مقدمه: درک چگونگی پردازش زبان در مغز انسان همواره یکی از چالش‌برانگیزترین و جذاب‌ترین مسائل در علوم شناختی و عصبی بوده است. پیشرفت‌های اخیر در حوزه هوش مصنوعی، به‌ویژه در مدل‌های یادگیری عمیق برای پردازش زبان طبیعی (NLP)، دریچه‌ای نو به سوی این درک گشوده است. این مدل‌ها، که اغلب بدون نظارت صریح زبانی آموزش می‌بینند، توانایی یادگیری برخی ساختارهای زبانی را از داده‌ها نشان داده‌اند. این امر پرسش‌هایی را در مورد اهمیت نظریه‌های زبانی نمادین در مدل‌سازی فرایندهای شناختی مطرح کرده است. مقاله حاضر به بررسی این موضوع می‌پردازد که آیا گنجاندن دانش ساختار زبان (مانند نحو یا معناشناسی) در این مدل‌ها، می‌تواند باعث شود که عملکرد آن‌ها به نحوه پردازش زبان در مغز انسان نزدیک‌تر شود.

این مقاله علمی توسط پژوهشگرانی از موسسات معتبر، شامل مصطفی عبده، آنا والری گونزالس، ماریا تونه، دانیل هرشکوویچ و اندرس سوگارد، ارائه شده است. حوزه تحقیق آن‌ها در تقاطع دو رشته‌ی کلیدی قرار دارد: محاسبات و زبان و هوش مصنوعی. هدف اصلی این پژوهش، پر کردن شکاف میان مدل‌های محاسباتی زبان و یافته‌های علوم اعصاب شناختی است. در سال‌های اخیر، مدل‌های زبان بزرگ (LLMs) توانسته‌اند در بسیاری از وظایف زبانی عملکردی خیره‌کننده از خود نشان دهند، اما میزان هم‌راستایی مکانیزم‌های داخلی آن‌ها با فرایندهای عصبی مغز انسان همچنان موضوعی مورد بحث است. این تحقیق با رویکردی علمی و تجربی، به دنبال یافتن پاسخ این سوال است که آیا با هدایت مدل‌های زبانی به سمت درک ساختاریافته‌تر زبان، می‌توانیم به مدل‌های واقع‌گرایانه‌تری از پردازش زبان در مغز دست یابیم.

چکیده: دانشمندان علوم اعصاب، شبکه‌های عصبی عمیق را برای پردازش زبان طبیعی به عنوان مدل‌های کاندید احتمالی برای نحوه پردازش زبان در مغز ارزیابی می‌کنند. این مدل‌ها اغلب بدون نظارت صریح زبانی آموزش داده می‌شوند، اما نشان داده شده است که در غیاب چنین نظارتی، برخی ساختارهای زبانی را یاد می‌گیرند. ما در دو مجموعه داده fMRI ارزیابی می‌کنیم که آیا مدل‌های زبانی، در صورتی که توجه آن‌ها توسط حاشیه‌نویسی‌هایی از فرمالیسم‌های نحوی یا معنایی هدایت شود، هم‌ترازی بهتری با ثبت‌های مغزی نشان می‌دهند. با استفاده از ساختارهای حاصل از حاشیه‌نویسی‌های وابستگی (dependency) یا معناشناسی بازگشتی حداقل (minimal recursion semantics)، دریافتیم که هم‌ترازی برای یکی از مجموعه داده‌ها به طور قابل توجهی بهبود می‌یابد. برای مجموعه داده دیگر، نتایج ترکیبی‌تری مشاهده می‌کنیم. ما تحلیلی گسترده از این نتایج ارائه می‌دهیم. رویکرد پیشنهادی ما امکان ارزیابی فرضیه‌های هدفمندتری را در مورد ترکیب معنا در مغز فراهم می‌کند، دامنه استنتاج‌های علمی که یک عصب‌شناس می‌تواند انجام دهد را گسترش می‌دهد و فرصت‌های جدیدی را برای هم‌پوشانی متقابل میان علوم اعصاب محاسباتی و زبان‌شناسی باز می‌کند.

خلاصه محتوا: این مقاله به دنبال پاسخگویی به این سوال اساسی است: آیا مدل‌های زبانی که با دانش ساختاری زبان (نحو و معنا) غنی شده‌اند، می‌توانند رفتار مغز انسان را در هنگام پردازش زبان بهتر شبیه‌سازی کنند؟ پژوهشگران با استفاده از داده‌های تصویربرداری تشدید مغناطیسی کارکردی (fMRI)، عملکرد مدل‌های زبانی را در دو مجموعه داده متفاوت مورد بررسی قرار داده‌اند. آن‌ها به مدل‌های زبانی، اطلاعاتی درباره ساختار نحوی جملات (از طریق وابستگی کلمات) و یا معنای عمیق‌تر آن‌ها (از طریق معناشناسی بازگشتی حداقل) ارائه داده‌اند و سپس نحوه فعالیت این مدل‌ها را با الگوهای فعالیت مغزی در زمان پردازش زبان مقایسه کرده‌اند. نتایج حاکی از آن است که در یکی از مجموعه داده‌ها، این مداخله ساختاری منجر به هم‌ترازی قابل توجهی با فعالیت مغز شده است، در حالی که در مجموعه داده دیگر، نتایج پیچیده‌تر و مخلوطی دیده می‌شود. این یافته‌ها اهمیت بسزایی در توسعه مدل‌های بهتر برای فهم زبان در مغز و همچنین افزایش قابلیت‌های مدل‌های هوش مصنوعی دارند.

پژوهش حاضر از یک چارچوب تجربی دقیق برای بررسی فرضیه تأثیر ساختار زبانی بر هم‌ترازی مدل‌های زبانی با فعالیت مغزی بهره برده است. روش‌شناسی تحقیق شامل چندین گام کلیدی است:

• انتخاب مدل‌های زبانی: در این تحقیق از مدل‌های پیشرفته پردازش زبان طبیعی (NLP) که بر روی حجم عظیمی از متون آموزش دیده‌اند، استفاده شده است. این مدل‌ها قادرند الگوهای پیچیده زبانی را یاد بگیرند، اما بدون هدایت صریح، ممکن است تمام جنبه‌های ساختار زبان را به طور کامل درونی نکنند.
• مجموعه داده‌های مغزی: دو مجموعه داده مجزا از فعالیت مغزی با استفاده از روش fMRI جمع‌آوری شده است. این داده‌ها شامل پاسخ‌های عصبی افراد در هنگام گوش دادن یا خواندن زبان هستند. fMRI ابزاری قدرتمند برای نقشه‌برداری از فعالیت مغزی در زمان واقعی است.
• تزریق ساختار زبانی: نقطه قوت اصلی این تحقیق، روش “تزریق ساختار” است. پژوهشگران به جای اتکا صرف به یادگیری خودکار مدل‌ها، از منابع خارجی حاوی اطلاعات ساختاری زبان استفاده کرده‌اند:
  • ساختار وابستگی (Dependency Structure): در این رویکرد، روابط گرامری بین کلمات در یک جمله (مانند فاعل-فعل، صفت-اسم) به صراحت به مدل ارائه شده است. برای مثال، در جمله “گربه بر روی فرش نشست”، وابستگی “گربه” به “نشست” (فاعل) و “فرش” به “نشست” (متمم) مشخص می‌شود.
  • معناشناسی بازگشتی حداقل (Minimal Recursion Semantics – MRS): این روش بر استخراج معنای منطقی و روابط بین مفاهیم در یک جمله تمرکز دارد. MRS سعی می‌کند معنای یک جمله را به صورت ساختاریافته و قابل تحلیل بیان کند.
• آموزش و تنظیم مدل: مدل‌های زبانی با استفاده از این ساختارهای صریح زبانی، تنظیم یا “هدایت” (biased) شده‌اند. این بدان معناست که مدل هنگام پردازش ورودی زبانی، به این ساختارها توجه بیشتری می‌کند.
• ارزیابی هم‌ترازی: پس از تنظیم مدل‌ها، فعالیت‌های داخلی آن‌ها (مانند بازنمایی‌های برداری یا “embeddings”) با الگوهای فعالیت مغزی ثبت شده توسط fMRI مقایسه شده است. هدف این بود که مشخص شود کدام نوع ساختار (نحوی یا معنایی) و چگونه، باعث می‌شود بازنمایی‌های مدل به بازنمایی‌های عصبی در مغز نزدیک‌تر شود. از معیارهای آماری برای سنجش میزان این هم‌ترازی استفاده شده است.
• تحلیل نتایج: نتایج حاصل از دو مجموعه داده fMRI به دقت مورد تجزیه و تحلیل قرار گرفته‌اند. این تحلیل شامل بررسی این موضوع است که چرا برای یک مجموعه داده بهبود قابل توجهی مشاهده شده، اما برای دیگری نتایج مختلط بوده‌اند.

این رویکرد سیستماتیک امکان ارزیابی دقیق فرضیه‌های خاص در مورد نحوه ترکیب معنا در مغز و همچنین بررسی قابلیت‌های مدل‌های زبانی را فراهم می‌کند.

پژوهش حاضر به یافته‌های مهم و قابل تأملی دست یافته است که درک ما را از رابطه بین مدل‌های زبانی و پردازش عصبی زبان غنی می‌سازد:

• بهبود هم‌ترازی با تزریق ساختار: یافته اصلی و هیجان‌انگیز این تحقیق این است که در یکی از دو مجموعه داده fMRI مورد بررسی، تزریق ساختار زبانی (چه نحوی و چه معنایی) به مدل‌های زبانی، منجر به بهبود قابل توجهی در هم‌ترازی بازنمایی‌های مدل با فعالیت مغزی شده است. این نشان می‌دهد که هدایت مدل‌های زبانی با دانش ساختاری از پیش تعریف شده، می‌تواند آن‌ها را به مدل‌های زنده‌تری از پردازش زبان در مغز تبدیل کند.
• نتایج ناهمگن: در حالی که یک مجموعه داده نتایج مثبتی را نشان داده است، مجموعه داده دیگر نتایج مختلط و پیچیده‌تری را به همراه داشته است. این موضوع حاکی از آن است که تأثیر ساختار زبانی بر هم‌ترازی با مغز ممکن است به عواملی چون ویژگی‌های خاص مجموعه داده fMRI (مانند نوع وظیفه زبانی، کیفیت سیگنال)، معماری مدل زبانی، یا حتی تفاوت‌های فردی در پردازش زبان بستگی داشته باشد.
• اهمیت نوع ساختار: اگرچه مقاله به طور جزئی به مقایسه تأثیر ساختار نحوی و معنایی می‌پردازد، اما نتایج نشان می‌دهد که هر دو نوع ساختار می‌توانند در بهبود هم‌ترازی مؤثر باشند. جزئیات دقیق‌تر این تأثیر بسته به مجموعه داده متفاوت بوده است.
• کاربرد در فرضیه‌های علمی: این تحقیق نشان می‌دهد که رویکرد پیشنهادی (تزریق ساختار و سپس مقایسه با مغز) ابزاری قدرتمند برای آزمایش فرضیه‌های خاص در مورد چگونگی ترکیب معنا در مغز فراهم می‌کند. به عنوان مثال، می‌توان بررسی کرد که آیا مغز بیشتر به ساختار نحوی توجه می‌کند یا به معنای استعاری جملات.
• تأیید ضمنی نظریه‌های زبانی: در حالی که برخی پژوهش‌ها نشان داده‌اند مدل‌های بدون نظارت قادر به یادگیری ساختار هستند، این تحقیق با نشان دادن اینکه هدایت صریح ساختار می‌تواند مفید باشد، تلویحاً به اهمیت ساختارهای نمادین در نظریه‌های زبانی اشاره می‌کند و نشان می‌دهد که این ساختارها می‌توانند نقش مهمی در فهم پردازش زبان در مغز ایفا کنند.

به طور کلی، یافته‌های این تحقیق نشان‌دهنده پتانسیل بالای استفاده از مدل‌های زبانی هدایت شده با ساختار برای درک بهتر مکانیسم‌های عصبی پردازش زبان است.

این تحقیق صرفاً یک مطالعه آکادمیک نیست، بلکه پیامدهای عملی و نظری مهمی برای دو حوزه اصلی دارد:

• علوم اعصاب محاسباتی:
  • مدل‌سازی دقیق‌تر مغز: بزرگترین دستاورد برای عصب‌شناسان، ارائه روشی برای ساخت مدل‌های محاسباتی است که نه تنها توانایی پردازش زبان را دارند، بلکه رفتار آن‌ها به طور قابل توجهی با یافته‌های fMRI هم‌ترازتر است. این امر به ایجاد مدل‌های “واقع‌گرایانه‌تر” عصبی از پردازش زبان منجر می‌شود.
  • ارزیابی فرضیه‌های شناختی: این روش به پژوهشگران اجازه می‌دهد تا فرضیه‌های دقیق‌تری را درباره چگونگی پردازش زبان در مغز انسان آزمایش کنند. برای مثال، می‌توانند بررسی کنند که آیا مغز انسان در سطوح مختلف پردازش (از صدا تا معنای پیچیده) به ساختارهای نحوی یا معنایی متفاوتی وزن می‌دهد.
  • تفسیرپذیری مدل‌ها: با گنجاندن ساختارهای زبانی مشخص، تفسیرپذیری مدل‌های زبانی در رابطه با فرایندهای مغزی افزایش می‌یابد. دانشمندان می‌توانند بفهمند که کدام بخش از مدل زبانی با کدام ناحیه یا فرایند مغزی مرتبط است.
• هوش مصنوعی و پردازش زبان طبیعی:
  • مدل‌های زبانی بهتر: این تحقیق نشان می‌دهد که چگونه می‌توان با الهام از ساختار مغز یا با استفاده از دانش زبانی سنتی، مدل‌های زبانی قوی‌تر و کارآمدتری ساخت. تزریق ساختار می‌تواند به مدل‌ها کمک کند تا جنبه‌های عمیق‌تر و ظریف‌تری از زبان را بیاموزند.
  • قابلیت تعمیم: مدل‌هایی که ساختار زبانی را بهتر درک می‌کنند، ممکن است در وظایفی که نیاز به درک عمیق معنایی یا نحوی دارند (مانند ترجمه ماشینی، خلاصه‌سازی پیشرفته، پاسخ به سوالات پیچیده) عملکرد بهتری از خود نشان دهند.
  • هم‌پوشانی بین رشته‌ای: این پژوهش نمونه‌ای عالی از “هم‌پوشانی متقابل” (cross-pollination) بین علوم اعصاب محاسباتی و زبان‌شناسی است. یافته‌های یک حوزه می‌تواند الهام‌بخش پیشرفت در حوزه دیگر باشد و منجر به نوآوری‌های جدید و غیرمنتظره شود.

در مجموع، این پژوهش به بسط دامنه استنتاج‌های علمی که دانشمندان می‌توانند از مدل‌های زبانی در جهت فهم مغز انجام دهند، کمک شایانی می‌کند و راه را برای تحقیقات آینده باز می‌نماید.

مقاله “آیا تزریق ساختار زبانی به مدل‌های زبانی، هم‌ترازی آن‌ها را با ثبت‌های مغزی بهبود می‌بخشد؟” گامی مهم و در عین حال محتاطانه در جهت ادغام دانش ما از زبان، مغز و هوش مصنوعی برداشته است. یافته‌های کلیدی این تحقیق نشان می‌دهند که هدایت مدل‌های زبانی با استفاده از دانش صریح ساختاری (چه نحوی و چه معنایی) می‌تواند به طور مؤثری باعث شود که بازنمایی‌های داخلی این مدل‌ها به فعالیت‌های مغزی ثبت شده توسط fMRI نزدیک‌تر شوند، حداقل در برخی از سناریوها.

نکته قابل توجه، ناهمگونی نتایج در دو مجموعه داده مجزا است که بر پیچیدگی روابط بین ساختار زبان، عملکرد مدل و نحوه پردازش مغز تأکید دارد. این یافته‌ها نه تنها اهمیت ساختارهای زبانی را در مدل‌سازی عصبی زبان برجسته می‌سازند، بلکه نشان می‌دهند که توسعه مدل‌های کارآمد برای هوش مصنوعی نیز می‌تواند از این دانش بهره‌مند شود. رویکرد پیشنهادی، ابزاری نوآورانه برای پژوهشگران علوم اعصاب فراهم می‌کند تا بتوانند فرضیه‌های عمیق‌تری در مورد ترکیب معنا در مغز را آزمایش کنند.

این پژوهش در راستای پر کردن شکاف میان علوم نظری زبان، یافته‌های تجربی علوم اعصاب و توانمندی‌های محاسباتی مدل‌های زبانی گام برمی‌دارد. با این حال، همچنان سوالات بسیاری باقی است: چگونه می‌توان بهترین ساختار زبانی را برای تزریق انتخاب کرد؟ تأثیر معماری‌های مختلف مدل زبانی بر این هم‌ترازی چگونه است؟ و آیا این هم‌ترازی با داده‌های عصبی از روش‌های دیگر (مانند EEG یا MEG) نیز تأیید می‌شود؟

در نهایت، این مقاله راه را برای تحقیقات آتی هموار می‌سازد و فرصت‌های جدیدی را برای هم‌افزایی میان رشته‌های مختلف فراهم می‌کند، با این چشم‌انداز که در آینده‌ای نه چندان دور، بتوانیم با دقتی بی‌سابقه، رازهای پردازش زبان در مغز انسان را کشف کنیم و مدل‌های هوش مصنوعی قدرتمندتری بسازیم.