درک چگونگی پردازش زبان توسط مغز انسان یکی از بزرگترین چالش‌های علوم شناختی و عصب‌شناسی بوده است. با ظهور هوش مصنوعی و مدل‌های زبانی پیشرفته، فصل جدیدی در این کاوش علمی گشوده شده است. امروزه، محققان می‌توانند از مدل‌های پردازش زبان طبیعی (NLP) به عنوان «مدل‌های محاسباتی» برای شبیه‌سازی و درک فرآیندهای مغزی استفاده کنند. مقاله “Neural Language Taskonomy” در همین تقاطع هیجان‌انگیز میان هوش مصنوعی و علوم اعصاب قرار می‌گیرد.

اهمیت این پژوهش در رویکرد نوآورانه آن نهفته است. تا پیش از این، اکثر تحقیقات از مدل‌های زبانی از پیش آموزش‌دیده (Pre-trained) مانند BERT برای پیش‌بینی فعالیت مغزی ثبت‌شده با تصویرسازی تشدید مغناطیسی کارکردی (fMRI) استفاده می‌کردند. این مدل‌ها به طور کلی در درک زبان موفق هستند، اما مشخص نبود که کدام یک از «توانایی‌های زبانی» خاص آن‌ها (مانند درک ساختار جمله، شناسایی موجودیت‌ها، یا خلاصه‌سازی) بیشترین شباهت را به فعالیت مغز انسان دارد. این مقاله برای اولین بار به صورت نظام‌مند به این سوال پاسخ می‌دهد و با ایجاد یک «طبقه‌بندی وظایف» (Taskonomy)، بررسی می‌کند که کدام وظایف خاص NLP در پیش‌بینی فعالیت مغز در هنگام خواندن و شنیدن مؤثرتر عمل می‌کنند. این یافته‌ها نه تنها به درک عمیق‌تر مغز کمک می‌کند، بلکه راه را برای ساخت سیستم‌های هوش مصنوعی «مغز-محورتر» هموار می‌سازد.

این مقاله حاصل همکاری گروهی از پژوهشگران برجسته در زمینه هوش مصنوعی و علوم اعصاب محاسباتی است: سوبا ردی اوتا (Subba Reddy Oota)، جاشن آرورا (Jashn Arora)، ویرال آگاروال (Veeral Agarwal)، مونیکا ماردی (Mounika Marreddy)، مانیش گوپتا (Manish Gupta) و باپی راجو سورامپودی (Bapi Raju Surampudi). این محققان از مؤسسات معتبری همچون مایکروسافت (Microsoft) و مؤسسه بین‌المللی فناوری اطلاعات حیدرآباد (IIIT Hyderabad) هستند که نشان‌دهنده ترکیبی از تخصص صنعتی و آکادمیک در این پژوهش است.

زمینه تحقیق این مقاله، «مدل‌سازی رمزگذاری مغز» (Brain Encoding) است. در این رویکرد، هدف ساختن مدلی است که بتواند با دریافت یک محرک (مانند متن یا صدا)، فعالیت عصبی متناظر در مغز را پیش‌بینی کند. موفقیت یک مدل در این کار، نشان‌دهنده آن است که بازنمایی‌های داخلی (Internal Representations) آن مدل، شباهت‌هایی به نحوه پردازش اطلاعات در مغز دارد. این مقاله این زمینه را با پرسیدن یک سوال عمیق‌تر به پیش می‌برد: به جای استفاده از یک مدل عمومی، اگر مدل را برای وظایف زبانی خاص آموزش دهیم، کدام وظیفه بهترین بازنمایی را برای تقلید از مغز تولید می‌کند؟

مقاله حاضر به بررسی این موضوع می‌پردازد که بازنمایی‌های یادگرفته‌شده توسط مدل‌های زبان ترنسفورمر (Transformer) پس از آموزش روی وظایف خاص پردازش زبان طبیعی، تا چه حد می‌توانند فعالیت مغزی را پیش‌بینی کنند. پژوهشگران ده وظیفه محبوب NLP (دو وظیفه نحوی و هشت وظیفه معنایی) را انتخاب کرده و مدل‌های جداگانه‌ای را برای هر یک آموزش دادند. سپس از این مدل‌های تخصصی برای پیش‌بینی فعالیت مغز در دو مجموعه داده fMRI کاملاً متفاوت استفاده کردند:

• مجموعه داده Pereira: شرکت‌کنندگان جملاتی از پاراگراف‌ها را می‌خواندند.
• مجموعه داده Narratives: شرکت‌کنندگان به داستان‌های صوتی گوش می‌دادند.

نتایج نشان داد که بهترین وظایف پیش‌بینی‌کننده، بسته به نوع فعالیت (خواندن یا شنیدن) متفاوت است. برای فعالیت خواندن، وظایفی مانند حل وابستگی ارجاعی، بازشناسی موجودیت‌های نام‌دار (NER) و تجزیه نحوی سطحی بهترین عملکرد را داشتند. در مقابل، برای فعالیت شنیدن، وظایف معنایی سطح بالاتر مانند تولید بازنویسی، خلاصه‌سازی و استنتاج زبان طبیعی (NLI) موفق‌تر بودند. این یافته‌ها بینش‌های شناختی مهمی را ارائه می‌دهند، از جمله تأیید نقش کلیدی نیمکره چپ مغز در پردازش زبان و اهمیت نواحی ارتباطی سطح بالا در درک معنا.

روش‌شناسی این پژوهش بر سه پایه اصلی استوار است: مدل‌های زبانی، وظایف NLP و داده‌های مغزی.

۱. مدل‌های زبانی و وظایف NLP:

پژوهشگران از یک معماری مبتنی بر ترنسفورمر استفاده کردند و آن را برای ده وظیفه مختلف به طور جداگانه تنظیم دقیق (Fine-tune) کردند. این وظایف به دو دسته تقسیم می‌شوند:

• وظایف نحوی (Syntactic): تمرکز بر ساختار گرامری جملات، مانند تجزیه نحوی سطحی (Shallow Syntax Parsing).
• وظایف معنایی (Semantic): تمرکز بر معنای کلمات و جملات. این دسته شامل وظایف متنوعی بود، از جمله:
  • حل وابستگی ارجاعی (Coreference Resolution): تشخیص اینکه ضمایر (مانند “او” یا “آن”) به کدام موجودیت در متن اشاره دارند.
  • بازشناسی موجودیت‌های نام‌دار (Named Entity Recognition – NER): شناسایی اسامی خاص مانند افراد، مکان‌ها و سازمان‌ها.
  • خلاصه‌سازی (Summarization): تولید یک خلاصه کوتاه از یک متن طولانی.
  • استنتاج زبان طبیعی (Natural Language Inference – NLI): تشخیص رابطه منطقی (تایید، تناقض، یا عدم ارتباط) بین دو جمله.
  • تولید بازنویسی (Paraphrase Generation): تولید جمله‌ای با معنای یکسان اما با کلمات متفاوت.

۲. داده‌های fMRI و فرآیند رمزگذاری:

برای هر دو مجموعه داده (خواندن و شنیدن)، فرآیند مدل‌سازی رمزگذاری به شرح زیر بود:

1. متن محرک (جمله‌ای که خوانده شده یا داستانی که شنیده شده) به هر یک از ده مدل زبانیِ آموزش‌دیده داده می‌شد.
2. هر مدل یک بازنمایی عددی (بردار ویژگی) برای آن متن تولید می‌کرد.
3. یک مدل رگرسیون خطی (Ridge Regression) آموزش داده می‌شد تا یک نگاشت بین این بردار ویژگی و فعالیت مغزی ثبت‌شده توسط fMRI برای همان متن پیدا کند.
4. عملکرد مدل با استفاده از معیار همبستگی (Correlation) بین فعالیت مغزی پیش‌بینی‌شده و فعالیت مغزی واقعی بر روی داده‌های جدید سنجیده می‌شد. دقت بالاتر به معنای شباهت بیشتر بازنمایی مدل به پردازش مغزی بود.

این پژوهش به چندین یافته مهم و روشنگر دست یافت که درک ما از پردازش زبان در مغز را عمیق‌تر می‌کند.

• پردازش خواندن بر ساختار و موجودیت‌ها متمرکز است:
  در مجموعه داده Pereira (خواندن)، وظایفی که به بهترین شکل فعالیت مغز را پیش‌بینی می‌کردند، حل وابستگی ارجاعی، NER و تجزیه نحوی سطحی بودند. این نشان می‌دهد که هنگام خواندن، مغز به شدت درگیر تحلیل ساختار جمله و ردیابی دقیق موجودیت‌ها و روابط بین آن‌هاست. این فرآیند تحلیلی و جزئی‌نگر با ماهیت خواندن که به ما اجازه مکث و بازخوانی می‌دهد، سازگار است.
• پردازش شنیدن بر معنای یکپارچه و استنتاج متکی است:
  در مجموعه داده Narratives (شنیدن)، وظایف معنایی سطح بالا مانند خلاصه‌سازی، استنتاج زبان طبیعی و تولید بازنویسی عملکرد بهتری داشتند. این یافته حاکی از آن است که هنگام گوش دادن به یک داستان پیوسته، مغز بیشتر بر درک مفهوم کلی، یکپارچه‌سازی اطلاعات در طول زمان و استنتاج معانی پنهان تمرکز دارد تا تحلیل دقیق ساختار هر جمله.
• تایید برتری نیمکره چپ در زبان:
  در تمام وظایف و هر دو مجموعه داده، نیمکره چپ مغز به طور قابل توجهی پیش‌بینی‌پذیرتر از نیمکره راست بود. این یافته با دانش کلاسیک عصب‌شناسی مبنی بر اینکه نیمکره چپ مرکز اصلی پردازش زبان در اکثر افراد است، کاملاً مطابقت دارد.
• نقش کلیدی نواحی ارتباطی مغز:
  مدل‌ها در پیش‌بینی فعالیت نواحی ارتباطی سطح بالا (High-level Association Areas) مانند قشر خلفی میانی (PMC)، اتصال گیجگاهی-آهیانه-پس‌سری (TPOJ) و لوب پیشانی پشتی (Dorsal Frontal Lobe) بسیار موفق‌تر از نواحی حسی اولیه (مانند قشر شنوایی اولیه) بودند. این امر نشان می‌دهد که بازنمایی‌های مدل‌های زبانی، فرآیندهای شناختی پیچیده و انتزاعی را بازتاب می‌دهند، نه صرفاً پردازش اولیه سیگنال‌های حسی را.

دستاوردهای این مقاله فراتر از یک کشف علمی صرف است و کاربردهای بالقوه مهمی در چندین حوزه دارد.

• در علوم اعصاب شناختی: این پژوهش یک چارچوب قدرتمند برای آزمودن فرضیه‌های خاص در مورد زبان ارائه می‌دهد. به جای پرسش کلی “زبان چگونه در مغز پردازش می‌شود؟”، اکنون می‌توان پرسید: “آیا فرآیند حل وابستگی ارجاعی در ناحیه X مغز رخ می‌دهد؟” یا “کدام نواحی مغز درگیر استنتاج معنایی در طول یک داستان هستند؟”. این رویکرد به ما اجازه می‌دهد تا مدل‌های شناختی زبان را با دقت بیشتری ارزیابی کنیم.
• در هوش مصنوعی: با شناسایی اینکه کدام بازنمایی‌های محاسباتی بیشترین شباهت را به مغز دارند، می‌توانیم به سمت طراحی مدل‌های هوش مصنوعی کارآمدتر و انسانی‌تر حرکت کنیم. برای مثال، اگر هدف ساخت یک مدل خلاصه‌ساز بهتر باشد، می‌توانیم آن را به گونه‌ای طراحی کنیم که بازنمایی‌های آن به فعالیت مغزی ثبت‌شده در هنگام خلاصه‌سازی توسط انسان نزدیک‌تر باشد.
• در رابط‌های مغز و کامپیوتر (BCI): مدل‌های دقیق‌تر از فعالیت مغزی مرتبط با زبان، می‌توانند به توسعه «رمزگشاهای مغزی» (Brain Decoders) پیشرفته‌تر منجر شوند. چنین سیستم‌هایی می‌توانند افکار یا گفتار درونی را به متن تبدیل کنند و به افرادی که توانایی تکلم خود را از دست داده‌اند، کمک شایانی نمایند.

مقاله “Neural Language Taskonomy” یک گام مهم در جهت پل زدن میان دنیای هوش مصنوعی و علوم اعصاب شناختی است. این تحقیق با ارائه یک تحلیل نظام‌مند از وظایف مختلف NLP، نشان داد که هیچ مدل زبانی واحدی نمی‌تواند به تنهایی تمام جنبه‌های پردازش زبان در مغز را به بهترین شکل توضیح دهد. در عوض، بهترین مدل محاسباتی به زمینه و نوع تکلیف زبانی بستگی دارد: خواندن نیازمند تحلیل ساختاری و دقیق است، در حالی که شنیدن بر یکپارچه‌سازی معنایی سطح بالا تکیه دارد.

این یافته‌ها تاییدی بر پیچیدگی و انعطاف‌پذیری شگفت‌انگیز مغز انسان در پردازش زبان است و به ما یادآوری می‌کند که درک واقعی هوش، چه طبیعی و چه مصنوعی، نیازمند کاوش در توانایی‌های خاص و وظایف مشخصی است که آن هوش را شکل می‌دهند. این پژوهش نه تنها راه را برای مدل‌های محاسباتی دقیق‌تر از مغز هموار می‌کند، بلکه الهام‌بخش نسل بعدی سیستم‌های هوش مصنوعی است که با درک عمیق‌تری از زبان، به انسان نزدیک‌تر می‌شوند.