紐約大學發現新的言語工作記憶結構，可用於人工智慧研究

紐約大學的一項新研究發現，在言語工作記憶中，我們用來存儲和處理信息的神經結構比我們之前所理解的要複雜的多，這種結構的發現會影響到人工智慧系統的建立。

人類用於言語工作記憶（vWM）中儲存和處理信息的神經結構要比以前我們所理解的更加複雜，紐約大學的研究者們剛剛在Nature Neuroscience上發表了他們的新研究，這一發現對人工智慧系統例如語音翻譯工具的構建有著重要的意義。

這項研究認為，在言語記憶工作中的信息處理過程包含了大腦中兩個不同的網路，而不是以往認為的一個，這個發現可能會對打造語音翻譯工具這樣的人工智慧系統產生影響。

「我們的研究結果顯示，當人類在思維中處理使用語音和語言信息時，至少有兩個大腦網路是活躍的，」紐約大學神經科學副教授Bijan Pesaran說，他是這篇論文的作者之一。

過去的研究強調了單一的「中央執行機構」 如何監督存儲在記憶工作的操作（manipulation）信息。據Pesaran的觀察，這是一個非常重要的假設，因為目前的複製人類語音的人工智慧系統通常都假設言語工作記憶中的計算都由一個單獨的中心網路負責。

「人工智慧需要盡量模仿人類， 」Pesaran說。「通過更好的理解人腦的運行機制，我們可以提出更多提升人工智慧系統的方法。我們的研究暗示了我們需要構建帶有多個工作記憶網路的人工智慧系統。」

本文的第一作者是Greg Cogan，他曾經是紐約大學的一名博士後，現在來到了杜克大學；其他共同作者包括紐約大學Langone醫學中心綜合性癲癇中心主任Orrin Devinsky教授，紐約大學Langone神經外科系副教授Dan Friedman，和紐約大學神經系統助理教授Lucia Melloni。

該研究旨在對這種思考、規劃和創造性推理至關重要的工作記憶形式進行研究，並涉及了記憶中的語言形式轉換，以及形成語言所需的信息。

研究人員分析了耐藥性顛病人類患者的治療過程，對病人們的大腦活動進行了監測。具體來說，他們探究了這些病人在傾聽和說話時大腦中的深層神經活動，嘗試解答為什麼病人的反應會出現一定時間的延遲。科學家們在實驗中要求研究對象使用研究人員提供的規則，將他們聽到的語音用自己的話複述出來。例如，有時患者會被告知要原文複述他們聽到的內容，而在其他時間，研究人員指示患者聽到聲音後用不同的方式複述內容。

研究人員將每一位患者大腦當中的神經活動進行了解碼，患者採用了研究人員提供的規則，將他們聽到的東西轉化為所需要說的話。結果表明抑制工作記憶當中的操縱信息涉及到了兩個大腦網路的運作。一個網路解碼了指導患者表達的原則，也就是規則網路（the rule network）。令人驚訝的是，規則網路沒有解碼出怎樣將聽到的內容轉化為表達內容的細節。使用這個規則將聲音轉化為言語的過程僅需要一秒鐘，這就是轉化網路（transformation network）。這個網路當中的活動能夠跟蹤輸入（聽到的內容）是如何漸漸轉化為輸出（所說的話）的。

研究者同時表示，將你聽到的一種語言進行翻譯，再用另外一種語言表達出來，其中涉及到了一些類似的抽象原則。具有言語工作記憶（vWM）障礙的人學習一門新語言很困難。現代的智能機器在學習語言當中也存在著一些問題。

Pesaran說：「創造更加智能系統的唯一途徑就是對人類大腦和思維的運作進行更加全面的了解。」「人類工作記憶障礙的診斷和治療涉及到心理學鑒定。以此類推，機器心理學可能也會在將來的某一天對機器智能障礙的診斷和治療有幫助。這項研究對這種獨特的人類智能、言語工作記憶形式進行了研究，提出了讓人工智慧進一步發展的新方向。」

論文：Manipulating stored phonological input during verbal working memory

摘要：言語工作記憶（vWM）包含了音系感知輸入中的存儲和操縱信息。對 vWM 目前最具影響力的理論認為，全部處理任務由一個中央執行機構執行，信息存儲則由兩個互相聯繫的系統執行：語音輸出是由可獲取基於聲音信息的音位輸入緩衝器和和發音排練系統來控制的。然而，目前仍沒有理論解釋語言在大腦中的神經活動是如何被編碼處理的。