Nature：从“模糊地图”到“单神经元精度”，利用语言模型揭示大脑的语言响应密码

语言是人类最独特、最重要的认知能力之一。借助语言，人们能够将有限的词汇组合成结构复杂的句子，表达丰富的思想、知识和情感。然而，尽管脑成像研究已经揭示了参与语言加工的主要脑区，人脑究竟如何在神经元层面实现语言的产生与理解，仍然是神经科学领域最具挑战性的未解之谜之一。

2026




年




6




月




17





日，哈佛医学院








Ziv M. Williams






和



蔡静





团队在






Nature





上发表了文章






Mapping the neuronal building blocks of human language with language models






，利用







人类单神经元记录技术与前沿语言模型，


在单细胞分辨率下系统解析语言加工的神经机制。


研究发现，



单个神经元能够


动态编码




语法结构、词汇意义以及句子组合过程中的关键信息，而这些微观神经活动又以特定方式组织于局部神经网络，并跨越多个皮层区域协同完成复杂语言功能。




这些发现开始描绘人类语言功能从单神经元到大尺度脑网络的组织图谱，为理解语言能力的神经基础提供了全新视角。研究不仅深化了我们对人脑工作机制的认识，也为下一代人工智能系统、


语言脑机接口




以及失语症等语言障碍的诊疗提供了重要科学依据。

为了揭示人脑如何理解和产生语言，研究团队利用高密度





Utah





微电极阵列记录了人脑中单个神经元的活动。这项技术能够实时监测单个脑细胞的放电情况，使研究人员首次得以在单细胞水平观察语言加工过程。通过分析神经元活动与语法结构之间的关系，研究揭示了大脑如何将词语组织成短语和句子，并理解其中的含义。为了进一步解析自然语言加工机制，研究团队将先进的大语言模型引入研究。借助人工智能模型，研究人员能够更深入地分析神经元网络如何利用上下文信息理解语言，以及句子的意义如何随着词语的不断组合而逐步形成。通过比较人脑与人工智能系统中的信息处理过程，研究建立了连接神经科学与人工智能的新桥梁，为理解语言加工机制提供了全新的研究视角。

每个点代表一个神经元，显示不








同








神经元对不同语言信息的响应

研究发现，单个神经元所携带的语言信息非常丰富。它们不仅能够表征词语的意义，还能够编码词语之间的语法关系，以及词语如何组合成完整的短语和句子。这些语言能力并非由某个特定的脑区独立完成，而是依赖于大量神经元组成的动态网络协同工作。这些神经元会根据语言内容和上下文信息迅速调整活动状态，从而支持复杂而灵活的语言交流。与此同时，这些神经元的活动模式与大语言模型中的部分人工神经元表现出相似特征，表明生物智能与人工智能在语言信息处理上可能存在某种趋同演化的特性。这项研究首次从单神经元尺度描绘了人类语言功能的组织规律，为破解






“






人脑如何产生和理解语言






”






这一核心科学问题提供了重要线索，也为未来脑机接口和人工智能技术的发展奠定了新的科学基础。

不同脑区的神经元对不同语言信息响应的区别

研究发现，词性、语法和句子结构等语言规则并非纯粹的抽象概念，而是与大脑中具体神经元的活动模式密切相关。该研究首次在单细胞水平揭示了神经元对语言意义与结构的编码方式，为理解人类语言能力的神经基础提供了重要证据。通过识别参与语言加工的关键神经元及其组织方式，不仅有助于深入理解


失语症




等疾病的发生机制，也将为开发更加精准有效的诊疗手段提供理论基础。与此同时，这些发现还为探索复杂信息处理系统的基本规律提供了新的视角，有望推动神经科学与人工智能的交叉融合发展。

未来的研究将进一步探索神经元如何将听到的语言快速转换为复杂的概念和意义，从而揭示语言理解过程更深层次的神经机制。基于这些细胞尺度的语言图像，未来还计划开发新一代语言脑机接口技术，帮助因脑卒中、


肌萎缩侧索硬化症





（







ALS







）

等疾病而失去交流能力的患者重新获得沟通能力，提高其生活质量。

这项研究不仅加深了我们对人类语言本质的认识，也为脑机接口、人工智能以及神经疾病治疗等领域的发展提供了新的科学基础和技术路径。