언어의 신경 구조: 통합 모델링이 예측 처리에 수렴하다

지각의 신경과학은 최근 컴퓨테이션, 뇌 기능 및 행동이 여러 데이터 세트와 많은 계산 모델에 걸쳐 연결된 통합 모델링 접근법으로 혁신을 맞이했습니다. 이 접근법은 모델 간의 추세를 밝힘으로써 목표 영역의 인지 및 신경 메커니즘에 대한 새로운 통찰을 제공합니다. 우리는 이 접근법을 더 높은 수준의 인지인 인간 언어 처리에 적용한 체계적인 연구를 발표합니다. 우리는 가장 강력한 '트랜스포머' 모델이 문장에 대한 신경 반응의 설명 가능한 분산의 거의 100%를 예측하며, 다양한 데이터 세트와 이미지 모달리티(기능적 MRI 및 전기피질도 분석)에서 일반화된다는 것을 발견했습니다. 모델의 신경 적합도('뇌 점수')와 행동 반응에 대한 적합도는 모두 다음 단어 예측 과제에서 모델의 정확도와 강한 상관관계가 있습니다(다른 언어 과제는 아님). 모델 구조가 신경 적합도에 상당한 기여를 하는 것으로 보입니다. 이러한 결과는 예측 처리가 인간 뇌의 언어 이해 메커니즘을 근본적으로 형성한다는 컴퓨테이셔널하게 명확한 증거를 제공합니다.