The human language processing system straightens natural speech

あなたの脳を、次にどの列車（単語）が到着するかを正確に予測することを目的とした、巨大で高速な鉄道駅だと想像してみてください。長年、コンピュータ（特に大規模言語モデル）は、この「次の単語を当てる」ゲームを練習するだけで、言語に非常に習熟できることが分かってきました。しかし、科学者たちはこう疑問に思っていました。人間の脳は、どのように思考を整理して、これほどスムーズに予測を行っているのだろうか？

この論文は、脳が情報の通り道を、脳の深部へと移動させるにつれて「まっすぐに整える」ことで、この問題を解決していることを示唆しています。研究者たちが、いくつかの独創的な比喩を用いて、どのようにこのことを解明したのかを以下に説明します。

曲がりくねった道 vs 高速道路

音声による文章があなたの脳を通り抜ける旅を、風景の中を走る車のように考えてみてください。

• 下位レベルでは（耳の近くの初期聴覚領域）、その道は凸凹のある曲がりくねった田舎道のようです。車は、生の音を処理するために、絶えず蛇行し、急旋回し、ジグザグに走らなければなりません。この研究の言葉を借りれば、これらの神経経路は非常に「曲がって」います。
• 情報が階層を上がっていくにつれて（脳のより深い処理センターへ移動するにつれて）、その曲がりくねった道は、徐々にまっすぐで滑らかな高速道路へと変化していきます。脳はあらゆる小さな凹凸に反応するのをやめ、より大きな全体像を見始めるのです。経路はより「まっすぐ」になります。

新しいツール：曲がり具合の測定

研究者たちは、脳スキャン（fMRI）を用いて、この「曲がり具合」を測定する新しい方法を開発しました。彼らは、ある細胞集団がどれほど「曲がって」作用しているかを、それらの細胞が音に対してどれほど速く反応するかを見るだけで判断できるという、巧妙な関連性を見出しました。これは、車のサスペンションがどれほど激しく上下しているかを見るだけで、その道の凸凹具合を判断できるようなものです。

実験：自然な音声 vs 「かき乱された」音声

彼らは、人々に自然な物語を聞かせた後、それらと同じ物語の「摂動を与えられた（かき乱された、あるいは改変された）」バージョンを再生して、このアイデアをテストしました。

• 自然な音声： 人々が自然で流れるような話し言葉を聞いているとき、脳の経路は階層を上がるにつれて見事にまっすぐに整いました。脳が次に何が来るかを正確に予測できていたため、経路は滑らかでした。
• かき乱された音声： 音声の統計的な構造がめちゃくちゃになったとき（次の単語を予測するのが難しくなったとき）、この「まっすぐにする」効果は消失しました。経路は、高い脳領域においてさえも、曲がりくねったままの状態を維持しました。

コンピュータとのつながり

彼らはまた、これらの音をwavLMと呼ばれる高度なAIモデルにも通しました。このAIは、人間の脳の働きを模倣することに長けています。彼らは、このAIも同様の「まっすぐにする」効果を示すことを見出しましたが、それは入力が自然で予測可能な音声である場合に限られていました。

大きな教訓

この論文は、予測こそが、この「まっすぐにする」プロセスを駆動するエンジンであると結論付けています。
脳が文の中で次に何が来るかをうまく予測できるとき、脳は内部のマップを、効率的な直線へと整理します。予測ができないとき（音声が奇妙であったり、かき乱されていたりする場合）、マップは乱れたまま曲がった状態になります。

要約すると、人間の脳は、生の音という混沌とした曲がりくねった道を、意味へと続くまっすぐな高速道路へと変えるのです。しかし、脳は、次に何が来るかを推測することを可能にする自然なルールに従った音声に対してのみ、このことが可能になるのです。