生成的人工智能（GenAI）的创新以前所未有的方式塑造了社交互动。这一演变的中心是利用深度学习算法训练大型语言模型，现在发现当以类似人类语言处理的方式进行训练时，这些语言模型更加类似于人类大脑功能。
由香港理工大学人文学院院长、神经语言学和双语研究主席李平教授领导的研究团队采取了一种增强语言模型的新方法。他们整合了一个被称为”下一个句子预测”（NSP）的训练任务，该任务评估句子的连贯性，类似于人类大脑的处理方式。NSP的目的是预测一个句子与另一个句子的关系，这与人类语义理解的神经模型相契合。
最近发表在著名期刊《Science Advances》上的研究揭示了NSP通过融合高水平的语言理解来加强大型语言模型的预测能力，而不仅仅是预测下一个词。这一发展提供了对我们大脑中语义处理的有趣观点，强调了右脑半球在理解含义方面的重要性——右脑区域与增强的预测模型显示出了增加的相符度。
该研究的一个显著方面是NSP包含语言模型提供的改进的”模型与大脑对应”得分，这有望更好地预测一个人的阅读速度。这些发现为人类认知提供了新的见解，具有潜在的现实世界意义，因为语言理解的认知神经科学将其触角延伸到人工智能系统的设计和开发领域，促进了人工智能和认知神经科学研究人员之间的合作。这种协同作用可能为以人工智能驱动的大脑研究和以大脑为灵感的人工智能计划铺平道路。
理解人类大脑以增强语言人工智能
由李平教授及其团队进行的研究有助于理解人工智能如何模仿人类语言处理的重要领域。虽然没有提供有关”新见解AI：模仿人类大脑进行语言理解”的具体文章给我，但我们可以讨论围绕这一主题的相关事实，回答一些重要问题，并概述与之相关的主要挑战、争议、优点和缺点。
重要问题：
Q: 在AI语言模型中Next Sentence Prediction（NSP）的重要性是什么？
A: NSP通过教导语言模型预测句子之间的关系，使其更细致地理解语言，类似于人类认知。这导致在需要高水平语言理解任务中的更好性能。
Q: AI语言理解与人类大脑如何相关联？
A: 最近的研究，比如上文提到的研究，显示出当某些语言模型通过像NSP这样的任务训练时，它们在功能上与人类大脑中特定的神经过程相似，特别是在涉及处理语义关系的右半球。
主要挑战和争议：
AI语言理解面临的主要挑战之一是人类语言的复杂性，包括语境、情感和文化细微差别。此外，关于AI发展的伦理问题也存在争议，特别是涉及隐私问题、训练模型中的偏见以及滥用潜力等方面。
优点和缺点：
语言AI的进步带来了几项优点，包括改进的通信技术、为有语言障碍的人士提供的可访问性以及教育和研究的有价值工具。然而，缺点包括可能取代工作岗位、深度伪造视频的出现以及难以实现透明和无偏的模型。
相关链接：
对于进一步探索人工智能和认知神经科学研究领域的信息，以下链接可能会引起兴趣：
– 人工智能促进协会（AAAI）
– 神经科学协会
– IBM Watson
– DeepMind Technologies
这些组织和公司提供与人工智能和认知神经科学交叉领域相关的资源和研究。需要强调的是，随着这一领域的壮大，跨学科合作的需求将持续存在，并且围绕着伦理人工智能发展及其对社会的影响的讨论将继续进行。