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app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《app》杂志上手机版了这一研究成果。

 

这一模型使得神经app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。（来源： app时报 群芳） （《app》（Science），DOI: 10.1126/science.1152876，Tom M. Mitchell，Marcel Adam Just） 更多阅读（英文）