊，再把它們指向存儲在別處的意義表征。

對于表達和理解，這個系統都是一個不斷更新的「形式到意義的映射倉庫」。

掌握了這套代碼后，我們既能把想法說出來，也能理解別人說的話。

語言網絡的功能是為了交流，那么語言網絡的專門化究竟細到什么程度，是否存在專門對某些話語反應的細胞？

Fedorenko 認為語言依賴上下文，因此推測語言網絡系統內的編碼方式會有些分布式，可能存在對語言某些特定方面反應特別強的神經元。

比如，語言網絡區域的一些細胞對書面語和聽覺語言也會有類似反應。

談到語言網絡的模式或者特征，Fedorenko 認為大腦的一般物體識別機制和語言網絡的抽象程度非常接近。

這和下顳皮層里儲存物體形狀片段、梭狀回臉區儲存「一張臉的模板」是類似的。

我們利用這些表征來識別現實世界中的物體，但它們本身與我們的世界知識并無直接聯系。

以一句無意義句子「無色的綠色想法憤怒地沉睡」為例，我們可以大致能聽懂它的結構，卻完全無法把它對應到任何現實知識上。

Fedorenko 和其他團隊的研究證實，語言網絡對這種無意義句子的反應強度，和對那些有意義的句子幾乎一樣。

這并不意味著語言網絡「笨」，而是說明它確實是個比較淺層的系統。

Fedorenko 認同「每個人腦子里都有個 LLM」這樣的說法。

她認為語言網絡在很多方面都很像早期的大模型：學習語言的規律，以及詞和詞之間的關系。

在現實中，你可能會遇到一個說話特別流暢的人，但聽了一會兒會發現他們根本沒講什么內容，而他們的大腦也沒任何損傷。

這說明他們只調動了大腦中語言網絡部分的功能，而思考部分完全沒有用上。

雖然，人類語言來自一個類似 ChatGPT 那樣「無意識」的系統，這聽起來有點不符合直覺。

而且，Fedorenko 在研究早期也認為語言是高級思維的核心，但后來她的研究并不支持這一假設。

早在 2011 年，她已經很清楚，語言網絡的所有部分都高度專門化用于語言。

「對于科學家來說，只能更新認知，繼續向前探索?！?/p>

參考資料：

• https://www.quantamagazine.org/the-polyglot-neuroscientist-resolving-how-the-brain-parses-language-20251205/

本文來自微信公眾號：新智元（ID：AI_era）