脳が単語を予測する仕組みは、大規模言語モデル（LLM）と同様かどうかが問われていたが、ニューヨーク大学などの研究チームが発表した最新の研究により、人間の脳は LLM よりもはるかに複雑なプロセスで動作していることが判明した。この研究は『Nature Neuroscience』に発表され、単に次の単語を予測するだけでなく、文法的な構造や単語の周囲のグループ（統語論的構成要素）全体を考慮していることが示された。LLM は主に次に来る単語を統計的に予測するよう訓練されているが、人間の脳はまず文節という「かたまり」を把握し、その構造内で最も適切な予測を行う。研究は、中国語話者を対象に脳磁図法（MEG）を用いて言語処理中の脳活動を計測し、同時に特定の単語を抜いた文章を埋める行動実験（Cloze テスト）を行った。また、英語話者の脳データも分析し、この現象が言語に依存しない普遍的な仕組みであることを確認した。研究チームは、文脈による予測可能性（エントロピー）や驚き度（サプライザル）を数値化し、脳波と LLM の予測結果を比較した。もし脳が単なる LLM のように動作しているなら、両者の相関は単語全体で均一に高いはずであった。しかし実際には、脳は単語が文法的な構造のどこに位置するかによって異なる反応を示した。これは、人間が単語の予測において文節構造の重要性を強く意識していることを意味する。研究の共著者であるニューヨーク大学の David Poeppel 教授は、脳は LLM のように単語の予測を均一に行うのではなく、文法的に組織化された「かたまり」を考慮して予測を調整・制御していると結論付けた。この発見は、人間の言語処理が単純な次の単語予測装置ではなく、高度に構造化された複雑なシステムに基づいていることを裏付けている。