Israeli und US-amerikanische Forscher haben in einer bahnbrechenden Studie herausgefunden, dass das menschliche Gehirn gesprochene Sprache auf eine sequentielle Weise verarbeitet, die den internen Abläufen fortschrittlicher künstlicher Intelligenz ähnelt. Diese Erkenntnisse wurden kürzlich von der Hebräischen Universität Jerusalem veröffentlicht.

Die Ergebnisse, die in der Fachzeitschrift Nature Communications veröffentlicht wurden, deuten darauf hin, dass das menschliche Gehirn und große Sprachmodelle, bekannt als LLMs, trotz ihrer grundlegenden strukturellen Unterschiede bemerkenswerte Ähnlichkeiten in der Art und Weise aufweisen, wie sie Bedeutung ableiten.

Die Forscher der Hebräischen Universität Jerusalem fanden gemeinsam mit Experten von der Princeton University und Google Research heraus, dass das Gehirn beim Hören von Sprache Wörter in Bedeutung übersetzt, und zwar durch eine schnelle Abfolge neuronaler Schritte. Dieser Prozess entfaltet sich über die Zeit in einem Muster, das direkt mit der Art und Weise übereinstimmt, wie KI-Modelle Informationen durch Schichten von Tiefe verarbeiten.

Die Studie besagt, dass die frühen Hirnreaktionen auf Sprache den anfänglichen, oberflächlichen Schichten eines KI-Modells entsprechen, die sich auf einfache Merkmale konzentrieren. In späteren Phasen gedeiht die Hirnaktivität in den tieferen Schichten der KI, in denen Kontext, Ton und komplexe Bedeutungen synthetisiert werden.

Eine besonders interessante Entdeckung war die ausgeprägte Ähnlichkeit im Broca-Areal, dem primären Sprachzentrum des Gehirns. Hier zeigte sich, dass die stärkste Aktivität mit den tiefsten, fortschrittlichsten Schichten der KI-Modelle korreliert.

Diese Entdeckung stellt traditionelle linguistische Theorien in Frage, die Sprachverarbeitung als ein starres, regelbasiertes System betrachten. Stattdessen unterstützt die Studie ein Modell, in dem bedeutungsvolle Inhalte allmählich aus dem Kontext heraus entstehen.

Um die weitere Forschung über die Entschlüsselung natürlicher Sprache durch das Gehirn zu fördern, hat das Forscherteam einen vollständigen Datensatz von Gehirnaufzeichnungen und Sprachmerkmalen veröffentlicht. Dieser Schritt könnte zukünftige Studien und die Entwicklung neuer Technologien in der Sprachverarbeitung erheblich unterstützen.