大言語モデル発想で脳の単語意味符号化メカニズム解明

ベイラー医科大学、ライス大学、カリフォルニア大学バークレー校、テキサスチャイルズホスピタルの共同研究チームは、大規模言語モデル（LLM）の言語処理機構に着想を得た神経科学研究の結果を『Nature Neuroscience』（2026年）に発表した。研究では、てんかん治療の臨床モニタリング中に海馬に微細電極を埋め込まれた10名の被験者に対し、物語の聴取中の単一ニューロン活動を記録した。数学モデルによる解析により、海馬ニューロンの集団活動パターンが単語の意味を表現していることが実証された。特に、異なる単語に対する神経応答の距離が意味的な距離と相関し、LLMの埋め込みベクトル空間と強い一致を示した。この対応関係はGPT-2由来の表現で最も顕著であり、単語の多義性指標が神経応答のばらつきと連動することも確認された。このパターンは、対照符号化によるノイズ低減効果が、意味の文脈依存性を神経集団がどのように処理するかを反映していると解説される。本研究成果は、海馬が聴覚言語理解過程で単語の意味をどのように符号化するかを記述する神経計算モデルを提示するものである。今後は、大規模言語モデルの表現学習とヒトの認知メカニズムを統合的に検証する研究手法として定着し、脳内の意味処理機構解明に重要な知見をもたらすと期待される。