人类大脑在预测词汇时的工作原理与大型语言模型（LLM）存在显著差异。一项发表于《自然神经科学》的最新研究指出，人脑并非像AI那样仅单纯预测下一个词，而是基于更复杂的语言结构进行预判。 纽约大学的David Poeppel教授与来自神经科学研究所及浙江大学的研究团队合作，通过分析中文和英文受试者的脑磁图数据发现，人脑在预测时会先识别词组等语法成分，将这些词汇视为整体结构中的单元，再结合上下文进行判断。这种机制类似于拼图，需考量周围词汇的整体布局而非孤立地看下一个词。相比之下，LLM主要依赖统计概率直接预测下一个词，缺乏对语法结构的敏感性。 研究团队利用脑磁图记录受试者在聆听句子时的脑活动，并结合“完形填空”测试评估预测能力。通过计算词汇的“熵”和“突现度”来量化可预测性，并将大脑反应与模型预测进行比对。结果显示，大脑对不同语法位置词汇的反应存在明显差异，这证明人脑会调制预测过程以匹配语言结构，而模型则呈现均匀预测特征。 这项研究澄清了人脑与AI在处理语言预测上的根本区别：人脑兼具预测能力与对语法结构的深度理解，而当前AI模型则侧重于单一的下一词预测。这一发现不仅揭示了人类语言处理的复杂性，也为未来开发更符合人类认知模式的人工智能提供了重要参考。