GPT模型揭示大脑语言处理机制：从规则到预测

【探索】我们以为语言是语法、规则、结构。但最新Nature研究揭示了令人惊讶的真相：GPT的层级结构与大脑内的「时间印记」惊人一致。当浅层、中层、深层在脑中依次点亮，我们发现：理解语言，或许从来不是解析，而是预测。

长久以来，我们深信人类大脑依靠严谨的规则、语法和结构分析来理解语言，这一观念根深蒂固且复杂。

然而，这一共识在Nature Communications上发表的一项颠覆性研究后，被彻底打破。

论文链接：https://www.nature.com/articles/s41467-025-65518-0

研究者们让受试者聆听30分钟的故事，并使用毫秒级的脑电技术，精准捕捉大脑对每个词语的反应。

随后，他们将同样的故事文本输入大语言模型（如GPT-2和Llama-2），提取模型每一层对文本的内部理解表示。

实验结果令人震惊：GPT那看似冰冷的层级结构，竟在人类大脑里找到了完美的时间对应关系。

过去，我们总以为GPT在模仿人类。但这个实验给出了一个震撼的暗示：

或许，我们的大脑天然就具有「GPT」的结构。

GPT的结构，能在大脑里找到对应

要理解这项研究的颠覆性，关键在于它如何将GPT的48层结构逐层对齐到人脑的时间序列。

研究团队选取了9名因癫痫接受术前监测的病患，他们的大脑皮层上已植入高密度的ECoG电极。

这种设备能以毫秒级精度记录大脑真实的电活动。

受试者聆听了一段30分钟的播客，研究者同步采集了围绕每个词出现时刻的高伽马脑电信号。

这些信号覆盖了语言通路中的关键区域：从掌管听觉的mSTG、aSTG，到负责语言整合的IFG，再到高级语义区的TP。

与此同时，研究者将同一段文本输入GPT-2 XL和Llama-2。

每当模型处理到一个词时，他们就「暂停」，抽取这个词在模型内部从第一层到最后一层的所有内部理解表示。

随后，他们将模型每一层的表示通过CA降维简化，再用线性模型尝试预测人脑在那一毫秒的脑电活动。

如果GPT的层级结构与人脑无关，那么将模型层级对齐到大脑的时间轴上，结果必然是一团乱麻。但实验结果显示，二者存在某种结构对应，在脑电时间轴上我们看到了清晰的秩序。

把模型的层级，排成「时间阶梯」

实验初期，研究者仅想验证一个简单假设：

如果大语言模型的层级结构与大脑的某个处理阶段相对应，那么这种对应应像接力跑一样，在时间轴上依次出现。

研究者将GPT的每一层语义表示丢进线性模型里，试图预测大脑在听到每个词时，高伽马活动会在哪一毫秒达到峰值。

结果显示，这张「时间阶梯图」清晰揭示了大脑的秘密：越靠近高阶语义的区域，越像GPT的深度结构。

GPT的48层在大脑语言通路中呈现出清晰的「时间—深度」对应结构。浅层（暖色）在更早的时间点达到峰值，深层（冷色）在更晚时间出现。TP、aSTG、IFG等高阶区域表现出强线性关系（r=.93 / .92 / .85），而mSTG（近听觉皮层）几乎没有层级结构（r≈0）。

规律越清晰，传统语言学就越尴尬

如果GPT的层级结构真能在大脑里找到对应，一个更尖锐的问题随之而来：

那些我们以为描述语言「最准确」的传统模型——音位、词素、句法、语义，它们构建的语言理解框架会呈现出同样的时间结构吗？

研究团队将这四类符号语言学模型全部纳入测试。

如果人类语言真的依赖这些规则，它们理应比GPT更能精确预测大脑的反应。

然而结果很快给出了答案：传统符号模型确实能预测一部分脑电活动，但与GPT的「像不像」程度差得非常远。

语言不是规则，而是一种预测能力

当GPT的层级能在人脑里找到清晰的时间对应时，这项研究的意义已超越了单纯的模型比拼。

它指向了一个更底层、更古老的问题：语言到底是什么？

过去几十年，我们用语法规则解释句子，用语义网络解释概念，用树状结构描述语言的逻辑关系。

这些框架强调「结构、类别、层次」，却很少讨论语言在大脑中的即时生成方式：它如何在毫秒级连续变化？如何在瞬间整合过去与未来？

这次的结果彻底呈现出一种截然不同的景象——大脑处理语言根本不像在执行规则，而更像是在沿着一条不断压缩、预测、更新的轨道向前推进。