پیش بینی زبان در مغز و ماشین: مرور هم راستایی LLM و EEG

به طور کلی، پردازش زبان در مغز انسان مبتنی بر پیش بینی است. این پدیده در چارچوب نظریه ی کدگذاری پیش بینی توضیح داده می شود. سیگنال های الکتروانسفالوگرافی به عنوان یک ابزار مهم در ثبت سیگنال های مغزی، قادر است فرآیندهای عصبی مرتبط با پردازش زبان را شبیه سازی کند و بینش های جدید در فهم مکانیزم های مغزی فراهم آورد. شواهد نوروفیزیولوژیک حاصل از سیگنال های الکتروانسفالوگرافی نشان می دهد که مولفه های N۴۰۰ و P۶۰۰ به ترتیب، به عنوان شاخص خطای پیش بینی در پردازش معنایی و ساختار نحوی عمل می کند. در سال های اخیر، مدل های زبانی بزرگ نظیر BERT و GPT توانسته اند معیار غیرمنتظره بودن واژه، عدم قطعیت و خطای پیش بینی را محاسبه کنند. از آن جا که این مقادیر همبستگی بالایی با تغییرات مولفه N۴۰۰ نشان داده اند، بدین ترتیب پلی میان علوم اعصاب شناختی و پردازش زبان طبیعی ایجاد شده است. مرور حاضر با تلفیق یافته های نوروفیزولوژیک و محاسباتی، نشان می دهد که پردازش زبان در مغز ذاتا پیش بینانه است و مدل های زبانی مدرن می توانند به عنوان ابزارهای نظری و عملی برای تبیین این فرآیند به کار روند. این همگرایی چشم اندازهای نوینی برای توسعه ی مدل های هوش مصنوعی الهام گرفته از مغز و کاربردهای بالینی نظیر رابط های مغز – رایانه فراهم می سازد.

کلیدواژه ها:

پردازش زبان طبیعی ، سیگنال الکتروانسفالوگرافی ، رابط مغز- رایانه