當大家與人工智能（AI）對談，甚至進行文字創作，有沒有想過AI是否真的理解語言，還是單純在模仿人類的表達方式？這並非哲學討論，而是當代認知科學和人工智能領域的研究重點之一。
香港城市大學人文社會科學院（城大人院，簡稱CLASS）創辦的城大人院研究方法學習班（CLASS Advanced Methods School, CAMS），於今年6月6日特別邀請來自美國普林斯頓大學（Princeton University）心理學及神經科學學系Uri Hasson教授，以「深度語言模型作為人腦自然語言處理的認知模型」（Deep Language Models as a Cognitive Model for Natural Language Processing in the Human Brain）為題，進行了一場跨越認知神經科學與AI的精彩演講。Hasson教授的研究，旨在探索AI模型與人腦之間的相似性，並試圖解開語言處理的神秘密碼。
AI與人類智慧對話
Hasson教授以一個看似簡單卻充滿寓意的問題引發觀眾思考：「我們的大腦和AI模型在處理語言時，是否共享相似的機制？」他指出，人類大腦在語言處理上展現出驚人的預測能力：當聽到一句說話時，大腦會迅速預測接下來可能出現的詞彙或語義，這種預測性思維讓大家能夠快速理解語言中的邏輯和情感。而深度語言模型（如ChatGPT、Gemini和DeepSeek等）也採用類似的策略，通過對大規模語料的訓練，逐步學會如何預測下一個詞語，從而生成流暢的文本或語句。
然而，Hasson教授強調，雖然AI模型和人腦在語言處理上展現出一些相似性，但它們的運作方式仍存在本質上的區別。AI模型靠着龐大的數據，能在極短時間內通過運算吸收大量語言資訊，學習速度遠超人類，不過卻傾向使用最常見的語句，例如「天空是藍色的」等；人類的語言運用則更具創造性，會經常使用新穎或不確定的表達來吸引聽眾注意，傳遞情感或信息。這種語言層面的創意，是目前AI難以模仿的特質。
從實驗室到真實場景觀察語言
傳統的認知神經科學往往依賴高度控制的實驗室環境，這種方法固然能產生清晰的數據，卻難以應對真實生活的複雜性和突發性。為了解決這個問題，Hasson教授和他的團隊採取逆向思維，跳出實驗室，從自然場景中提取語言信息和大腦的運作數據，試圖還原人類真實的語言處理過程。他們與癲癇患者合作，在醫院內安裝攝影和麥克風，記錄病人與家人和醫護人員之間的對話。通過同步記錄患者的大腦活動，這些數據不但揭示了語言與大腦之間的高度聯繫，也提供關於人腦如何在自然語境中處理語言的寶貴線索。
探究嬰兒語言學習 開啟AI模型新篇章
Hasson教授亦分享他最新的大型研究計劃「生命初始的一千天」（The First 1000 Days），他的團隊說服15個不同背景擁有新生嬰兒的家庭，在嬰兒出生後的首3年內，每天長時間記錄語音、視覺和互動數據，觀察嬰兒如何在日常生活中學習語言。這些數據不僅包括嬰兒聽到的語言，也涵蓋了他們看到的物件、與父母或兄弟姐妹的互動方式等，目標是建立全球極具規模的嬰兒語言學習資料庫。
研究團隊會利用這些真實數據進行分析，模擬嬰兒學習語言的過程，並與AI語言模型進行對比。初步研究顯示，AI語言模型在幾個月內就學會基本語音單位，並在一年後掌握數以千計的詞彙，學習速度也與人類嬰兒相近。研究團隊希望能揭示人類語言學習的機制，並為新一代AI語言模式提供靈感和基礎。
AI語言模式未來發展方向
儘管深度語言模型的表現令人印象深刻，但Hasson教授也坦言，AI目前仍然存在多方面的局限。例如，AI模型缺乏人類的情感與文化背景，無法真正理解語言所承載的情感和意義。此外，AI依賴大量的數據訓練，而人類嬰兒僅通過有限的語言輸入，就能構建起豐富的語言能力。
為了縮窄這些差距，Hasson教授倡議將多模態信息（如視覺、運動和社會互動）整合到AI模型中，使其更貼近人類的認知方式。他指出，未來的AI研究需要多學科的深度合作，涵蓋神經科學、語言學、計算機科學和心理學等領域。這些研究不僅有助於改進AI技術，還能為語言障礙的診斷和治療提供新工具，甚至可能應用於教育領域，設計出更高效的語言學習方法。
隨着人工智慧與人腦的界線日益模糊，若能打造出一套具備高度擬人化語言理解機制的AI模型，並精準預測大腦反應，那麼人類將更接近解開大腦語言運作的奧秘，貢獻基礎科學研究。
網址：https://www.cityu.edu.hk/class/
