神经科学
语境对于人类和人工语音理解系统都至关重要。尽管前置语境在语音处理中的作用已有充分文献记录，但支持对后续输入——即未来出现的音素和词语——进行整合的神经机制，仍然知之甚少。在此，我们利用人工语音系统的最新进展，来建模不同语境来源对人脑中语音神经编码的贡献。就神经编码而言，考虑语境信息而非不考虑语境信息的语音模型嵌入，在声学特征之外还能够解释人类神经活动中的独特方差，这一点甚至体现在早期语音处理区域。特别是，受过去、未来和周围语境影响的模型嵌入，能够解释不同颅内电极上的活动。
这些电极呈左侧化分布，并在颞叶中空间上相互交错。我们发现，超越单词层面的语境对于语音模型嵌入的表征质量至关重要，尤其对于抽象语言信息的编码更是如此。我们的发现表明，颞叶中空间上彼此相邻但功能上不同的神经元群体，编码了受不同语境来源（过去、未来和周围输入）塑造的表征，这为理解整合多种语境信息的神经回路提供了关键洞见。此外，我们的结果还可能为语言技术任务中自监督语音表征的下游应用，以及人脑语音理解模型的构建提供参考。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.13.724774v1?rss=1
🏷️ 语音理解 颞叶 神经编码 语境整合 颅内电极 语言加工