Comparaison des différences d’activité neuronale entre le langage produit par l’homme et le langage produit par la PNL

Le traitement du langage naturel (NLP) fait référence à la technologie qui permet aux machines d’interagir et de communiquer avec les humains par le biais du langage naturel utilisé dans la communication quotidienne des humains. Cette technologie permet aux ordinateurs d’exprimer une intention et des pensées données grâce à la génération de langage naturel.

Dans une étude publiée dans Sciences avancées, le professeur Zhang Xiaochu et son équipe de l’Université des sciences et technologies de Chine (USTC) de l’Académie chinoise des sciences (CAS) ont démontré le rôle crucial de l’information neuronale implicite dans la perception et la compréhension du langage en comparant les différences d’activité neuronale entre les humains. -langage produit et produit par la PNL. Cette étude fournit également des idées prometteuses pour évaluer la qualité de la génération du langage naturel.

La communauté de recherche en PNL cherche depuis longtemps à générer un langage correspondant à la qualité du langage produit par l’homme. Malgré les énormes progrès réalisés dans ce domaine, l’évaluation de la qualité du langage produit par la PNL pose encore des défis importants. Des études en psychologie du langage suggèrent que le langage contient de riches informations sociales et psychologiques sur le locuteur, principalement traitées par les lecteurs ou les auditeurs à un niveau implicite. Par conséquent, l’ajout d’informations de perception implicites dans les critères d’évaluation de la qualité de la génération du langage naturel est une direction potentielle prometteuse.

Dans cette étude, l’équipe du professeur Zhang a collecté le corpus des chatbots Google Meena et Microsoft XiaoIce en tant que représentants des langages produits par la PNL et du corpus humain en tant que matériaux de contrôle. La technologie d’imagerie par résonance magnétique (IRM) fonctionnelle a été utilisée pour enregistrer les signaux neuronaux des participants lorsqu’ils parcouraient et évaluaient les deux corpus.

L’analyse des résultats a révélé que lorsque les participants jugeaient subjectivement que le corpus humain et le corpus du robot étaient tous deux de type humain, les niveaux d’activation du cortex préfrontal dorsomédian et de la zone de jonction temporo-pariétale droite, qui sont les zones centrales du réseau de mentalisation du cerveau. , peut encore distinguer de manière significative la source du corpus. L’activité neuronale évoquée par des corpus provenant de différentes sources et avec des jugements différents a montré des similitudes remarquables entre les sujets.

L’étude a révélé que les régions cérébrales activées de manière significative chevauchaient le réseau de mentalisation de la méta-analyse neurosynthétique, indiquant que les régions cérébrales impliquées dans la perception implicite tout en distinguant le langage produit par l’homme et produit par la PNL étaient en effet le réseau de mentalisation.

Ces résultats suggèrent que les signaux neuronaux sensoriels implicites du cerveau sont plus sensibles aux informations évaluatives que les auto-rapports. L’intégration de ces informations dans les critères d’évaluation peut aider à développer la technologie PNL. Cette étude offre également une nouvelle perspective pour développer un nouveau test de Turing pour mesurer le niveau d’intelligence artificielle.

Fourni par l’Université des sciences et technologies de Chine