Meta宣布启动一项长期研究项目,旨在构建能够像人脑一样高效处理语音和文本的下一代AI。该项目将与神经成像研究中心NeuroSpin及软件公司Inria合作,通过对比人脑与AI语言模型对相同口语或书面句子的反应机制,探索实现人类水平AI的路径。
联合NeuroSpin与Inria开展类脑AI研究
NeuroSpin是专注于脑部成像的研究中心,汇聚了物理学家、数学家、神经科学家及医生,致力于开发数据采集与处理工具,涵盖从临床前到认知神经科学的广泛研究领域。Meta表示,将利用此次合作的洞察指导AI开发,使其在处理语音和文本时的效率与人类相当。
借鉴大脑预测机制优化语言模型
当前AI语言模型依赖海量数据训练,而人脑仅需少量示例即可学习。现有研究表明,最接近大脑活动的语言模型具备根据上下文预测后续词汇的能力。尽管人脑能提前预判思想,但多数模型仅被训练用于预测下一个词。解锁这种长程预测能力,是提升现代AI语言模型性能的关键。
基于脑成像数据的算法建模突破
该计划引用了2021年发表的论文《大脑与深度神经网络中的语言处理:计算收敛及其局限》。研究指出,网络层的结构位置及其根据上下文准确预测词汇的能力,是人工神经网络产生类脑表征的核心因素。这些发现揭示了感知、词汇及组合表征在皮层区域的展开规律,为理解大脑与算法中语言处理的支配原则提供了依据。
Meta团队通过分析数千次人类大脑活动扫描数据,观察任务执行期间的大脑区域激活情况。研究成果不仅有助于揭示“人类大脑的计算组织”,为开发类人AI提供关键见解,同时也将助力神经科学家更深入地理解人脑运作机制。

