Decennialang hebben neurowetenschappers het menselijk brein in kaart gebracht door te zoeken naar gespecialiseerde wijken, vergelijkbaar met een stadsplanner die onderscheidende districten identificeert voor bankwezen, industrie of woningbouw. Twee dergelijke districten werden lang als afzonderlijk beschouwd: een toegewijd taalnetwerk dat oplicht wanneer we zinnen begrijpen, en een multiple-demand netwerk (netwerk voor meerdere eisen) dat activeert wanneer we een moeilijke mentale uitdaging aangaan, zoals het oplossen van een complex wiskundig probleem of het onthouden van een lange lijst met items. De heersende opvatting was dat deze twee systemen zelden overlapten in hun werk. Er werd gedacht dat het taalnetwerk de betekenis van woorden afhandelde, terwijl het multiple-demand netwerk diende als een algemene helper die pas in actie kwam wanneer de taak te moeilijk werd, waarbij het extra inspanning leverde maar de taal zelf niet daadwerkelijk verwerkte. Dit onderscheid suggereerde dat wanneer we worstelen om een dichte lezing te begrijpen, ons brein een apart team van werkers rekruteert om de stress te beheersen, terwijl de werkelijke ontcijfering van de betekenis wordt overgelaten aan de taalspecialisten.

Echter, een nieuwe studie daagt deze rigide scheiding uit en suggereert dat het "helper"-netwerk van het brein meer doet dan alleen het beheren van stress; het neemt actief deel aan het begrijpen van de inhoud. Door naar de hersenen van mensen te luisteren terwijl ze video's bekeken en verhalen hoorden, ontdekten onderzoekers dat het multiple-demand netwerk niet louter de inspanning versterkt. In plaats daarvan bevat het gedetailleerde informatie over de specifieke betekenis van wat er wordt gehoord, waarbij het zijn interne representatie aanpast aan het onderwerp waar het over gaat. Deze bevinding impliceert dat ons vermogen om taal te begrijpen niet beperkt is tot één enkele, geïsoleerde regio, maar een gezamenlijke inspanning is waarbij zelfs de algemene controlecentra zijn afgestemd op de specifieke stof, of het nu gaat om een wetenschappelijke lezing of een persoonlijk verhaal.

Om dit te onderzoeken, maakten de onderzoekers gebruik van een unieke aanpak die hersenbeeldvorming combineerde met kunstmatige intelligentie. Ze rekruteerden drie groepen deelnemers om verschillende soorten inhoud te bekijken en te beluisteren. Eén groep bekeek eenentwintig segmenten van computerwetenschappelijke lezingen, een taak met een hoge cognitieve belasting vol abstracte concepten en technisch jargon. Een andere groep luisterde naar honderden minuten aan persoonlijke verhalen van een radioprogramma, een taak met een lagere belasting die wordt gekenmerkt door storytelling en alledaagse taal. Een derde groep bekeek beide typen inhoud in een gecontroleerde setting om ervoor te zorgen dat de verschillen werden veroorzaakt door het materiaal zelf en niet door de kijkers. Terwijl de deelnemers zich met deze materialen bezighielden, registreerden de onderzoekers de hersenactiviteit met behulp van functionele magnetische resonantie beeldvorming (fMRI), een techniek die de bloedstroom volgt om te zien welke delen van de hersenen het hardst werken.

De onderzoekers gebruikten vervolgens een slimme methode om te decoderen wat de hersenen dachten. Ze gebruikten twee computerprogramma's, bekend als taalmodellen, die waren getraind om menselijke taal te begrijpen. Eén programma, een algemeen model, had geleerd van een enorme collectie boeken en websites. Het andere programma, een gespecialiseerde versie, was uitsluitend getraind op miljoenen wetenschappelijke artikelen. Cruciaal was dat beide programma's exact dezelfde interne structuur en vocabulaire hadden; het enige verschil was het materiaal dat ze hadden bestudeerd. De onderzoekers voedden de transcripten van de lezingen en verhalen in deze programma's om een digitale kaart te genereren van hoe elk woord en elke zin werd begrepen. Ze vergeleken deze digitale kaarten vervolgens met de werkelijke hersenactiviteit die bij de deelnemers was opgenomen.

Als het multiple-demand netwerk simpelweg een generieke versterker van cognitieve belasting zou zijn, zou het op dezelfde manier hebben gereageerd, ongeacht of de inhoud over wetenschap of verhalen ging, of of het computerprogramma getraind was op wetenschappelijke of algemene tekst. In plaats daarvan lieten de resultaten een veel verfijnder beeld zien. Het multiple-demand netwerk codeerde betrouwbaar de linguïstische informatie van zowel de moeilijke lezingen als de gemakkelijke verhalen. Belangrijker nog, de manier waarop dit netwerk de taal representeerde, veranderde afhankelijk van het onderwerp. Wanneer deelnemers naar de computerwetenschappelijke lezingen luisterden, stemde de hersenactiviteit in het multiple-demand netwerk veel nauwer overeen met het gespecialiseerde wetenschappelijke model dan met het algemene model. Omgekeerd, wanneer zij naar de persoonlijke verhalen luisterden, stemde de hersenactiviteit beter overeen met het algemene model.

Dit patroon onthulde dat het multiple-demand netwerk niet slechts een passieve versterker van cognitieve belasting is. Het volgt actief de specifieke semantische inhoud van de taal en stemt zijn interne staat af op het domein van de informatie die wordt verwerkt. De studie vond dat tijdens de wetenschappelijke lezingen met een hoge belasting het multiple-demand netwerk de linguïstische structuur eigenlijk sterker volgde dan het toegeweide taalnetwerk deed. In contrast hiermee, tijdens de verhalen met een lage belasting, nam het toegeweide taalnetwerk de leiding. Dit suggereert een dynamische taakverdeling waarbij de twee systemen hun rollen verschuiven op basis van de context. Het multiple-demand netwerk helpt niet alleen wanneer het moeilijk wordt; het wordt een gespecialiseerde partner die zijn eigen unieke gevoeligheid meebrengt voor de specifieke onderwerpen, of het nu gaat om de abstracte concepten van de fysica of de emotionele nuances van een verhaal.

De onderzoekers bevestigden ook dat deze bevindingen niet louter het resultaat waren van het harder werken van de hersenen. Ze verifieerden dat de twee soorten inhoud inderdaad verschillende niveaus van mentale inspanning vereisten, waarbij de lezingen meer cognitieve middelen vroegen dan de verhalen. Toch bleef de inhoudgevoelige aard van het multiple-demand netwerk duidelijk, zelfs nadat rekening was gehouden met dit verschil in inspanning. Het vermogen van het netwerk om de specifieke betekenis van de taal te representeren, bleef bestaan in zowel situaties met een hoge als een lage belasting. Dit geeft aan dat de betrokkenheid van het netwerk niet louter een reactie is op moeilijkheidsgraad, maar een fundamenteel onderdeel is van hoe de hersenen betekenis aan taal geven.

Deze ontdekkingen herzien ons begrip van hoe de hersenen taal verwerken. In plaats van het multiple-demand netwerk te zien als een apart systeem dat pas in actie komt wanneer het taalnetwerk overbelast is, suggereert de studie dat het een actieve, inhoudgevoelige component is van een gedistribueerd systeem. Het brein lijkt een flexibele architectuur te gebruiken waarbij verschillende netwerken complementaire informatie bijdragen. Het toegeweide taalnetwerk richt zich wellicht op de kernstructuur van zinnen, terwijl het multiple-demand netwerk die informatie integreert met bredere context en domeinspecifieke kennis. Deze samenwerking stelt het brein in staat om naadloos aan te passen aan verschillende soorten communicatie, van de technische precisie van een lezing tot de flow van een informeel gesprek.

De studie beweert niet dat het multiple-demand netwerk het taalnetwerk vervangt of dat de twee identiek zijn. In plaats daarvan laat het zien dat ze samenwerken op een vloeiende, contextafhankelijke wijze. De balans tussen hen verschuift afhankelijk van wat er wordt verwerkt en hoe moeilijk het is. Deze genuanceerde visie gaat verder dan het eenvoudige idee van gespecialiseerde versus algemene hersengebieden en biedt een meer geïntegreerd beeld van de menselijke cognitie. Het suggereert dat ons vermogen om de wereld te begrijpen wordt ondersteund door een netwerk van systemen die allemaal zijn afgestemd op de specifieke details van onze ervaring, die in concert samenwerken om betekenis te geven aan de complexe stroom van informatie die door onze geest stroomt.