🧠 神经科学

The Roads Not Taken: The Neural Dynamics of Lexical Alternatives During Free Language Production

通过将高密度皮层脑电图与大语言模型相结合，本研究揭示了人类言语产生过程涉及对所选词汇之外的多个未说出的词汇备选项进行独特的、快速更新的且具有前瞻性的神经表征。

原作者： Liobashevski, D., Friedman, D., Flinker, A., Goldstein, A.

发布于 2026-10-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Liobashevski, D., Friedman, D., Flinker, A., Goldstein, A.

原始论文根据 CC0 1.0（https://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

语言是一种灵活的工具。当我们想要表达某种意思时，很少只有一种表达方式。如果一位朋友询问一次演讲进行得如何，我们可能会选择称其为“太棒了”、“很出色”或者仅仅是“不错”。我们通常会根据自己的心情以及与听者的关系来选择词汇，但这种选择本身就意味着在同一时刻，还有其他的选项可供选择。几十年来，科学家们一直在思考，大脑是将这些未被选中的词汇保留在备选状态中，与最终说出的那个词同时激活，还是在说话的一瞬间就将其丢弃。问题在于，这些未说出口的词汇不会在空气中留下任何痕迹；它们是无声的、内在的事件，在声音发出的瞬间便消失殆尽。由于它们无法被听到，也无法被说话者轻易报告，因此一直以来都难以通过直接观察来获取，只能通过诸如口误或严苛实验室测试的结果等间接线索来了解。

一支研究团队现在揭开了这层沉默的面纱，首次直观地展示了大脑在真实对话中是如何管理这些隐形的替代选项的。通过将高分辨率的脑活动记录与现代人工智能的预测能力相结合，他们发现，大脑并不会等到决定说什么之后才开始准备。相反，大脑会同时保持一组广泛且不断变化的潜在词汇处于待命状态，随着对话的流动不断更新这个列表，甚至还会为几秒钟后才要说的词汇准备好选项。

为了捕捉这些转瞬即逝的想法，研究人员转向了一组独特的志愿者：四名癫痫患者，他们的脑表面被植入了电极，用于监测癫痫发作。这些电极使团队能够以标准脑扫描无法比拟的精度记录电信号，捕捉患者在与医生和家人进行长达一小时的自然对话时成千上万个神经元的活动。挑战在于，如何知道患者在开口说话之前在想什么。为了解决这个问题，团队使用了一个大型语言模型（一种在海量文本上训练的人工智能），根据已经说过的词语来预测下一个可能出现的词。

研究人员将注意力集中在人工智能预测错误的时刻。在这些情况下，计算机给出的前三个猜测都是患者并未说出的词。这些未被选中的猜测成为了窥探患者思维的窗口。团队推论，如果大脑确实在保留多个选项，那么在患者说话之前记录到的神经活动应该包含这些特定、未说出口的词汇的痕迹。他们分析了目标词被说出前半秒钟的脑信号，这一时间窗口被认为是检索记忆中词汇的关键时期。

结果清晰且令人信服。大脑中的神经活动，特别是在负责语言处理的左前额叶区域，包含了与那些未说出口的替代词相对应的独特模式。研究人员可以从脑信号中解码出第一个、第二个和第三个预测词的身份，尽管患者从未说出过它们。至关重要的是，大脑并没有将这些替代项视为一组模糊的群体。每一个未被选中的词在神经活动中都有其独特的特征，与其他词截存在差异。这表明大脑维持着一条由多个特定候选词组成的并行轨道，每个词都带有其独特的语义和语法角色，而不仅仅是一种“类似之物”的模糊感。

这项研究还揭示了大脑中保留了多少词汇。通过测试在包含更多潜在词汇时脑信号的可预测性，研究人员发现，随着加入更多候选词，神经活动的强度随之提升。当包含约二十个词时，信号持续增强，这表明在大脑最终确定要表达的词之前，它同时在处理一个数量惊人的可能性集合——甚至同时处理十几甚至更多个词。这种广阔的范围挑战了大脑在处理过程中过早将焦点缩小到仅剩一两个选项的观点。

此外，这个心理列表并非静态的，而是一个动态的、移动的目标。随着对话从一个词过渡到下一个词，替代选项集会立即更新。大脑不会等待一个句子结束才开始规划下一部分。研究人员发现，当患者正在说出一个当前的词时，他们的大脑已经在为下一个词、再下一个词、甚至再下一个词准备替代方案。这些未来的选项以特定的顺序出现在大脑中：紧随其后的词的替代项首先出现，接着是第二个词之后的，依此类推。这表明语言产生是一个高度前瞻性的过程，大脑在不断为尚未说出的词汇构建一个“流水线式”的选择机制。

这些表征的性质也为大脑如何组织语言提供了线索。那些未说出口的词并不只是作为模糊的概念漂浮着；大脑活动显示，它们除了携带意义外，还携带了具体的语法信息，例如是名词还是动词。这支持了这样一个观点：大脑检索的是完整的词汇项（即带有语法角色的完整单词），而非抽象的概念。有趣的是，大脑在准备这些未说出口的词时，似乎并没有像准备实际说出的词那样去准备其发音模式，这表明将一个词转化为声音的最后一步，是在做出选择之后才发生的。

这项工作改变了我们对说话方式的理解。它表明，人类对话的流畅性依赖于一个庞大的、并行的准备引擎。我们不仅仅是从单一的选项线中选择一个词，而是在一个宽广、演变的可能性的景观中进行导航，直到最后一刻都保持多种路径开放。大脑不仅是一个说话者，更是一个不断的模拟器，模拟着可能发生的话语，随时准备根据对话的需求进行转向。通过倾听大脑中那些无声的电信号低语，研究人员证明了那些我们未曾说出口的词，在我们的脑海中与那些说出口的词一样清晰存在。

技术摘要：自由语言产出过程中词汇替代项的神经动力学

问题陈述
人类语言产出涉及从一组并行激活的多个词汇候选词中选择一个单一词汇的过程。虽然计算语言模型假设存在这种共激活现象，但实证证据一直局限于间接的行为特征（如言语错误）或高度受限的范式（如图片命名）。目前仍存在一个关键的研究空白，即在自然、无约束的对话中，如何理解这些“词汇替代项”（即未被说出的、与目标词竞争的候选词）在脑中是如何表征的。具体而言，目前尚不清楚多个替代项是否同时处于激活状态、其表征如何随词汇逐一演变，以及未来的词汇是否会与当前词汇一同进行预激活。

研究方法
本研究整合了来自四名患者的高密度皮层脑电图（ECoCT）记录，并结合了大语言模型（LLM）的预测，用于分析其在自发性、现实世界对话中的表现。

数据来源： “24/7”数据集，包含患者在癫痫病房期间超过50万个单词的自发语音记录。
LLM 集成： 使用预训练的 LLM（GPT-2 XL）基于滑动上下文窗口（1024 个 token）生成下一个词的预测。模型的输出提供了词汇表的排序概率分布。
替代项的操作化定义： 为了隔离“替代项”（未说出的候选词），分析聚焦于 LLM 的前 3 个预测中并不包含说话者实际产出的目标词的情况。这些前 3 个预测作为对词汇替代项集合的估计。
神经分析：
- 解码： 训练两层卷积神经网络（CNN），从单词起始前 -500ms 至 -100ms 的神经活动中解码第 1、第 2 和第 3 个替代项的身份。
- 编码： 使用替代项的静态词嵌入（GloVe）构建线性编码模型，以预测神经活动（特别是在下额回，IFG）。
- 方差划分： 为了确定替代项是彼此独立还是仅存在相关性，作者采用了留一法（LOO）方差划分。这分离了每个替代项（或特征空间）所解释的唯一方差与共享方差。
- 特征空间： 使用语义（GloVe）、句法（one-hot 词性）和音系（发音特征）嵌入来表征表征的性质。

核心贡献与结果
本文确立了关于词汇替代项神经动力学的三个计算原则：

多个不同替代项的同时表征：
- 解码： 在发音前，可以从神经活动中显著解码出 LLM 预测的前 3 个替代项的身份。至关重要的是，“一致性”解码（在相同的替代项排名上进行训练和测试）的表现显著优于“不一致性”解码，这证明每个替代项都由独特的神经模式表示，而非共享信号。
- 编码： 替代项的语义嵌入能显著预测 IFG 中的神经活动。方差划分证实，每个替代项都在其他两个替代项之外解释了独特的神经方差部分。
- 候选集大小： 通过将编码模型扩展到包含前 k 个预测（k = 3 到 50），解释的方差随 k 值增加而单调递增，直至 k=20。这表明在发音前，大脑并行表征了超过十几个词汇候选词。
- 表征层面： 跨特征空间的方差划分显示，语义和句法特征均解释了替代项的独特方差，而音系特征则不然。这表明替代项是以包含语义和句法信息的词汇项（lemma）形式进行表征的，尚未进入音系形式阶段，支持了词汇选择的模块化观点。
连续的逐词更新：
- 通过分析话语中的不同位置（第 1、第 2、第 3 和最后一个词），研究发现词汇替代项集合是在持续更新的。对于每一个新的词汇位置，神经信号中都会表征一组至少包含三个不同成员的新替代项集合，从而适应不断变化的对话语境。
未来替代项的前瞻性表征：
- 研究表明，在当前词汇（词 $n$ ）发音之前，大脑不仅表征词 $n$ 的词汇替代项，还表征未来词汇（ $n+1, n+2, n+3$ ）的替代项。
- 未来词汇的替代项在当前词汇的起始前窗口期内解释了独特的方差。
- 时间动力学： “半时间”分析（达到最大编码得分 50% 所需的时间）显示了一种增量式的激活顺序： $n+1$ 的替代项首先激活，随后是 $n+2$ ，然后是 $n+3$ 。这表明存在一种增量规划过程，其中未来词汇的替代项按顺序生成。

意义与主张
作者声称，这项工作为现实世界语言产出过程中多个词汇替代项的并行激活提供了首个直接的神经证据。通过结合 ECoG 与基于 LLM 的候选集估计，该研究超越了间接的行为推断，实现了对“未选之路”的神经表征刻画。

研究结果支持了以下言语产出模型：

大脑维持着一个广泛且动态演变的词汇候选集（多达 ~20 个词），而非单一候选词或一个较小的固定集合。
这些表征是独特的，包含语义和句法信息（词元层面），但在选择发生前缺乏音系编码。
规划具有高度的增量性和前瞻性，大脑会预先激活后续多个词汇的替代项。

论文得出结论，这些发现提供了一种神经机制解释，说明大脑如何准备不仅是即将说出的词汇，还有那庞大的、保持未说状态的词汇阵列，突显了人类语言的生成能力。作者指出，虽然 LLM 模拟了这种潜在的候选集，但他们并不声称其机制与人类处理机制完全相同，同时也承认人类与模型之间存在已知的差异。

类似论文