预测人脑与名词意义相关的活动

Tom M. Mitchell,^1* Svetlana V. Shinkareva,² Andrew Carlson,¹ Kai-Min Chang,^3,4 Vicente L. Malave,⁵ Robert A. Mason,³ Marcel Adam Just³

 

摘要：在很多科学领域中，人脑如何表征概念知识是一个讨论不清的问题。人脑图像研究显示，神经激活的不同的立体图像是与思考不同图像和语言的语义范畴相联系的（比如工具、建筑、动物）。我们给出了一个计算模型，可以预测功能核磁共振成像（fMRI）神经激活是与词语相关的，因为词语的fMRI数据还没法得到。该模型通过一个1T（1万亿）词语的文本语料库和观察几十个名词得到的fMRI数据。训练后，该模型预测出语料库中其他的几千个具体名词的fMRI激活，结果在60个名词上表现较好。

该模型的理论假设：是具体名词的语义表征的神经基础与这次词语在一个大规模语料上的分布特性有关。我们描述实验训练一个好的计算模型，基于不同的假设，考虑到在人脑中对具体名词进行编码的潜在特征。我们给出的实验证据表明，最好的模型可以很好地预测fMRI神经活动，可以成功地与没有见过的词语匹配，比随即猜测的效果要好很多。这些结果给出了一个在词语共现和想象词语神经激活直接的、预测的关系。

结论：本文在人脑研究神经表示的范式上给出了一个转折点，从以往的把fMRI活动与特定范畴的词语和图像关联起来以建立模式，改变为建立一个可以预测词语fMRI活动的计算模型。可以把问题转述为“What is the predicted fMRI neural activity encoding word w?”（编码词语W的fMRI神经活动的预测值是什么？）能够解释编码具体名词意义的神经活动的 语义特征的基本集合（基本假定？）和相关神经活动的组成部分是什么呢？虽然我们距离解释人脑从感知输入综合这些表征的机制的理论还很远，但对于这些问题的回答完全可以有助于照亮探索表征意义的潜在神经机制的关键规律之路。

转载本文请联系原作者获取授权，同时请注明本文来自李斌科学网博客。
链接地址：https://m.sciencenet.cn/blog-39714-46357.html

上一篇：很好的会议：第六届机器学习及其应用研讨会观感
下一篇：按劳分配还是多产多得