Nature重磅：單神經元如何編碼人類語言？結合大語言模型的微觀腦機制探索

來源：PsyBrain 腦心前沿

研究背景

人類語言最獨特的能力在于，我們可以通過語法規則將有限的詞匯組合成無窮無盡的句子，以此來表達復雜的思想。過去幾十年里，借助功能磁共振成像（fMRI）和皮層腦電（ECoG）等宏觀與介觀技術，研究者已經描繪出了一個廣泛分布于額顳葉的語言網絡，甚至揭示了大腦如何處理語音和音素。

然而，這個網絡在微觀的細胞尺度上是如何運作的？當我們自然地開口說話時，單個神經元究竟是如何編碼詞性、句法結構以及上下文語義的？這一直是認知神經科學領域懸而未決的難題。

為了回答這個問題，哈佛醫學院麻省總醫院的研究團隊開展了一項罕見且極具挑戰性的工作。他們借助植入人類患者額顳葉皮層的微電極陣列，在參與者進行自然對話時，記錄了579個單神經元的活動。更巧妙的是，研究者引入了自然語言處理（NLP）技術和大語言模型（LLM），試圖在單細胞分辨率下，解碼人類大腦“組裝”語言的微觀基石。

研究核心總結

這項研究并沒有停留在簡單的“哪個腦區負責說話”，而是深入到了單個神經元的計算邏輯，揭示了大腦在自然語音產生過程中的四項核心發現。

一、 神經元對特定語言特征具有高度專一性

研究者首先發現，大腦中存在專門針對特定語言屬性“調諧”的神經元。在記錄到的神經元中，有相當一部分會在特定的語言特征出現時選擇性地改變放電頻率。例如，有的神經元專門對“詞性”（如副詞或情態動詞）敏感，有的對“句法成分”（如名詞短語）敏感，還有的專門追蹤詞匯在句法樹中的“深度”或短語的“閉合層級”。

這種選擇性非常純粹。這些神經元的放電不僅不受音高、詞頻等低級聲學或詞匯特征的影響，而且不同特征（如句法深度與詞性）的編碼在細胞群體中幾乎沒有重疊。這意味著，大腦在微觀層面將復雜的語言結構拆解成了極其精細的獨立特征進行處理。

Fig 1. 記錄人類額顳葉皮層單神經元在自然語音產生過程中的活動，揭示了神經元對特定語言特征（如詞性、句法成分）的精細表征。

Fig 2. 神經元對語言特征的表征具有高度選擇性與魯棒性，不同特征的編碼在細胞群體中幾乎沒有重疊，且能從單細胞活動中準確解碼出詞匯的句法屬性。

詞匯在句子中并非孤立存在。同一個詞（如“dog”）在不同句子中可能扮演主語或賓語。研究發現，雖然單個神經元傾向于偏好句法或語義中的某一種，但整個細胞群體能夠可靠地捕捉這些特征的特定組合。

更令人驚嘆的是，當研究者引入大語言模型（如Vicuna）來提取句子的深層上下文特征時，他們發現神經元群體能夠整合當前詞匯之前多達5個詞的上下文信息。這種對上下文的預測性編碼在發音前約1秒就達到了峰值。這表明，神經元不僅在處理當下的詞，還在宏觀上“統籌”整個句子的走向。

Fig 3. 結合大語言模型發現，神經元群體不僅編碼句法和語義的組合，還能整合長達5個詞的上下文信息，且預測活動在發音前約1秒達到峰值。

這些具備語言選擇性的神經元分布在哪里？數據表明，它們廣泛散布在雙側大腦的額葉、顳前葉和顳后葉皮層中。無論是左半球還是右半球，都能找到編碼各類語言特征的神經元。

但是，在“編碼質量”上存在顯著的區域差異。左半球神經元的調節強度（即對特定特征的放電變化幅度）顯著高于右半球。同時，前額葉皮層的神經元表現出最強的調節幅度，而顳前葉在處理復雜的上下文信息時表現最佳。這在微觀尺度上印證了語言網絡的左側偏側化特征。

Fig 4. 具備語言選擇性的神經元廣泛分布于雙側額顳葉，但左半球神經元的調節強度和特征編碼能力顯著更強，且不同腦區各有所長。

研究者還對比了同一微電極觸點上記錄到的單神經元動作電位（AP）與局部場電位（LFP）。LFP反映的是該區域數千個神經元的突觸電位總和。

結果顯示，盡管許多LFP信號也表現出對語言特征的選擇性，但它們編碼的特征往往與同一位置的單神經元完全不同。單神經元表現出了比LFP更極端的特征專一性。這揭示了大腦在微米尺度上的高度異質性：宏觀或介觀信號（如LFP）看到的“平均狀態”，掩蓋了底層單個神經元高度專業化的分工。

Fig 5. 在微米尺度上，單神經元動作電位（AP）與局部場電位（LFP）編碼的語言特征存在顯著差異，神經元表現出比LFP更極端的特征專一性。

研究意義

這項工作在認知神經科學領域具有里程碑式的意義。它首次在單細胞分辨率下，證實了人類大腦在自然說話時，是如何將抽象的句法規則、語義內容和動態的上下文轉化為具體的神經元放電序列的。

從理論上看，它為語言的“組合性”提供了直接的細胞級證據，表明句法和語義在微觀層面是可分離卻又協同工作的。從方法學上看，這項研究展示了將前沿大語言模型（LLM）與侵入式神經記錄相結合的巨大潛力，為理解高級認知功能提供了一套全新的計算框架。

此外，明確語言在單細胞層面的編碼規律，不僅拓展了我們對人類獨有認知能力的認知邊界，也為未來開發更精準、更自然的語音腦機接口（BCI）提供了關鍵的底層生物學依據。

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）