مغز | زبان | شناخت

29 December 2025 09:02

این تیم پژوهشی از روش‌های پیشرفته ثبت کورتیکال و داده‌های بافت‌شناسی (Histological) جهت بازسازی دقیق سطح مغز ۹ شامپانزه استفاده کرده است. سپس، انطباق بین‌گونه‌ای؛ یعنی تراز کردن مغز شامپانزه و انسان با استفاده از الگوریتم‌های پیشرفته برای مقایسه مستقیم بخش‌های بافت‌شناسی به عمل آمده است.
یافته‌ها نشان می‌دهد در حالی که ناحیه BA44 در مغز انسان به شدت در نیم‌کره چپ جانبی شده و بزرگتر است، در شامپانزه‌ها هیچ تفاوت آماری معناداری بین اندازه این منطقه در دو نیم‌کره وجود ندارد و مغز آن‌ها در این ناحیه کاملا متقارن است. این نشان می‌دهد که جانبی‌شدن ناحیه بروکا، پس از جدایی مسیر فرگشتی انسان از شامپانزه رخ داده است. ناحیه BA44 در انسان به طور کلی بزرگتر از شامپانزه است. نکته جالب توجه اینجاست که این افزایش حجم در نیم‌کره چپ انسان (۱/۶۴ برابر بزرگتر از شامپانزه) به مراتب بیشتر از نیم‌کره راست است. این گسترش عمدتا در بخش جلویی (Anterior) رخ داده است؛ بخشی که در انسان مسئول پردازش نحو و قوانین پیچیده زبانی است.
▤ @brainlingua ▤
مقایسه نقشه‌های عملکردی به‌دست‌آمده نشان می‌دهد منطقه BA44 در شامپانزه، دقیقا با بخش پشتی (Posterior) ناحیه BA44 در انسان انطباق دارد. در مغز انسان، این بخش پشتی مسئول تصویرسازی و اجرای کنش‌های حرکتی است. جالب اینجاست که ناحیه بروکای شامپانزه تقریبا هیچ همپوشانی با بخش جلویی (بخش مسئول نحو) در مغز انسان ندارد. بطور کلی نتایج تایید می‌کند که ناحیه BA44 در طول تکامل از یک منطقه صرفا مرتبط با کنش (در نخستی‌ها) به یک سیستم دوگانه (Bipartite System) در انسان تبدیل شده است:

بخش پشتی: میراث تکاملی ما که همچنان وظایف مرتبط با کنش و حرکت را بر عهده دارد.
بخش جلویی: بخشی که در اثر گسترش کورتیکال در انسان پدید آمده و به طور مستقل از کنش، وظیفه پردازش قوانین پیچیده زبانی (نحو) را بر عهده گرفته است.

مغز | زبان | شناخت

25 December 2025 16:04

در یک مطالعه، ثبت مستقیم مغزی (ECoG)؛ یعنی استفاده از آرایه‌های الکترودی با تراکم بالا برای ثبت فعالیت‌های عصبی با دقت میلی‌متری و میلی‌ثانیه‌ای در حین گوش دادن شرکت‌کنندگان به روایت‌های گفتاری طبیعی روی ۱۶ بیمار داوطلب که تحت عمل جراحی برای درمان صرع بودند، انجام شد. برای تحلیل شباهت‌های میان یادگیری ماشین و پردازش انسانی، مقایسه داده‌های مغزی با مدل‌های هوش مصنوعی خودنظارتی (مانند HuBERT) به عمل آمد. سپس، از تحلیل فضای حالت (State-space Analysis) برای ردیابی مسیرهای فعالیت جمعیت‌های عصبی در طول زمان پردازش هر واژه استفاده شد.
▤ @brainlingua ▤
محققان دریافتند که فعالیت عصبی در STG دقیقا در مرز بین کلمات دچار یک افت ناگهانی و گذرا (Transient Decrease) می‌شود. این بازنشانی عصبی (Reset) حدود ۱۰۰ میلی‌ثانیه پس از اتمام یک واژه رخ می‌دهد و به مغز اجازه می‌دهد تا پردازش واژه قبلی را متوقف و آماده دریافت واحد بعدی شود. در فاصله بین دو بازنشانی، نورون‌های STG به‌طور همزمان ویژگی‌های آکوستیک-واج‌شناختی، عروضی (آهنگ و شدت) و اطلاعات واژگانی را رمزگذاری می‌کنند. این یافته نشان می‌دهد که STG یک مرکز ادغام‌کننده، و نه صرفا یک پردازشگر اولیه صدا است. یکی از دیگر از یافته‌ها این است که مغز زمان سپری شده در طول یک واژه را به صورت نسبی ردیابی می‌کند (Temporal Scaffolding). صرف‌نظر از اینکه کلمه کوتاه است یا بلند، فعالیت جمعیت‌های عصبی یک چرخه کامل را طی می‌کند که نشان‌دهنده پیشرفت در پردازش واژه از ابتدا تا انتهاست. در آزمایش محرک‌های دوپایا (Bistable Perception) [یک محرک حسی واحد (اینجا صدا) به‌گونه‌ای طراحی می‌شود که مغز بتواند آن را به دو صورت کاملا متفاوت تفسیر کند]، مشخص شد که فعالیت STG نه تابع ویژگی‌های فیزیکی صدا، بلکه تابع ادراک ذهنی فرد است. یعنی اگر شنونده مرز کلمه را در جای خاصی تصور کند، سیستم بازنشانی عصبی دقیقا با همان تصور ذهنی هماهنگ می‌شود.
▤ @brainlingua ▤
این پژوهش مدل‌های قدیمی سلسله‌مراتبی که معتقد بودند STG فقط صداها را پردازش می‌کند و کلمات در نواحی بالاتر (مانند لوب گیجگاهی جلویی) شکل می‌گیرند را رد می‌کند. نتایج نشان می‌دهند که STG خود به تنهایی یک واحد پردازش پویا و یکپارچه است که شکل واژه را به عنوان یک واحد کامل رمزگذاری می‌کند. این یافته‌ها نه تنها دانش ما را از علوم اعصاب زبان گسترش می‌دهند، بلکه می‌توانند به بهبود رابط‌های مغز و کامپیوتر (BCI) برای بازیابی گفتار در بیماران دچار آسیب‌های مغزی و همچنین توسعه مدل‌های هوش مصنوعیِ انسان‌محورتر کمک کنند.

▨  ارائه شده توسط | مغز | زبان | شناخت |
▧  آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

21 December 2025 13:37

۴- نتایج پوچ (Null Results) و پیش‌بینی‌های نظریه

یک نظریه علمی خوب باید بتواند تمام داده‌ها را پیش‌بینی کند. اگر نظریه الف بگوید در شرایط X باید اتفاق Y بیفتد و در آزمایش اتفاق Y نیفتد، نظریه زیر سوال می‌رود. مدل سریالی (Huang & Staub) که نویسندگان از آن دفاع می‌کنند، یک پیش‌بینی خاص دارد: اگر دو کلمه همزمان یا بسیار نزدیک به هم دیده شوند، احتمال هم‌پوشانی پردازش بالا می‌رود و خطای جابجایی بیشتر می‌شود.
در آزمایش ۱، نویسندگان کلمات را یکبار با هم و یکبار جدا نشان دادند. طبق مدل سریالی، حالت با هم باید خطای بیشتری تولید می‌کرد. اما نتیجه آزمایش نشان داد هیچ تفاوتی بین این دو حالت نیست (Null Result). شما نمی‌توانید داده‌ای را که با مدل‌تان سازگار نیست نادیده بگیرید. عدم تفاوت بین دو حالت، با مکانیسم پیشنهادی شما (temporal overlap in the integration of adjacent words) در تضاد است.
▤ @brainlingua ▤
۵- اهمیت کرونومتری ذهنی (Mental Chronometry/RT)

در روان‌شناسی شناختی، زمان پاسخ (Reaction Time - RT) پنجره‌ای به ذهن است. حتی اگر فرد پاسخ صحیح بدهد، مدت زمانی که طول می‌کشد تا پاسخ دهد نشان‌دهنده بار شناختی (Cognitive Load) است. گاهی اثری در دقت (Accuracy) دیده نمی‌شود، اما در زمان پاسخ به وضوح دیده می‌شود (مثلا فرد برای پاسخ صحیح، ۵۰۰ میلی‌ثانیه بیشتر مکث می‌کند). در این مقاله، نویسندگان داده‌های RT را جمع‌آوری کرده‌اند اما در تحلیل نهایی کنار گذاشته‌اند و فقط درصد خطا را گزارش کرده‌اند. حذف RT به بهانه اینکه ممکن است دقیق نباشد در متدولوژی RSVP قابل قبول نیست. تحلیل RT می‌توانست نشان دهد که حتی وقتی شرکت‌کنندگان متوجه جابجایی می‌شوند، چقدر انرژی ذهنی صرف آن کرده‌اند. نادیده گرفتن نیمی از داده‌ها (آن هم داده‌های پیوسته و دقیق مثل زمان) و چسبیدن به داده‌های گسسته (درست/غلط)، باعث می‌شود تصویر ناقصی از فرآیندهای زیرساختی مغز ارائه شود.

▨  ارائه شده توسط | مغز | زبان | شناخت |
▧  آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

21 December 2025 13:36

یافته‌های این پژوهش نشان داد که وقوع خطای ادراکی در تشخیص جابجایی کلمات، لزوما وابسته به نمایش همزمان آن‌ها در میدان دید نیست؛ چراکه حتی زمانی که کلمات جابجا شده به صورت کاملا مجزا و با فاصله زمانی ارائه شدند، آزمودنی‌ها همچنان در تشخیص خطا ناتوان بودند. این مشاهده، فرضیه بنیادین مدل‌های پردازش موازی را که وقوع این اثر را منوط به دریافت همزمان اطلاعات بصری چندین کلمه می‌دانند، به چالش کشید. در ادامه، دستکاری متغیرهای زمانی آشکار ساخت که افزایش سرعت نمایش جملات (کاهش زمان ارائه از ۲۵۰ به ۱۲۵ میلی‌ثانیه) منجر به افزایش چشمگیر نرخ خطا می‌شود. به‌طور مشخص، تحلیل‌های دقیق‌تر نشان داد که اثر جابجایی زمانی به حداکثر می‌رسد که کلمه اول در جفتِ جابجا شده با سرعت بیشتری ارائه گردد.
▤ @brainlingua ▤
در نهایت، نویسندگان بر اساس شواهد به دست آمده استدلال کردند که الگوی نتایج با مدل‌های پردازش سریالی (به‌ویژه مدل Huang & Staub) همسویی بیشتری دارد. بر این اساس، انعطاف‌پذیری مغز در نادیده گرفتن ترتیب دقیق کلمات، نه ناشی از یک پنجره پردازش بصری وسیع، بلکه ریشه در هم‌پوشانی زمانی مراحل یکپارچه‌سازی معنایی (Temporal Overlap in Integration Stages) دارد. بدین معنا که در سرعت‌های بالا، پیش از آنکه پردازش معنایی و نحوی کلمه نخست تکمیل شود، سیستم شناختی با ورودی کلمه بعدی مواجه می‌شود و این تداخل زمانی در سطح پردازش‌های عالی مغز، منجر به استنتاج ترتیب احتمالی و نادیده گرفتن خطای گرامری می‌گردد.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

13 December 2025 14:20

#non_restricted
💢 تعامل زبان و هشیاری

🔺 کدام جنبه‌های زبان مستلزم پردازش آگاهانه هستند؟
(Connected Paper)

#هشیاری #زبان #گفتار_درونی #زبان_پریشی #آسیب_مغزی
#Consciousness #Language #Inner_Speech #Aphasia #Brain_Injury

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

10 December 2025 15:51

برای دستیابی به نتایجی قابل استناد، یک مطالعه کنترل‌شده روی ۷۴ دانشجو طراحی شد که بر اساس سطح اضطراب اولیه به دو گروه دارای اضطراب بالا و گروه کنترل تقسیم شدند. به‌جای استفاده از قطعات کامل موسیقی که ممکن است بار احساسی پیچیده‌ای داشته باشند، از قطعات برش‌خورده و استانداردسازی شده‌ی آثار یوهان سباستین باخ استفاده شد. این قطعات به‌گونه‌ای ویرایش شدند که تنها دو متغیر اصلی در آن‌ها تغییر می‌کرد: نوع ساز (پیانو یا ویولن) و نوع گام (ماژور یا مینور). هم‌زمان با پخش این قطعات، فعالیت الکتریکی مغز شرکت‌کنندگان با استفاده از EEG ثبت شد تا تغییرات لحظه‌ای در نوسانات مغزی، به‌ویژه در باندهای فرکانسی بتا و گاما، مورد رصد قرار گیرد.
▤ @brainlingua ▤
تحلیل داده‌های رفتاری و پرسشنامه‌های خودسنجی اضطراب (STAI-S) پرده از حقیقتی جالب برداشت که باورهای سنتی در مورد موسیقی آرام‌بخش را به چالش می‌کشد. در حالی که گروه سالم و بدون اضطراب، بیشترین آرامش را با شنیدن صدای پیانو و قطعاتی در گام مینور (که ماهیتی غمگین‌تر و آرام‌تر دارند) تجربه کردند، واکنش گروه مضطرب کاملا متفاوت بود. افراد دارای اضطراب بالا، بیشترین کاهش اضطراب را زمانی گزارش کردند که به قطعات نواخته شده با ویولن در گام ماژور گوش دادند. این یافته نشان می‌دهد که نسخه واحدی برای موسیقی‌درمانی وجود ندارد و مغز افراد مضطرب برای رسیدن به آرامش، لزوما به موسیقی کم‌انرژی پاسخ مثبت نمی‌دهد، بلکه ممکن است به محرک‌هایی با سطح انرژی بالاتر و ویژگی‌های صوتی خاص نیاز داشته باشد.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

02 December 2025 15:59

علاوه بر این، پژوهشگران دریافتند که وابستگی مغز به دانش زبانی در شرایطی که نشانه‌های صوتی مبهم هستند، بیشتر می‌شود. تحلیل شاخص ابهام آکوستیک (AAI) نشان داد که در زبان مادری، حتی زمانی که نشانه‌های فیزیکی مانند مکث‌ها یا تغییرات دامنه صدا برای تشخیص مرز کلمه کافی نیستند، شبکه عصبی STG با تکیه بر دانش درونی‌شده از ساختار زبان، قادر به تشخیص صحیح مرزهاست. این در حالی است که در زبان خارجی، مغز تنها به نشانه‌های آکوستیک برجسته وابسته است و در غیاب آن‌ها توانایی تشخیص مرزها را از دست می‌دهد. این یافته اثبات می‌کند که رمزگذاری مرزهای واژگانی در STG یک فرایند صرفاً پایین‌به‌بالا (بر اساس صدا) نیست، بلکه به‌شدت تحت تأثیر یادگیری و تجربه زبانی فرد قرار دارد.
▤ @brainlingua ▤
مطالعه بر روی افراد دوزبانه نیز بینش‌های شگرفی درباره انعطاف‌پذیری سیستم عصبی زبان ارائه داد. مشخص شد که مکانیسم‌های عصبیِ یادگیری زبان، مختص به یک زبان خاص یا مناطق جداگانه نیستند؛ بلکه در مغز این افراد، همان جمعیت‌های عصبی در STG که ساختار کلمات زبان اول را پردازش می‌کنند، مسئولیت پردازش ساختاری زبان دوم را نیز بر عهده دارند. همبستگی معنادار میان الگوهای رمزگذاری دو زبان نشان می‌دهد که مغز از یک مکانیزم مشترک برای استخراج ساختار در زبان‌های مختلف استفاده می‌کند. افزون بر این، بررسی افرادی با زبان‌های مادری متنوع (مانند روسی، کره‌ای و عربی) نشان می‌دهد که توانایی مغز در رمزگشایی مرزهای کلمات در زبان انگلیسی، نه به شباهت ریشه زبانی، بلکه دقیقا به میزان تسلط و مهارت فرد در زبان انگلیسی وابسته است. این یافته‌ها مدل‌های سنتی علوم اعصاب را به چالش کشیده و STG را به‌عنوان ناحیه‌ای واسط و هوشمند معرفی می‌کند که محل تلاقی اطلاعات حسی آنی با دانش زبانیِ آموخته‌شده در طول عمر است.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

02 December 2025 15:58

#non_restricted
▧ پردازش واج‌شناختی در شکنج گیجگاهی بالایی: تمایز عصبی میان دانش مشترک و ساختارهای زبان‌ویژه

زبان انسان پدیده‌ای دووجهی است که از یک سو بر بستر فیزیولوژیک مشترک میان تمام انسان‌ها استوار است و از سوی دیگر، تنوعی شگفت‌انگیز در بیش از هفت هزار زبان زنده دنیا دارد. پژوهش اخیر که در نشریه Nature منتشر شده است، با بهره‌گیری از داده‌های ارزشمند الکتروکورتیکوگرافی (ECoG) با چگالی بالا، به بررسی این پرسش بنیادین پرداخته است که مغز انسان چگونه پردازش‌های جهان‌شمول صوتی را از پردازش‌های وابسته به تجربه زبانی تفکیک می‌کند. این مطالعه با ثبت فعالیت‌های کورتیکال طیفی از شرکت‌کنندگان تک‌زبانه (انگلیسی، اسپانیایی، ماندارین) و دوزبانه در حین گوش دادن به جملاتی به زبان مادری و یک زبان خارجی ناآشنا، نقش حیاتی شکنج گیجگاهی بالایی (STG) را در این فرایند رمزگشایی کرده است.
#دوزبانگی #زبان_مادری #آکوستیک #مرز_واژگان #پردازش_صدا #زبان
#Surprisal #Language #Envelope #Phonological_processing

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

23 November 2025 13:33

تحلیل داده‌های رفتاری نشان داد که رابطه میان سن و پردازش جملات از الگوی پیچیده‌ای پیروی می‌کند و نمی‌توان تمام تغییرات زبانی را صرفاً به یک عامل نسبت داد. اگرچه افزایش سن با کاهش کلی عملکرد شناختی همراه بود، اما تحلیل‌های میانجی‌گری تمایز آشکاری میان دقت درک مطلب و سرعت پردازش آشکار ساختند. نتایج نشان داد که کاهش ظرفیت حافظه کاری و حافظه کوتاه‌مدت کلامی، به طور کامل نقش واسطه‌ای را در ارتباط میان سن و افت دقت درک مطلب ایفا می‌کند؛ بدین معنا که دشواری سالمندان در پاسخگویی صحیح به سوالات پس از خواندن جمله، عمدتا ناشی از محدودیت‌های حافظه در نگهداری و بازیابی اطلاعات است. در مقابل، این الگوی وابسته به حافظه در مورد سرعت پردازش صدق نمی‌کرد. سن به عنوان مهم‌ترین عامل پیش‌بینی‌کننده برای کندی سرعت پردازش (به‌ویژه در لحظه خواندن بخش‌های پیچیده جمله) شناسایی شد و ظرفیت حافظه نتوانست این کندی را توجیه کند، که نشان‌دهنده تأثیر مستقیم سن بر سرعت مکانیسم‌های پردازشی است.
▤ @brainlingua ▤
در سطح عصبی و تصویربرداری مغزی، یافته‌ها حاکی از آن بود که ساختار و عملکرد نواحی خاصی از مغز، مستقل از حافظه، بر پردازش جملات پیچیده تأثیرگذارند. تحلیل حجم ماده خاکستری (GMV) نشان داد که آتروفی در نواحی پشتیِ گیجگاهی و آهیانه‌ای (Temporoparietal) و همچنین شکنج پیشانی میانی (MFG) به صورت دوطرفه، نقش واسطه‌ای معناداری در کاهش سرعت پردازش جملات دارای ساختار نحوی پیچیده (غیرمستقیم) نسبت به جملات ساده ایفا می‌کند. نکته حائز اهمیت این است که این ارتباط حتی پس از کنترل آماری اثرات حافظه کاری و کوتاه‌مدت همچنان برقرار بود، که بیانگر نقش اختصاصی این نواحی در پردازش نحوی است. علاوه بر این، تحلیل عملکردی (pALFF) نشان داد که کاهش فعالیت ذاتی در شکنج فوق‌حاشیه‌ای چپ (Left SMG) نیز با کندی پردازش جملات پیچیده مرتبط است. در سوی دیگر، فعالیت عملکردی بالاتر در نواحی پیشانی و گیجگاهی نیمکره راست، با حفظ بهتر ظرفیت حافظه در سالمندان ارتباط دارد و نقش جبرانی ایفا می‌کند.
▤ @brainlingua ▤
این یافته‌ها پیشنهاد می‌کند که مکانیسم‌های عصبی پشتیبان پردازش جملات، تا حدودی از سیستم‌های حافظه عمومی متمایز هستند و زوال زبان در سالمندی فرآیندی چندوجهی است. نتایج این پژوهش از مدل‌هایی حمایت می‌کند که برای پردازش نحوی (Syntactic Parsing)، جایگاه مستقلی قائل هستند. به طور مشخص، یکپارچگی ساختاری در محل اتصال گیجگاهی-آهیانه‌ای (TPJ)، فراتر از نقش آن در حافظه، برای مدیریت بار شناختی ناشی از جملات پیچیده ضروری است. این امر نشان می‌دهد که دشواری سالمندان در پردازش بلادرنگ ساختارهای دشوار دستوری، صرفاً بازتابی از ضعف حافظه نیست، بلکه به تخریب مستقیم شبکه‌های زبانی مربوط می‌شود که مسئولیت ساختاردهی سلسله‌مراتب جملات را بر عهده دارند. ارتباط مشاهده شده میان فعالیت عصبی در نواحی فرونتو-تمپورال نیمکره راست و عملکرد بهتر حافظه، شاهدی بر نظریه‌های جبران عصبی و پلاستیسیته در سالمندی است. بدین مفهوم که مغز سالمندان برای مقابله با افت منابع عصبی و حفظ کارایی شناختی (به‌ویژه در تکالیف حافظه)، به فراخوانی منابع اضافی در نیمکره راست روی می‌آورد. بنابراین، در حالی که نیمکره چپ همچنان پایگاه اصلی پردازش‌های نحوی باقی می‌ماند، نیمکره راست نقش پشتیبانی حیاتی برای حفظ ظرفیت‌های حافظه ایفا می‌کند که خود پیش‌نیاز درک مطلب موفق است.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

23 November 2025 13:32

#non_restricted
▧ میانجی‌گری چندوجهیِ حافظه و ساختار مغز در زوال زبانی سالمندان

زبان یکی از ارکان اصلی تعاملات انسانی و سلامت روان است. اگرچه توانایی‌های عمومی زبان در سالمندیِ سالم معمولا حفظ می‌شوند، اما بسیاری از افراد مسن در درک جملات پیچیده دچار مشکل شده و این امر می‌تواند منجر به انزوای اجتماعی و کاهش کیفیت زندگی گردد. یکی از چالش‌های اصلی در علوم اعصاب شناختی، درک مکانیزم‌های عصبی زیربنایی این تغییرات است. بحثی قدیمی وجود دارد که آیا افت توانایی درک مطلب در سالمندی ناشی از کاهش ظرفیت حافظه کاری است یا به دلیل تغییرات خاص در شبکه‌های پردازش نحوی در مغز رخ می‌دهد. در یک پژوهش با رویکردی نوآورانه و با استفاده از تحلیل‌های میانجی‌گری (Mediation Analysis)، تلاش شده است تا سهم دقیق تغییرات ساختاری و عملکردی مغز و ظرفیت حافظه در این فرایند تفکیک شود.

#حافظه #سن #ساختار_مغز #پردازش_جمله #سالمند #زبان
#Memory #Language #aging #fMRI #Temporoparietal

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

18 November 2025 13:50

در یک پژوهش از رویکرد تصویربرداری عصبی دقیق (Precision Neuroimaging) استفاده شده است. در این روش، به جای میانگین‌گیری از داده‌های گروهی، تعداد معدودی شرکت‌کننده (در اینجا ۶ فرد) تحت اسکن‌های مکرر و فشرده (مجموعاً ۲۴ جلسه اسکن) قرار می‌گیرند. این کار امکان نقشه‌برداری بسیار دقیق و فردی شبکه‌های مغزی را فراهم می‌آورد. ابتدا، محققان با استفاده از fMRI حالت استراحت (Resting-State fMRI) و مدل‌سازی پیشرفته (MS-HBM)، مرزهای شبکه‌های مغزی مورد نظر (از جمله SAL/PMN) را در مغز هر فرد به دقت مشخص کردند. سپس، شرکت‌کنندگان در چهار تکلیف مجزا شرکت داده شدند:
تکلیف بازشناسی سنتی قدیم-جدید (Traditional Old-New): تکلیف استاندارد با ۵۰٪ کلمات قدیم و ۵۰٪ جدید.
تکلیف دیداری تشخیص محرک نادر (Visual Oddball): یک تکلیف غیر-یادمانی که در آن شرکت‌کنندگان باید به یک محرک بصری نادر و برجسته (مثلاً حرف "K" قرمز) در میان انبوهی از محرک‌های غیرهدف، پاسخ می‌دادند. این تکلیف، پاسخ مغز به برجستگی خالص را اندازه‌گیری می‌کند.
تکلیف بازشناسی قدیمِ غیرمعمول (Uncommon Old Recognition): در این تکلیف، ۹۰٪ کلمات جدید (غیرهدف) و تنها ۱۰٪ قدیم (هدف) بودند. شرکت‌کنندگان فقط به کلمات قدیم پاسخ می‌دادند.
تکلیف بازشناسی جدیدِ غیرمعمول (Uncommon New Recognition): در اینجا، ۹۰٪ کلمات قدیم (غیرهدف) و ۱۰٪ جدید (هدف) بودند. شرکت‌کنندگان فقط به کلمات جدید پاسخ می‌دادند.

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

18 November 2025 13:50

بازنگری در حافظه بازشناسی: چگونه مغز «آشنایی» را از «برجستگی» تشخیص می‌دهد؟

آیا شبکه حافظه واقعا به حافظه مربوط است؟

#حافظه #شناخت #شبکه_برجستگی #تشخیص_هدف #بازشناسی #زبان
#Memory #Language #Salience_Network #Recognition

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

13 November 2025 06:03

#non_restricted
بینش اصلی: زبان به عنوان "گونه‌ای" از پردازش حسی-حرکتی
اساسی‌ترین ادعای LSM این است که پردازش زبان همان معماری عصبی اساسی سیستم‌های حسی-حرکتی غیرزبانی را به اشتراک می‌گذارد—مانند دست دراز کردن برای یک فنجان قهوه یا ردیابی یک شی متحرک با چشمانتان. این بدان معنا نیست که زبان "فقط" حرکت است یا اینکه دهه‌ها تحقیق زبانی نامعتبر است. بلکه، یک رابطه تکاملی را پیشنهاد می‌کند: این دو نوع سیستم همولوگ هستند. به این صورت به آن فکر کنید: انسان‌ها گونه‌ای از میمون‌ها هستند. این ما را به شامپانزه‌ها تقلیل نمی‌دهد یا ویژگی‌های منحصر به فرد ما را انکار نمی‌کند—این صرفاً به اذعان به اصل و نسب تکاملی مشترک ما و ویژگی‌های همولوگی که به ارث برده‌ایم، می‌پردازد. به طور مشابه، پردازش زبان "گونه‌ای" از پردازش حسی-حرکتی است. مغز ماشین‌آلات محاسباتی کاملاً جدیدی برای زبان اختراع نکرد؛ درعوض، معماری‌های کنترل حسی-حرکتی موجود را که برای هماهنگی ادراک و عمل تکامل یافته بودند، تغییر کاربری داد و تخصصی کرد. این دیدگاه تکاملی به توضیح اینکه چرا سیستم‌های زبانی به صورت سلسله مراتبی سازماندهی شده‌اند (مانند سایر سیستم‌های حسی-حرکتی)، چرا آنها شامل اجزای "حسی" و "حرکتی" در هر سطح هستند، و چرا مکانیسم‌های کنترل بازخورد—که برای تنظیم حرکات در زمان واقعی ضروری هستند—نیز در حین برنامه‌ریزی و درک گفتار عمل می‌کنند، کمک می‌کند.
🟣 @brainlingua
سیستم‌های ترجمه
معماری‌های پردازشی که شامل انواع مختلفی از بازنمایی‌ها هستند، در مورد ما حسی و حرکتی، به راهی برای برقراری ارتباط با یکدیگر، یعنی وسیله‌ای برای ترجمه یک نوع کد به دیگری نیاز دارند. عصب‌شناسانی که بر روی سیستم‌های کنترل حسی-حرکتی غیرزبانی کار می‌کنند، وجود چنین سیستم‌های ترجمه‌ای را پیشنهاد کرده‌اند و تحقیقات بر روی سیستم‌های زبانی، همولوگ‌های آن‌ها را شناسایی کرده است. یک مورد سیستم ترجمه واجی است که ناحیه Spt (Sylvian Parietal Temporal) را درگیر می‌کند؛ که به طور گسترده مورد مطالعه قرار گرفته و بر پایه شواهد محکمی استوار است. شواهد اخیر شبکه همولوگ دیگری را در ناحیه‌ای به نام شکنج فوق‌حاشیه‌ای (pSMG) پشتی پیشنهاد می‌کند که عملکرد ترجمه مشابهی را در سطح صرف و نحو انجام می‌دهد. یکی از راه‌هایی که ما می‌دانیم چنین سیستم‌های ترجمه‌ای وجود دارند این است که وقتی در اثر سکته مغزی آسیب می‌بینند، سندرم‌های زبانی منحصر به فردی را به وجود می‌آورند: گفتار روان (زیرا سیستم‌های مرتبط با حرکت دست نخورده هستند)، اما با خروجی گفتار مستعد خطا (زیرا سیستم‌های مرتبط با حرکت نمی‌توانند برنامه‌های خود برای اهداف مرتبط با حس بررسی کنند)، و با درک و فهم زبانی حفظ شده (زیرا سیستم‌های جریان شکمی دست نخورده هستند). این اختلال‌ها به طور کلاسیک "آفازی انتقالی" نام دارند که به دلیل ناتوانی در انتقال دقیق اطلاعات بین سیستم‌های حسی و حرکتی است.

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

10 November 2025 13:17

نتایج رفتاری تایید می‌کند که تکالیف به‌درستی طراحی شده‌اند: پردازش جملات موصولی مفعولی (پیچیده‌تر) به‌طور معناداری دشوارتر و زمان‌برتر بوده و استفاده از انبر در تمام مراحل حرکتی، کندتر از دست خالی است. یافته‌های fMRI نیز نشان می‌دهد که پردازش نحو پیچیده (تفاوت بین جملات مفعولی و فاعلی)، به‌طور خاص هسته‌های دُمی (Caudate Nuclei) را در هر دو نیمکره فعال می‌کند. در ارتباط با سه مرحله تکلیف حرکتی:
🔺مرحله آغازش: فعال‌سازی در بخش دیگری از BG به نام پوتامن (Putamen) و همچنین نواحی آهیانه‌ای-گیجگاهی مشاهده شده است.
🔺مرحله حرکت به قصد گرفتن: این مرحله، دقیقا همان ناحیه‌ای که نحو پیچیده فعال کرده بود؛ یعنی هسته‌های دمی را فعال کرده است.
🔺مرحله دستکاری: هیچ فعالیت معناداری در عقده‌های قاعده‌ای مشاهده نشده است.
در واقع نتایج تحلیل هم‌پوشانی (Overlap Analysis) نشان می‌دهد که این ارتباط، بسیار اختصاصی است؛ بگونه‌ای که فعالیت در نواحی مرتبط با نحو پیچیده (هسته‌های دمی)، فقط در طول مرحله حرکت به قصد گرفتن با ابزار افزایش می‌یابد، اما در مراحل آغازش یا دستکاری ابزار، تغییری نمی‌کند. به‌طور متقابل، فعالیتی که در مرحله حرکت به قصد گرفتن با ابزار (در هسته‌های دمی) دیده شده است، فقط برای نحو پیچیده (مفعولی) افزایش نشان می‌دهد و نسبت به نحو ساده (فاعلی) حساس است. یافته تحلیل‌های چندمتغیره (Multivariate pattern similarity) آشکار می‌سازد که نه‌تنها این دو فعالیت در یک نقطه رخ می‌دهند، بلکه الگوی فضایی فعالیت عصبی برای نحو پیچیده، شباهت معناداری به الگوی فعالیت برای فاز حرکت به قصد گرفتن با ابزار دارد. این یافته نشان‌دهنده وجود یک کدگذاری عصبی مشترک است.
✅ @brainlingua
بر اساس بررسی های انجام شده در این پژوهش، ارتباط عصبی میان نحو زبان و استفاده از ابزار، یک پدیده کلی نیست، بلکه به‌طور خاص به مرحله حرکت به قصد گرفتن محدود می‌شود. این مرحله از نظر محاسباتی، حیاتی‌ترین بخش کنش است. این همان لحظه‌ای است که مغز باید به‌طور پویا برنامه حرکتی را برای جاسازی ابزار و مدیریت عملکرد دوگانه آن (هم به‌عنوان مفعول دست و هم فاعل کنش) به‌روزرسانی کند. در مقابل، فاز آغازش (برنامه‌ریزی اولیه) و فاز دستکاری (که ابزار و هدف در یک رابطه پایدار قرار دارند)، فاقد این تقاضای محاسباتیِ سلسله‌مراتبی هستند. این مطالعه، نقش عقده‌های قاعده‌ای (به‌ویژه هسته دمی) را به‌عنوان یک قطب دامنه-عمومی (Domain-general hub) برای پردازش ساختارهای سلسله‌مراتبی پیچیده تثبیت می‌کند. به نظر می‌رسد این ساختارهای باستانی مغز، مجهز به مکانیزمی هستند که می‌تواند قوانین انتزاعی و روابط وابسته را، صرف‌نظر از اینکه ورودی آن کلمات یک جمله باشند یا اجزای یک اقدام حرکتی با ابزار، پردازش کند. این یافته همچنین از این ایده حمایت می‌کند که توانایی‌های پیچیده شناختی انسان، ممکن است بر پایه مدارهای عصبی تکاملی قدیمی‌تری بنا شده باشند.

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

10 November 2025 13:17

#non_restricted
🔹 ریشه شناختی مشترک زبان و استفاده از ابزار

انسان‌ها در دو مهارت به‌طور استثنایی پیشرفته هستند: استفاده ماهرانه از ابزار و به‌کارگیری زبان پیچیده. بر اساس نظریه‌های موجود، این دو قابلیت ممکن است به‌طور موازی تکامل یافته باشند و بر منابع شناختی مشترکی تکیه کنند. محور اصلی این ارتباط، مفهوم ساختار سلسله‌مراتبی (Hierarchical Structure) است. در زبان، نحو تابعی است که سازمان‌دهی سلسله‌مراتبی کلمات را برای ساخت جملات مدیریت می‌کند. اقدامات پیچیده به‌ویژه استفاده از ابزار، نیازمند سازمان‌دهی اعمال ساده‌تر در یک توالی سلسله‌مراتبی هستند. یافته‌ها آشکار می‌سازد که استفاده از ابزار، یک لایه سلسله‌مراتبی به برنامه حرکتی اضافه می‌کند (دست -> ابزار -> هدف). این فرآیند شباهت قابل‌توجهی به تعبیه (Embedding) در زبان دارد که یک عبارت موصولی در دل یک جمله اصلی جای می‌گیرد (مثلاً: «نویسنده‌ای [که شاعر او را تحسین می‌کند] مقاله را می‌خواند»).

#دستور #شناخت #زبان #ابزار
#Syntax #Language #Tool_Use #Cognition

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

29 December 2025 09:02

#non_restricted
تکامل ریخت‌شناختی ناحیه بروکا و منشأ زبان در انسان

زبان یکی از ویژگی‌های منحصر‌به‌فرد بشری است که توسط شبکه‌ای کورتیکال، به‌ویژه ناحیه بروکا (شامل مناطق ۴۴ و ۴۵ برودمن - BA44 و BA45)، پشتیبانی می‌شود. دهه‌هاست که میان دانشمندان بحثی بی‌پایان در جریان است: آیا زبان از سیستم‌های حرکتی و کنش‌های (Action) ابتدایی تکامل یافته است یا یک توانایی شناختی کاملاً مستقل است؟ پاسخ به این پرسش در گرو درک چگونگی تغییر ساختار ناحیه بروکا در طول فرگشت، از جد مشترک ما و نخستی‌ها تا انسان خردمند امروزی است. در یک مطالعه با هدف بررسی تغییرات فیلوژنتیکی (تکاملی) در ناحیه بروکا، محققان به دنبال پاسخ به این پرسش بودند که چگونه مناطق BA44 و BA45 در انسان نسبت به نزدیک‌ترین خویشاوند زنده ما یعنی شامپانزه، دچار تغییرات اندازه، تقارن و مکانی شده‌اند تا بتوانند از عملکردهای پیچیده‌ای مانند نحو (Syntax) پشتیبانی کنند.

#بروکا #فرگشت #نوروفیلوژنی #سینتکس #جانبی‌شدن_مغزی #زبان
#Broca #Morphological_Evolution #Syntax #Lateralization

▨  ارائه شده توسط | مغز | زبان | شناخت |
▧  آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

25 December 2025 16:04

#non_restricted
مکانیسم‌های عصبی تشخیص مرز کلمات در گفتار طبیعی

درک زبان گفتاری یکی از پیچیده‌ترین عملکردهای مغز انسان است. در حالی که گفتار طبیعی جریانی پیوسته از اصوات آکوستیک است که اغلب فاقد مرزهای فیزیکی واضح میان کلمات می‌باشد، مغز ما به‌طور شگفت‌انگیزی این ورودی پیوسته را به واحدهای مجزا و معناداری به نام واژه تفکیک می‌کند. از زمان کارل ورنیکه در سال ۱۸۷۴، دانشمندان می‌دانستند که شکنج گیجگاهی فوقانی (STG) نقشی حیاتی در درک زبان دارد، اما مکانیسم دقیق تبدیل صداهای اولیه (مانند واکه‌ها و همخوان‌ها) به شکل کامل یک واژه (Auditory Word Form) همچنان به صورت یک معما باقی مانده بود. پژوهشگران به دنبال پاسخ به این پرسش هستند که آیا مغز برای شناسایی کلمات صرفا بر ویژگی‌های آکوستیک تکیه می‌کند یا از یک سیستم رمزگذاری داخلی و پویا برای یکپارچه‌سازی اطلاعات استفاده می‌نماید.

#مرز_واژه #گفتار_طبیعی #محرک_دیداری #ثبت_مستقیم_مغزی #هوش_مصنوعی #زبان
#Cortical_dynamics #Auditory_encoding #ECoG #STG

▨  ارائه شده توسط | مغز | زبان | شناخت |
▧  آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

21 December 2025 13:37

#ویژه
#کامنت برای این مقاله:

۱- روایی اکولوژیک (Ecological Validity) و محدودیت‌های روش RSVP

روایی اکولوژیک به این معناست که نتایج یک آزمایش تا چه حد قابل تعمیم به شرایط واقعی است. در مطالعات خواندن (Reading Research)، خواندن طبیعی شامل حرکات چشم (Saccades)، مکث‌ها (Fixations) و بازگشت به عقب (Regressions) است. مهم‌تر از همه، در خواندن طبیعی، پدیده‌ای به نام پیش‌نمایش پارافووئال (Parafoveal Preview) وجود دارد؛ یعنی وقتی چشم روی کلمه N متمرکز است، مغز همزمان اطلاعاتی از کلمه N+1 را نیز دریافت می‌کند.

در این مقاله، نویسندگان نتیجه گرفتند که پردازش موازی وجود ندارد. در این راستا، از روش RSVP استفاده شده که در آن کلمات تک‌تک در مرکز صفحه ظاهر می‌شوند. تکنیک RSVP ذاتا پردازش را سریالی می‌کند. وقتی شما کلمات را یکی‌یکی نشان می‌دهید، عملا امکان پردازش موازی (دیدن همزمان چند کلمه) را از مغز می‌گیرید. یعنی با طراحی این آزمایش، پردازش موازی غیرممکن شده است، پس طبیعی است که شواهدی از آن یافت نشود.
▤ @brainlingua ▤
۲- ضعف توان آماری (Statistical Power) و مسئله P-hacking

در آمار استنباطی، ما به دنبال تکرارپذیری (Reproducibility) هستیم. اگر یک اثر واقعی باشد، باید در هر بار آزمایش مستقل خودش را نشان دهد. وقتی یک اثر در دو آزمایش جداگانه (3a و 3b) از نظر آماری معنادار نمی‌شود (P > 0.05) اما وقتی داده‌ها تجمیع می‌شوند (Combined Analysis) معنادار می‌شود، زنگ خطر به صدا در می‌آید.
نویسندگان برای اثبات فرضیه اصلی مدل سریالی (که می‌گوید سرعت کلمه اول مهم‌تر از دومی است)، نیاز داشتند که تعامل آماری (Interaction) معنادار باشد. اما در تحلیل‌های اصلی (هر آزمایش جداگانه) شکست خوردند. وقتی مجبور می‌شوید داده‌ها را ترکیب کنید تا N (تعداد نمونه) را بالا ببرید و به P < 0.05 برسید، یعنی اندازه اثر (Effect Size) بسیار کوچک و ناپایدار است. این شائبه را ایجاد می‌کند که اگر داده‌ها کمی متفاوت بودند، کل فرضیه رد می‌شد. در علم سختگیرانه، یک پدیده قوی باید در یک آزمایش با توان آماری مناسب به وضوح دیده شود. تکیه بر تحلیل ترکیبی (Post-hoc merging) نوعی ضعف متدولوژیک محسوب می‌شود.
▤ @brainlingua ▤
۳- اثرات کف (Floor Effects) و مدل کانال نویزی (Noisy Channel Model)

در روان‌شناسی زبان، مدل‌هایی به نام Noisy Channel وجود دارند که می‌گویند وقتی سیگنال ورودی (متن) خراب یا ناواضح است، مغز به جای اعتماد به چشم، به دانش قبلی (Priors) اعتماد می‌کند.
در آزمایش 2a، سرعت نمایش کلمات بسیار بالا بود (۱۲۵ میلی‌ثانیه). نرخ خطا به ۶۴٪ رسید. نویسندگان ادعا می‌کنند این خطا ناشی از هم‌پوشانی مراحل پردازشی (Integration Overlap) است. وقتی شرکت‌کننده کلمات را نمی‌بیند (نویز حسی)، چاره‌ای ندارد جز اینکه حدس بزند (۱۲۵ میلی‌ثانیه خیلی کم است). چون اکثر جملاتی که ما در زندگی می‌خوانیم صحیح هستند، مغز پیش‌فرض (Prior) خود را روی صحیح بودن می‌گذارد. بنابراین، این خطاها ناشی از مکانیسم پیچیده سریالی نیست، بلکه ناشی از ندیدن کلمات است. نویسندگان نتوانسته‌اند بین پردازش شناختی هم‌پوشان و ناتوانی ادراکی ساده تمایز قائل شوند.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

21 December 2025 13:36

#non_restricted

مغز شما چگونه کلمات را پردازش می‌کند: یکی‌یکی یا همه با هم؟

پژوهش اخیر با تمرکز بر پدیده اثر جابجایی کلمات (Transposed Word Effect)، به واکاوی دقیق این مسئله پرداخته است که آیا سیستم شناختی انسان در حین خواندن، کلمات را به صورت موازی (parallel) رمزگردانی می‌کند یا فرآیند خواندن ماهیتی کاملا سریالی (serially) دارد. نویسندگان مقاله برای پاسخ به این پرسش بنیادین و حل مناقشات موجود میان مدل‌های شناختی رقیب، شش آزمایش کنترل‌شده را با بهره‌گیری از تکنیک ارائه سریع و سریالی بصری (RSVP) طراحی کردند. استفاده از این متدولوژی به پژوهشگران اجازه داد تا با نمایش کلمات به صورت تک‌تک، امکان پردازش بصری همزمان را محدود کرده و پیش‌فرض‌های نظریه‌های موجود را در شرایطی سختگیرانه به آزمون بگذارند.

#پردازش_کلمه #سریالی_موازی #محرک_دیداری #همپوشانی_زمانی #خطای_ادراکی #زبان
#Transposed_word_effect #Language #Serial_processing #Parallel_processing #Temporal_overlaping

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

10 December 2025 15:51

برای درک چراییِ تاثیرگذاری بیشتر ویولن بر افراد مضطرب، آنالیز فیزیکی امواج صوتی نیز انجام شد. نتایج نشان داد که صدای ویولن در مقایسه با پیانو، دارای تراکم فرکانسی بالاتر و شاخصی به نام زبری (Roughness) بیشتر است. اگرچه زبری صدا در متون کلاسیک روان‌شناسی معمولا با حس ناخوشایند پیوند خورده است، اما در این بافتار خاص، به نظر می‌رسد که این ویژگی نقش جذب‌کننده توجه را ایفا می‌کند. صدای ویولن به دلیل غنای هارمونیک و پیچیدگی طیفی، سیستم شنیداری مغز را به شدت درگیر کرده و نوعی حواس‌پرتی شناختی مثبت ایجاد می‌کند. این درگیری حسی باعث می‌شود منابع توجهی مغز از افکار درونی اضطراب‌آور منحرف شده و به پردازش ویژگی‌های پیچیده موسیقی معطوف گردد.
▤ @brainlingua ▤
داده‌های ثبت شده از امواج مغزی نشان می‌دهد که نوسانات باند گاما (۳۰ تا ۸۰ هرتز) حساسیت بسیار بالایی به ویژگی‌های موسیقی دارند و تغییرات آن‌ها با کاهش اضطراب همبستگی معناداری دارد. با استفاده از تکنیک مکان‌یابی منبع، مشخص شد که شنیدن موسیقی ویولن در گام ماژور در افراد مضطرب، منجر به فعال‌سازی نواحی خاصی از مغز شامل قشر پیش‌پیشانی پشتی-کناری (DLPFC) و قشر کمربندی جلویی (dACC) می‌شود. این نواحی مسئول عملکردهای عالی شناختی، تنظیم هیجانات و کنترل توجه هستند. فعال شدن این مدارها نشان می‌دهد که موسیقی صرفا یک اثر آرام‌بخش منفعلانه ندارد، بلکه با فعال‌سازی سیستم‌های کنترل اجرایی مغز، به فرد کمک می‌کند تا بر وضعیت هیجانی خود مسلط شود.
▤ @brainlingua ▤
تحلیل‌های پیشرفته‌تر با استفاده از مدل‌سازی علیت نشان داد که کاهش اضطراب نتیجه تغییر در جریان اطلاعات بین نواحی مختلف مغز است. در گروه مضطرب، افزایش ارتباطات جهت‌دار از نواحی حسی مرکزی به سمت قشر پیشانی (Bottom-up processing) مشاهده شد. این یافته تایید می‌کند که ویژگی‌های آکوستیک برجسته (مانند زبری صدای ویولن)، سیگنال‌های قوی را به قشر پیشانی ارسال می‌کنند و این ناحیه را برای تنظیم اضطراب فعال می‌سازند. نویسندگان مقاله این پدیده را با فرضیه همسویی خُلق (Mood Congruence) تبیین می‌کنند؛ به این معنا که افراد مضطرب که در وضعیت برانگیختگی و انرژی بالا قرار دارند، با موسیقی‌های پرانرژی (مانند ماژور) و پیچیده (مانند ویولن) هم‌نوایی بیشتری احساس می‌کنند و این همسویی، بستر لازم برای تخلیه هیجانی و کاهش اضطراب را فراهم می‌آورد.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

10 December 2025 15:50

#non_restricted
تاثیرِ ویژگی‌های آکوستیک موسیقی بر فعال‌سازی شبکه کنترل هیجان در مغز

اضطراب حالتی هیجانی و فراگیر است که به‌ویژه در جوامع دانشگاهی و در میان دانشجویان، شیوع بالایی دارد و می‌تواند زمینه‌ساز اختلالات جدی‌تر روان‌شناختی و افت عملکرد شناختی شود. اگرچه موسیقی‌درمانی همواره به‌عنوان یک راهکار غیرتهاجم و موثر برای مدیریت استرس پیشنهاد شده است، اما دانش ما درباره اینکه دقیقا کدام ویژگی‌های فیزیکی صدا و از طریق چه مکانیسم‌های مغزی باعث کاهش اضطراب می‌شوند، بسیار محدود بوده است. در یک پژوهش، با اتخاذ رویکردی عصب‌شناختی، تلاش شده است تا به این پرسش پاسخ دهد که چگونه مولفه‌های بنیادین موسیقی نظیر رنگ صدا (Timbre) و تونالیته (Tonality) می‌توانند با تغییر نوسانات مغزی در باند گاما و اصلاح اتصالات قشر پیشانی، بر سطح اضطراب اثر بگذارند.

#موسیقی_درمانی #اضطراب #آکوستیک #هیجان #پردازش_صدا #زبان
#Anxiety #Language #Music_Therapy #Acoustic_Features #Tonality

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

02 December 2025 15:58

هدف اصلی این پژوهش، عبور از نگاه سنتی به STG به‌عنوان یک پردازشگر صرفا آکوستیک و نشان دادن نقش دوگانه آن در استخراج هم‌زمان ویژگی‌های واجی مشترک و ساختارهای واژگانی زبان‌ویژه است.
▤ @brainlingua ▤
یافته‌های اولیه این پژوهش نشان می‌دهد که برخلاف تصورات پیشین مبنی بر تفاوت بنیادین در پردازش اولیه، مغز انسان در مواجهه با هر دو نوع زبان مادری و خارجی، الگوی پاسخ‌دهیِ عصبیِ زمانی و مکانی بسیار مشابهی را در ناحیه STG از خود نشان می‌دهد. تحلیل داده‌های حاصل از ۸۸۳ الکترود پاسخ‌دهنده به گفتار آشکار ساخت که پردازش ویژگی‌های آکوستیک-فونتیکِ پایه، نظیر تشخیص حروف صدادار، حروف بی‌صدا و ویژگی‌های طیفی پوش صدا (Envelope)، مستقل از میزان آشنایی شنونده با زبان انجام می‌شود. مدل‌سازی‌های TRF (میدان گیرنده زمانی) تایید کردند که وزن‌های اختصاص‌یافته به ویژگی‌های آکوستیکی در زبان‌های مختلف همبستگی بالایی دارند؛ این بدان معناست که سیستم شنوایی ما در سطح تحلیل فیزیکی صدا، با زبانی که هیچ دانشی از آن نداریم، همان‌گونه رفتار می‌کند که با زبان مادری، چراکه هر دو از مجرای صوتی انسان تولید شده و ویژگی‌های فیزیکی مشترکی دارند.
▤ @brainlingua ▤
تفاوت اصلی و تعیین‌کننده زمانی آشکار می‌شود که مغز تلاش می‌کند از این جریانِ پیوسته‌ی صوتی، واحدهای معنادار یا همان کلمات را استخراج کند. نتایج نشان داد که فعالیت عصبی در همان ناحیه STG، تنها در هنگام شنیدن زبان مادری به‌طور معناداری برای ویژگی‌های سطح بالاتر مانند مرز کلمات (Word Boundaries)، طول واژه و تحلیل آماری توالی‌ها (Surprisal) افزایش می‌یابد. در واقع، وقتی ما به زبان مادری گوش می‌دهیم، مغز ما صرفاً یک گیرنده غیرفعال صدا نیست، بلکه با استفاده از دانشِ پیشین و یادگیری‌های قبلی، ابهامات موجود در سیگنال صوتی را برطرف کرده و جریان ممتد گفتار را به قطعات مجزا و قابل‌فهم تقسیم می‌کند. این قابلیت قطعه‌بندی که در مواجهه با زبان خارجی غایب است، سبب می‌شود زبان بیگانه به‌صورت جریانی سریع و نامفهوم شنیده شود، زیرا مغز فاقد دانش آماری لازم برای پیش‌بینی و تفکیک مرزهای واژگانی در آن زبان است.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

27 November 2025 07:03

#non_restricted
💢 چشم ریاضی‌دان مغز: چگونه در کسری از ثانیه می‌شماریم؟
🔺 آیا ما اعداد را می‌بینیم یا محاسبه می‌کنیم؟
(Connected Paper)

#اعداد #مسیر_پشتی_و_شکمی #ریاضیات_مغز #یادگیری #ادراک_تعداد
#Numerosity #Neural_Dynamics #Visual_system #MEG_fMRI #Number_specific_code #Hierarchical_transformation

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

23 November 2025 13:32

در این مطالعه، محققان با هدف ابهام‌زدایی از مکانیسم‌های پیری شناختی، سه پرسش اساسی را در محوریت کار خود قرار دادند: (1) نقش حافظه: آیا کاهش ظرفیت حافظه کاری (Working Memory) یا حافظه کوتاه‌مدت کلامی (STM)، عامل تعیین‌کننده در افت درک مطلب سالمندان است، یا متغیرهای دیگری در میان هستند؟ (2) واسطه‌گری مغزی: شناسایی دقیق مناطقی از مغز که تغییرات ساختاری و عملکردی آن‌ها به عنوان پل ارتباطی (واسطه) میان افزایش سن و تغییرات پردازش زبانی عمل می‌کنند. (3) استقلال مکانیزم‌های نحوی: بررسی این فرضیه که آیا پردازش جملات پیچیده و دشوار (از نظر نحوی)، به شبکه‌های عصبی متمایز و مستقلی متکی است که جدا از سیستم حافظه عمل می‌کنند؟
▤ @brainlingua ▤
این پژوهش بر روی یک کوهورت گسترده متشکل از ۱۸۷ بزرگسال سالم (بدون بیماری‌های نورولوژیک) با دامنه سنی ۲۰ تا ۸۰ سال انجام شد تا تصویری جامع از تغییرات در طول عمر ارائه دهد. شرکت‌کنندگان در یک تکلیف خواندنِ خودگام (Self-Paced Reading)، با دو نوع ساختار جمله مواجه شدند: جملات ساده (Canonical) با ساختار دستوری مستقیم و جملات پیچیده (Noncanonical) با ساختار دستوری غیرمستقیم که نیازمند بار پردازشی بیشتری است. عملکرد افراد بر اساس دو شاخص دقت درک مطلب (Offline) و سرعت پردازش لحظه‌ای هنگام خواندن (Online) ارزیابی شد. برای تفکیک دقیق ظرفیت‌های شناختی، از آزمون‌های استاندارد NIH استفاده شد تا حافظه کاری (توانایی دستکاری ذهنی اطلاعات) و حافظه کوتاه‌مدت کلامی (توانایی ذخیره‌سازی موقت) به صورت مجزا اندازه‌گیری شوند.
▤ @brainlingua ▤
پروتکل تصویربرداری شامل اسکن‌های ساختاری MRI برای تحلیل دقیق حجم ماده خاکستری (GMV) در نواحی مختلف مغز و همچنین fMRI در حالت استراحت برای اندازه‌گیری دامنه نوسانات فرکانس پایین (pALFF) بود که شاخصی از فعالیت ذاتی مغز محسوب می‌شود.

▨ ارائه شده توسط | مغز | زبان | شناخت |
▧ آدرس صفحه اینستگرام |
▤ @brainlingua ▤

مغز | زبان | شناخت

18 November 2025 13:50

یافته‌ها نشان می‌دهد شبکه SAL/PMN هم در تکلیف بازشناسی سنتی (در پاسخ به آیتم‌های قدیم) و هم در تکلیف دیداری تشخیص محرک (در پاسخ به هدف برجسته غیر-یادمانی) فعال می‌شود. در تکلیف قدیمِ غیرمعمول (که هدف = آشنا بود)، SAL/PMN به شدت فعالیت دارد که این خود با هر دو فرضیه‌ی آشنایی و برجستگی همسو است. همچنین، در تکلیف جدیدِ غیرمعمول (که هدف = ناآشنا بود)، شبکه SAL/PMN فعالیت دارد. این یافته به وضوح نشان می‌دهد که فعالیت این شبکه، ارتباطی با آشنا بودن یا قدیمی بودن محرک ندارد، بلکه صرفاً به هدف بودن و برجسته بودن آن در چارچوب تکلیف وابسته است. مغز این سیگنال را زمانی ارسال می‌کند که یک محرکِ مرتبط با تکلیف (چه قدیم و چه جدید) شناسایی می‌شود. در نتیجه، فرضیه‌ی آشنایی یادمانی برای شبکه SAL/PMN قاطعانه رد می‌شود.
🔺 @brainlingua
پژوهشگران شبکه‌ای دیگر، معروف به شبکه پیشانی-آهیانه‌ای (Frontoparietal Network -B یا FPN-B)، را معرفی می‌کنند که عمدتا در نیمکره راست قرار دارد. این شبکه در تکالیفی که آشنایی یادمانی در آن‌ها دخیل است (یعنی بازشناسی سنتی و قدیمِ غیرمعمول) فعال می‌باشد. اما در تکالیفی که اهداف، فاقد آشنایی یادمانی هستند (یعنی بازشناسی دیداری محرک نادر و جدیدِ غیرمعمول) فعال نیست. این الگوی پاسخ، دقیقا همان چیزی است که از یک شبکه پردازشگر آشنایی یادمانی انتظار می‌رود. FPN-B به نظر می‌رسد که به تاریخچه و قدمت محرک‌ها، و نه فقط به هدف بودن آن‌ها حساس است.

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

18 November 2025 13:50

یکی از روش‌های کلاسیک برای مطالعه حافظه، ارائه‌ی لیستی از آیتم‌ها (مانند کلمات) به شرکت‌کنندگان و سپس آزمون توانایی آن‌ها در تشخیص آیتم‌های قدیم (دیده شده) از آیتم‌های جدید (دیده نشده) است. مطالعات پیشین نشان داده‌اند که یک شبکه مغزی گسترده، موسوم به شبکه حافظه آهیانه‌ای (Parietal Memory Network - PMN)، هنگام شناسایی آیتم‌های قدیم فعال می‌شود، که این فعالیت اغلب به عنوان بازتابی از آشنایی یادمانی (Mnemonic Familiarity) تفسیر شده است. با این حال، یک خط موازی و مستقل از تحقیقات، شبکه‌ی تقریبا یکسانی را تحت عنوان شبکه برجستگی (Salience Network - SAL) شناسایی کرده است که در زمینه‌های غیر-یادمانی، به محرک‌های برجسته، مهم یا جلب‌کننده‌ی توجه پاسخ می‌دهد. این همپوشانی آناتومیک یک ابهام اساسی ایجاد کرده است: آیا این شبکه واقعا به آشنایی (یک فرایند حافظه) حساس است، یا به برجستگی (یک فرایند توجه و تشخیص هدف)؟ مشکل اینجاست که در اغلب پارادایم‌های بازشناسی، آیتم قدیم همان آیتم هدف است که شرکت‌کننده باید به آن پاسخ دهد؛ بنابراین، آشنایی یادمانی با برجستگی تکلیف-محور (Target Detection) در هم آمیخته می‌شود. از این رو، محققان به طور خاص در پی آن هستند که مشخص کنند آیا فعالیت شبکه SAL/PMN ناشی از قدمت و سابقه‌ی یادمانی یک محرک است یا صرفا به دلیل برجسته بودن آن محرک فعال می‌شود.

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

13 November 2025 06:03

عدم تقارن دریافتی-بیانی
آفازی انتقالی پیش‌نمایش اصل مهم و کلی‌تری از معماری زبان است. این وجود یک عدم تقارن عملکردی در درگیری اجزای مرتبط با حس در مقابل اجزای مرتبط با حرکت در درک زبان در مقابل بیان زبان (تولید) است. درک زبان، در بیشتر شرایط، فقط شبکه‌های شکمی، سیستم‌های مرتبط با حس در لوب گیجگاهی را درگیر می‌کند. بیان زبان، در مقابل، کل شبکه، هم سیستم‌های شکمی و هم پشتی را درگیر می‌سازد. این واقعیت با توجه به اینکه معماری زبان با سیستم‌های غیرزبانی همولوگ است، نباید ما را شگفت‌زده کند. به عنوان مثال، ما برای درک اینکه مارها یا پرندگان یا هر شیئی چیست، نیازی به تعامل حرکتی با آنها نداریم؛ جریان شکمی به طور کلی کافی است. با این حال، اگر بخواهیم با استفاده از سیستم کنشی لوب پیشانی خود با آنها تعامل داشته باشیم، هنوز هم باید ویژگی‌های حسی آنها را به دقت درک کنیم؛ که بایستی شبکه‌های پشتی و شکمی درگیر باشند. زبان نیز تفاوتی ندارد.
🟣 @brainlingua
عدم تقارن نیمکره‌ای
غلبه قوی نیمکره چپ برای زبان به طور سنتی به عنوان یک ویژگی اصلی سازماندهی عصبی زبان در نظر گرفته می‌شود. با این حال، تحقیقات جدید نشان داده است که توانایی‌های زبانی مختلف به طور متفاوتی جانبی می‌شوند. به عنوان مثال، در مورد درک و فهم کلمات، به نظر می‌رسد غلبه چپ غیرمعمول است و سازماندهی دوطرفه گرایش معین را نشان می‌دهد. جزئیات داستان جانبی‌سازی هنوز فاش نشده است.
🟣 @brainlingua
رگه‌هایی از پیچیدگی بیشتر
علیرغم پیشرفت‌های چشمگیر در درک معماری عصبی زبان، چیزهای بیشتری برای یادگیری وجود دارد. در حال حاضر، ما شواهد قوی برای دو شبکه موازی هماهنگی حرکتی گفتار داریم، نه فقط شبکه کلاسیک پیشانی پایینی. تحقیقات در مورد نوای گفتار، جنبه‌ای نسبتاً نادیده گرفته شده از پردازش زبان، پیامدهای جدید و هیجان‌انگیزی برای عملکرد زبان طبیعی و اختلال یافته به همراه دارد. ایده‌ها در مورد نحوه ذخیره و استفاده از اطلاعات معنایی نیز به طور قابل توجهی پیشرفت کرده و هنوز در حال اصلاح و بازنگری است. علاوه بر این، برخی از مناطق به عنوان مراکز اصلی پردازش زبان در حال ظهور هستند اما هنوز به طور دقیق مورد مطالعه قرار نگرفته‌اند (شیار پیشانی پایینی به ذهن من می‌رسد). و سپس مسئله پویایی وجود دارد. من در اینجا در مورد معماری صحبت کرده‌ام، اما پویایی عصبی در این معماری گسترده و در مقیاس‌های ظریف‌تر، قبل از اینکه درک دقیقی از نحوه عملکرد زبان داشته باشیم، باید مشخص شود. خوشبختانه، کارهای زیادی در این زمینه در حال انجام است.
🟣 @brainlingua
هنگامی که برنامه تحقیقاتی خود را با هدف درک معماری عصبی زبان در دهه ۱۹۹۰ شروع کردم، اگر می‌دانستم که این رشته در عرض تنها دو و نیم دهه چقدر پیشرفت خواهد کرد، بسیار خوشحال می‌شدم. چشم‌انداز پیشرفت‌های بیشتر و کاربردهای فراوان برای درمان اختلالات زبان هرگز روشن‌تر از این نبوده است. پیشرفت در تشخیص و درمان اختلالات گفتار و زبان به طور پیوسته افزایش یافته است، و در حال حاضر برنامه‌های تحقیقاتی بالینی فعال زیادی با هدف استفاده از نوروپروتزها برای قادر ساختن افراد به صحبت کردن مجدد پس از از دست دادن این توانایی به دلیل آسیب یا بیماری وجود دارد. همه اینها توسط صدها زبان‌شناس، روان‌شناس، عصب‌شناس، مهندس و دیگرانی که یک سوال ساده پرسیدند، ممکن شده است: چگونه مغز زبان را قادر می‌سازد؟

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

13 November 2025 06:03

#non_restricted
معماری عصبی زبان

از زبان گریگوری هیکاک، نویسنده کتاب Wired for Words: The Neural Architecture of Language

در کتاب کلاسیک خود در سال ۱۹۹۸ در مورد علوم اعصاب شناختی، مایکل گازانیگا، ریچارد ایوری و جورج مانگون مشاهدات قابل تأملی را بیان کردند: هیچ نگاشت مشخصی بین نحوه پردازش زبان و آنچه در مغز ما اتفاق می‌افتد وجود نداشت. تا به امروز، چشم‌انداز به طور چشمگیری تغییر کرده است. ما اکنون درک بسیار پیچیده‌تری از معماری عصبی زبان داریم. اگرچه هنوز چیزهای زیادی برای یادگیری وجود دارد، اما پیشرفت شگفت‌انگیز بوده است. من مفتخرم که شاهد این پیشرفت‌ها از نزدیک بوده‌ام و نقش کوچکی در آنچه این رشته به دست آورده، ایفا کرده‌ام. در اینجا تمرکز بر یک چارچوب یکپارچه جدید است، مدل زبانی-حسی-حرکتی (LSM)، که دیدگاه جدیدی را ارائه می‌دهد و نظریه زبانی سنتی را با درک ما از نحوه کنترل حرکت و پردازش اطلاعات حسی در مغز پیوند می‌دهد.

#پردازش_حسی_حرکتی #شناخت #سیستم_زبان #فرگشت
#Linguistic_Sensorimotor_Model #Language #Evolution #Cognition

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

10 November 2025 13:17

علاوه بر این، مفهوم عملکرد دوگانه (Double Function) نیز در هر دو حوزه دیده می‌شود. در جمله مثال، نویسنده هم فاعل جمله اصلی و هم مفعول عبارت موصولیِ جاسازی‌شده است. در استفاده از ابزار نیز، خودِ ابزار هم مفعولِ دست (که آن را گرفته) و هم فاعلِ کنش (که بر روی هدف عمل می‌کند) محسوب می‌شود. مطالعات پیشین نشان داده است که این دو مهارت نه‌تنها با هم همبستگی دارند، بلکه آموزش یکی می‌تواند به بهبود دیگری منجر شود. مهم‌تر از آن، مشخص شده است که پردازش نحو و استفاده از ابزار، هر دو نواحی مشترکی را در عقده‌های قاعده‌ای (Basal Ganglia - BG) مغز فعال می‌کنند. با وجود اثبات این هم‌مکانی عصبی، یک سؤال کلیدی بی‌پاسخ مانده است: این هم‌پوشانی دقیقاً در کدام بخش از فرآیند استفاده از ابزار رخ می‌دهد؟
✅ @brainlingua
یک عمل حرکتی را می‌توان به مراحل مجزایی تقسیم کرد و در همین راستا یک پژوهش با هدف تفکیک این مراحل انجام شده است:
① مرحله آغازش (Initiation): برنامه‌ریزی حرکتی، پیش از هرگونه حرکت.
② مرحله حرکت به قصد گرفتن (Reach-to-grasp): فاز پویا، شامل حرکت دستِ حامل ابزار به سمت هدف و برقراری تماس.
③ مرحله دستکاری شیء (Object manipulation): فاز پایدار، پس از گرفتن هدف و جابجا کردن آن.
فرضیه اصلی این است که هم‌پوشانی عصبی با نحو زبان، باید به‌طور خاص در مراحل آغازش و/یا حرکت به قصد گرفتن رخ دهد، نه در مرحله دستکاری. دلیل این پیش‌بینی آن است که دو مرحله اول، نیازمند به‌روزرسانی پویا (Dynamically update) رابطه بین ابزار و هدف هستند؛ یعنی زمانی که مغز باید به‌طور فعال، ساختار سلسله‌مراتبی کنش را رمزگذاری کند.
✅ @brainlingua
برای آزمودن این فرضیه، ۴۰ شرکت‌کننده فرانسوی‌زبان در حین انجام دو تکلیف، تحت اسکن fMRI قرار گرفتند: تکلیف نحوی (Syntactic Task) که در آن شرکت‌کنندگان جملاتی را می‌خواندند که از نظر پیچیدگی نحوی متفاوت بودند، شامل جملات موصولی فاعلی که ساده‌تر بودند (مثلاً: «نویسنده‌ای که شاعر را تحسین می‌کند...») و جملات موصولی مفعولی که پیچیده‌تر و نیازمند پردازش سلسله‌مراتبی عمیق‌تر بودند (مثلاً: «نویسنده‌ای که شاعر او را تحسین می‌کند...»)؛ و تکلیف حرکتی (Motor Task) که در آن شرکت‌کنندگان باید یک پین (peg) را در یک صفحه جابجا می‌کردند، که شامل حالت با دست خالی (Free hand) به‌عنوان وضعیت پایه و حالت با انبر (Tool use) به‌عنوان وضعیت پیچیده و سلسله‌مراتبی. سپس، با استفاده از تحلیل‌های پیشرفته (هم تک‌متغیره برای یافتن نواحی فعال و هم چندمتغیره برای بررسی شباهت الگوها)، به مقایسه فعالیت مغزی در شرایط مختلف پرداختند.

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua

مغز | زبان | شناخت

07 November 2025 16:49

اما چرا این ناهم‌ترازی‌ها وجود دارند؟ پاسخ در بنچمارک‌ها (Benchmark tasks) نهفته است که توسعه‌ی این مدل‌ها را هدایت می‌کنند. بنچمارک‌های رایج MA-LLMها، مانند پرسش و پاسخ (QA)، تفاوت‌های اساسی با نیازهای حافظه در دنیای واقعی دارند. در بنچمارک‌های QA، پرسش کاملاً مشخص است، پاسخ قطعا در حافظه وجود دارد ، و زمان بازیابی مشخص است (یعنی هنگام پرسش). در دنیای واقعی، اطلاعات به‌طور پیوسته ارائه می‌شوند. ما اغلب نمی‌دانیم آیا حافظه‌ی مرتبطی وجود دارد یا خیر ، نشانه‌های بازیابی ممکن است مبهم باشند، و بازیابی یک حافظه‌ی اشتباه می‌تواند پرهزینه باشد و منجر به پیش‌بینی‌های غلط شود. در نتیجه، بسیاری از ویژگی‌های حافظه‌ی انسانی (مانند انتخاب‌گری، رقابت، و تقطیع رویداد) در واقع راه‌حل‌های بهینه‌ای هستند که مغز برای مقابله با چالش‌های عدم قطعیت و ابهام در دنیای واقعی تکامل داده است. از آنجایی که بنچمارک‌های فعلی AI این چالش‌ها را ندارند، مدل‌ها نیز نیازی به توسعه‌ی این راه‌حل‌های شناختی نداشته‌اند.
▪️ @brainlingua
دو راه‌حل مشخص برای حرکت به سمت مدل‌های شبه‌انسانی پیشنهاد می‌شود:
1) طراحی بنچمارک‌های چالش‌برانگیز و شبه‌انسانی: ما به وظایفی نیاز داریم که چالش‌های دنیای واقعی را شبیه‌سازی کنند. یک مثال ساده، وظیفه‌ای است که در آن مدل با خلاصه‌ای از یک قسمت سریال تلویزیونی (که ممکن است قبلاً یک بار آن را دیده باشد یا نه) به‌صورت جمله‌-به-جمله مواجه می‌شود. مدل باید در هر مرحله تصمیم بگیرد که ادامه دهد (اطلاعات بیشتری دریافت کند) یا خلاصه را در دست بگیرد (Take over). تصمیم‌گیری برای در دست گرفتن مبتنی بر بازیابی حافظه‌ی اپیزودیک است و اگر اشتباه باشد (مثلاً به دلیل بازیابی یک حافظه‌ی اشتباه از یک قسمت مشابه) جریمه در پی دارد. چنین وظیفه‌ای، مدل‌ها را مجبور می‌کند تا سیاست‌های انتخابی و مبتنی بر ریسک برای بازیابی حافظه (مانند انسان‌ها) اتخاذ کنند.
2) ارزیابی مدل‌ها با استفاده از داده‌های مغزی (Neuroimaging): به جای اتکا صرف به امتیاز عملکرد در یک وظیفه، انسانی‌بودن یک مدل باید با توانایی آن در توضیح داده‌های تجربی انسانی سنجیده شود.
مدل‌سازی رمزگذاری (Encoding Models): می‌توان بررسی کرد که آیا بازنمایی‌های داخلی (Embeddings) یک MA-LLM (که حافظه‌ی اپیزودیک را بازیابی کرده) بهتر از یک LLM پایه می‌تواند فعالیت مغزی (fMRI) انسان را حین تماشای همان روایت پیش‌بینی کند یا خیر.
پیش‌بینی زمان‌بندی: می‌توان از مدل‌ها برای پیش‌بینی لحظات دقیق در یک روایت که در آن رمزگذاری یا بازیابی اپیزودیک باید رخ دهد (مثلاً در مرزهای رویداد) استفاده کرد و این پیش‌بینی‌ها را با سیگنال‌های عصبی متناظر در انسان‌ها مقایسه نمود.
▪️ @brainlingua
بطور کلی، این مقاله یک پل حیاتی میان پیشرفت‌های یادگیری ماشین در MA-LLMها و دهه‌ها پژوهش علوم اعصاب شناختی در مورد حافظه‌ی اپیزودیک ایجاد می‌کند. نویسندگان استدلال می‌کنند که هم‌راستاسازی این دو حوزه نه تنها به ساخت مدل‌های هوش مصنوعی قوی‌تر و کارآمدتر (که می‌توانند از تجربیات منحصربه‌فرد یاد بگیرند) منجر می‌شود، بلکه یک چارچوب محاسباتی بسیار مورد نیاز برای درک نحوه‌ی تعامل پیچیده‌ی سیستم‌های حافظه در مغز انسان برای پیش‌بینی و درک جهان واقعی فراهم می‌کند.

🔺 ارائه شده توسط | مغز | زبان | شناخت |
⭕️ آدرس صفحه اینستگرام |
🔺 @brainlingua