2026-07-28
把语言表征算出的语义距离映射到 fMRI,发现额颞语言、额顶控制、默认模式三套网络协同检索,联想越远三者表征越趋同。
人能灵活地调用知识:同一个「狗」字,有时让人想到近邻的「猫」,有时跳到很远的「忠诚」。这种从近到远的语义联想是一条连续谱。大脑到底靠什么机制完成这种灵活检索,神经科学一直没讲清楚。
研究团队把计算语言学、功能磁共振成像(fMRI)和机器学习拧到一起。先用语言表征算出概念之间的「语义距离」,近邻词距离小、远联想距离大,再去 fMRI 数据里找一个能追踪这种距离变化的整脑信号。他们用这套信号训出一个领域专用的神经模型,把语义距离的连续谱映射到皮层活动上。
本篇未取到全文,方法的具体管线、用了哪个语言表征模型、解码指标都在原文里,这里不展开。
这个模型揭示出三套分工不同的大尺度认知系统协同完成语义检索:
更关键的发现是一个动态协调机制:语义距离越大,这三套系统的表征模式越趋同。任务越难、联想越远,大脑越把这几张本来各干各的网络拉到同一套活动模式上。
对做 AI 的人,这篇的价值在于把语言模型的语义空间和脑活动测量接起来了。如果用 NLP 表征算出的语义距离能预测大脑检索时的网络协调方式,那说明语言模型捕捉到的语义结构,和人脑的语义结构有可对照之处。这是「模型表征对齐人脑」这条研究线的一次正面证据。
只取到摘要,下面这些只能留待原文:具体用了哪个语言表征模型、fMRI 被试规模、解码准确率、统计检验的强度都没法核对。摘要里「三套系统表征趋同」是个很强的结论,但趋同的量化标准、效应大小要看到方法节才能判断。这类脑成像研究的结论常依赖特定的分析选择,得看稳健性检验。