受大语言模型启发脑细胞编码词义机制获揭示

2026年，贝勒医学院、莱斯大学、加州大学伯克利分校及德州儿童医院联合团队在《自然·神经科学》发表研究成果，首次揭示大脑海马体编码语言意义的神经计算机制。该研究借鉴大语言模型原理，通过临床植入电极记录10名受试者聆听故事时的海马体神经元放电活动，并运用数学模型对比神经信号与人工智能词向量表征。 结果表明，单词意义并非由孤立细胞处理，而是由海马体神经集群的协同活动模式进行分布式编码。研究证实，不同词汇激发的神经种群响应差异与其语义距离高度吻合，且人类神经活动与GPT-2模型的嵌入向量对齐度最佳，明确验证了语义编码具有强语境依赖性。同时，神经响应变异与模型推导的多义词指标密切相关，揭示了大脑利用对比编码过滤噪声、精准解析复杂语义的运作规律。 该发现为理解人类语言加工提供了首个完整的计算神经科学框架，不仅深化了脑科学对记忆与语言交互机制的认知，更为未来结合人工智能技术解码脑神经信号、优化脑机接口算法奠定了关键理论基础。