在列举近期的研究发现时，Edward Chang教授提到了此前与华山医院之间的合作经历。为了探究音调信息的神经加工，他希望能与中国研究者合作。这是因为与英文语言系统不同，对于诸如中文在内的有声调语言而言，音调信息非常重要：在这类语言中，音调信息决定了文字的语义信息。

Edward Chang教授表示，他非常荣幸能够在毛颖教授之后进行发言，这是因为此前他曾与华山医院的中国团队合作，一同探究了在有声调及无声调语言使用者中，人类皮质对音调信息的编码有何不同。研究对比了中美两国的被试，发现在单个电极记录条件下，两组被试对音调加工没有显著差异，而在神经元群水平上，他们仅在中文使用者中发现了具有音调特殊性的编码活动。

Evelina?Fedorenko：人工神经网络作为人类大脑语言理解的模型

Fedorenko博士是一位研究语言系统的认知神经科学家。她于2002年获得了哈佛大学的学士学位，并于2007年从麻省理工学院获得博士学位。随后，她获得了美国国立卫生研究院国家儿童健康与人类发展研究所颁发的 K99R00 职业发展奖。2014 年，她成为了哈佛医学院/马萨诸塞州波士顿总院的教职员工。她于 2019 年回到麻省理工学院，目前在大脑认知科学系和麦戈文脑科学研究所担任副教授。Fedorenko博士使用fMRI、EEG / ERP、MEG，颅内记录和刺激以及计算模型等技术来研究成人和儿童，研究对象中包括患有发育性和后天性脑部疾病的患者。

Evelina Fedorenko教授的研究关注人类思维以及大脑中与语言相关的计算及表征，她的报告主题是通过人工神经网络理解人类语言的表征及其背后的神经元活动。

语言功能问题一直困扰着科学家们。针对这个问题，从哲学层面一般存在两种假设：其一是，语言的功能在于交流思想，另一种是，在演化进程中，语言让我们具有了更深邃的思维。她认为哲学无法解决这两种假设，我们应当从实证的角度为这个问题找到答案。

在这次报告中，她通过两支实证研究反对了语言的功能是为了承载更复杂思想：1.语言与复杂思想、推理能力之间的关系；2.语言用于交流的实用特征。

在第一支研究中，Fedorenko教授列举了一系列来自功能性成像技术及针对大脑损伤患者的研究。这些研究显示，高级语言能力不与认知执行功能（如注意、工作记忆等）共享认知资源。与之相对的是，语言与社会认知功能存在极大的关联性。

在第二支研究中，Fedorenko教授列举了自然语言的形态一般便于高效传递信息；随后，她报告了通过人工智能网络进行的语言预测研究。此前的语言模型存在的问题是，我们没有能从语言中提取语义的算法。但近年来，随着人工智能算力的提升，出现了如生成预训练转化器（GPT）这样的语言预测算法。这证明从语言中提取语义是可能的。我们这样的语义生成算法与人脑进行对比研究，探讨了人脑是如何处理语言的。研究发现，语言预测能力更强的网络也能够更好地预测人类神经活动。

文章来源：《探索科学》 网址: http://www.tskxzzs.cn/zonghexinwen/2021/1015/2325.html