对话使人们能够与他人交流他们的思想、情感和观点。这反过来又使他们能够学习新事物，加深社交联系，并与同伴合作以解决特定任务。反之，诸如ChatGPT这类基于机器学习的交互代理，其设计初衷在于处理并响应多语言用户查询，或可为揭示大脑对话内容组织模式提供新视角。

研究人员称其长期目标是理解人类大脑如何使日常生活成为可能。因为基于语言的对话是人类智力和社交互动最基本的表现形式之一，他们着手研究大脑如何支持自然对话。

最近大型语言模型方面的进展，例如GPT，提供了定量模拟丰富且瞬息万变的语言信息流动所需的工具，使得本研究得以开展。作为研究的一部分，Nishimoto及其同事开展了一项实验，涉及八名人类参与者，他们被要求就特定话题进行自然对话。在与实验者交谈时，参与者的大脑活动通过功能性磁共振成像（fMRI）进行了监测。fMRI是一种广泛使用的神经影像技术，能够探测大脑中血流的变化。

研究人员在参与者与实验者进行自然对话时，使用fMRI测量了大脑活动。为了分析这些对话的内容，研究者使用GPT（ChatGPT的核心组成部分）将每一句发言转化为数值向量。为了捕捉不同层次的语言层次结构——例如词汇、句子和话语——研究者将分析的时间尺度从1秒到32秒不等。利用GPT计算模型，研究人员创建了参与者在对话中使用的语言的数值表征。这些表征使他们能够预测不同个体在说话以及聆听对话对象时大脑的反应强度。

对话实验和用于从上下文语言嵌入预测大脑活动的体素编码模型

越来越多的研究表明，说出的语言和感知到的语言的含义在大脑中是重叠的。然而，在真实的对话中，我所说的和你所说的必须是可以区分的，而关于这种区分是如何实现的，人们知之甚少。本研究表明，在语言产生过程中，大脑将词汇整合成句子和话语的方式与理解过程不同。

参考文献：

Yamashita M, Kubo R, Nishimoto S. Conversational content is organized across multiple timescales in the brain[J]. Nature Human Behaviour, 2025: 1-13. DOI: 10.1038/s41562-025-02231-4

资讯来源：

https://medicalxpress.com/news/2025-06-neurocomputational-brain-conversational-content.html

解读成员 | 王淳

审核成员 | 褚凡