Une nouvelle étude suggère que le cerveau humain comprend le langage parlé grâce à un processus par étapes qui ressemble beaucoup au fonctionnement des modèles linguistiques avancés d’IA. En enregistrant l’activité cérébrale des personnes écoutant une histoire parlée, les chercheurs ont découvert que les étapes ultérieures des réponses cérébrales correspondent à des couches plus profondes des systèmes d’IA, en particulier dans les régions linguistiques bien connues comme la région de Broca. Les résultats remettent en question les idées de longue date basées sur des règles en matière de compréhension du langage et sont étayés par un ensemble de données publiques récemment publié qui offre une nouvelle façon puissante d’étudier la façon dont le sens se forme dans le cerveau.
La recherche, publiée dans Communications naturellesa été dirigé par le Dr Ariel Goldstein de l’Université hébraïque avec les collaborateurs Dr Mariano Schain de Google Research et le professeur Uri Hasson et Eric Ham de l’Université de Princeton. Ensemble, l’équipe a découvert une similitude inattendue entre la façon dont les humains donnent un sens à la parole et la manière dont les modèles d’IA modernes traitent le texte.
À l’aide d’enregistrements électrocorticographiques de participants ayant écouté un podcast de trente minutes, les scientifiques ont suivi le moment et l’emplacement de l’activité cérébrale au fur et à mesure du traitement du langage. Ils ont découvert que le cerveau suit une séquence structurée qui correspond étroitement à la conception en couches de grands modèles de langage tels que GPT-2 et Llama 2.
Comment le cerveau construit du sens au fil du temps
Lorsque nous écoutons quelqu’un parler, le cerveau ne saisit pas le sens d’un seul coup. Au lieu de cela, chaque mot passe par une série d’étapes neuronales. Goldstein et ses collègues ont montré que ces étapes se déroulent au fil du temps d’une manière qui reflète la manière dont les modèles d’IA gèrent le langage. Les premières couches de l’IA se concentrent sur les caractéristiques de base des mots, tandis que les couches plus profondes combinent le contexte, le ton et une signification plus large.
L’activité cérébrale humaine a suivi le même schéma. Les premiers signaux neuronaux correspondaient aux premières étapes du traitement de l’IA, tandis que les réponses cérébrales ultérieures correspondaient aux couches plus profondes des modèles. Cette correspondance temporelle était particulièrement forte dans les zones linguistiques de niveau supérieur telles que la zone de Broca, où les réponses atteignaient un sommet plus tard lorsqu’elles étaient liées à des couches d’IA plus profondes.
Selon le Dr Goldstein, « Ce qui nous a le plus surpris, c’est à quel point le déploiement temporel du sens dans le cerveau correspond à la séquence de transformations à l’intérieur de grands modèles de langage. Même si ces systèmes sont construits très différemment, les deux semblent converger vers une construction étape par étape similaire vers la compréhension »
Pourquoi ces résultats sont importants
L’étude suggère que l’intelligence artificielle peut faire plus que générer du texte. Cela pourrait également aider les scientifiques à mieux comprendre comment le cerveau humain crée du sens. Pendant de nombreuses années, on a pensé que le langage reposait principalement sur des symboles fixes et des hiérarchies rigides. Ces résultats remettent en question cette vision et pointent plutôt vers un processus plus flexible et statistique dans lequel le sens émerge progressivement à travers le contexte.
Les chercheurs ont également testé des éléments linguistiques traditionnels tels que les phonèmes et les morphèmes. Ces caractéristiques classiques n’expliquaient pas l’activité cérébrale en temps réel ainsi que les représentations contextuelles produites par les modèles d’IA. Cela conforte l’idée selon laquelle le cerveau s’appuie davantage sur un contexte fluide que sur des éléments linguistiques stricts.
Une nouvelle ressource pour les neurosciences du langage
Pour aider à faire avancer le domaine, l’équipe a rendu public l’ensemble complet des enregistrements neuronaux et des fonctionnalités linguistiques. Cet ensemble de données ouvertes permet aux chercheurs du monde entier de comparer les théories de la compréhension du langage et de développer des modèles informatiques qui reflètent plus fidèlement le fonctionnement de l’esprit humain.
