词汇的含义如何在大脑中编码？要回答这一问题似乎需要测量大脑对字典中的每个词汇的响应过程。如今，美国科学家设计出了一个计算机模型，能够预测有关理解单个名词的大脑活动模式。
美国宾夕法尼亚州匹兹堡市卡内基梅隆大学的Tom M. Mitchell和同事，首先确定了来自12个语义类别——包括动物、服装、工具和交通工具——的60个具体名词的语义构成。在一个总计达10000亿个词汇的文本数据库中，他们评估了这些名词出现在25个动词邻近的频率，这些动词不是指示发动机便是指感官运动。基于这些动词与名词联合出现的频率，每个动词被赋予了针对每个名词的频率值。依据这种方式，计算机创建了“语义识别标志”，能够捕捉每个名词的含义。研究人员同时获得了来自9名志愿者的有关60个名词的神经活动模式——这些志愿者被暴露于一部功能性核磁共振（fMRI）扫描仪下，并被要求思考每一个名词。
研究人员随后研制了一种计算模式，能够掌握与每个名词相关的神经和语义特征。这一模型被用来接受58个名词的训练，随后又用它来根据剩下两个名词的语义信号来预测它们的神经信号。预测得到的神经活动模式与志愿者实际针对这两个名词的fMRI扫描结果的匹配准确率达到了77%。研究人员随后再次利用59个名词对这一模型进行了训练，并让其提供与剩下的1个名词有关的fMRI图像——最终，这一模型在从一个有1001个词汇组成的词汇表中找出正确的名词时，其准确率达到了72%。
有趣的是，当研究人员评估与模型有关的25个动词的神经活动时，他们发现，大脑中与动词“吃”有关的区域包括味觉皮层，而与动词“跑”有关的区域包括部分颞叶（与对生物学运动的理解有关）。这意味着对于能够编码一个动词含义的大脑区域而言，当一个人完成了具有动词意义的动作时，这些区域便会被激活。研究人员在最近出版的美国《科学》杂志上报告了这一研究成果。
这一模型使得神经科学家在没有进行上千次的大脑扫描的情况下，能够评估任何具体的名词是如何在大脑中被编码的。将名词的语义特征扩展到形容词将更进一步地改进这一模型，特别是其在相同种类的名字中区分神经特征的能力（但这一模型并不善于完成这项任务）。精炼这一模型同时使得它能够预测更多抽象概念的神经表达。无论如何，仅仅利用25个动词在语义上定义名词，这一模型描述了非常准确的神经特征，表明具体名词的神经表达至少部分基于事物的感觉和运动特征。（生物谷Bioon.com）
生物谷推荐原始出处：
Science，DOI: 10.1126/science.1152876，Tom M. Mitchell，Marcel Adam Just
Predicting Human Brain Activity Associated with the Meanings of Nouns
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
The question of how the human brain represents conceptual knowledge has been debated in many scientific fields. Brain imaging studies have shown that different spatial patterns of neural activation are associated with thinking about different semantic categories of pictures and words (for example, tools, buildings, and animals). We present a computational model that predicts the functional magnetic resonance imaging (fMRI) neural activation associated with words for which fMRI data are not yet available. This model is trained with a combination of data from a trillion-word text corpus and observed fMRI data associated with viewing several dozen concrete nouns. Once trained, the model predicts fMRI activation for thousands of other concrete nouns in the text corpus, with highly significant accuracies over the 60 nouns for which we currently have fMRI data.
1 Machine Learning Department, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA 15213, USA.
2 Department of Psychology, University of South Carolina, Columbia, SC 29208, USA.
3 Center for Cognitive Brain Imaging, Carnegie Mellon University, Pittsburgh, PA 15213, USA.
4 Language Technologies Institute, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA 15213, USA.
5 Cognitive Science Department, University of California, San Diego, La Jolla, CA 92093, USA.
