Un estudio reciente exploró los mecanismos neuronales subyacentes a la conversación natural mediante el registro de potenciales de campo local (LFP) de 1910 canales en 39 áreas cerebrales en 14 participantes sometidos a monitorización de la epilepsia. Los participantes entablaron conversaciones fluidas y su actividad neuronal se sincronizó con las palabras transcritas. El estudio encontró que los cambios en la actividad cerebral se alinearon con el modelo NLP, con una proporción significativa de canales que muestran correlaciones.
La investigación utilizó un modelo GPT-2 preentrenado para vectorizar la composición de palabras y oraciones, lo que permitió la comparación con datos neuronales. El hemisferio izquierdo exhibió una actividad más correlacionada que el derecho. Varias áreas del cerebro, incluidos la corteza temporal y frontal, el tálamo y el sistema límbico, mostraron un alto porcentaje de canales correlacionados con las incrustaciones de NLP. La proporción más alta de canales correlacionados se observó en la corteza precentral izquierda durante la planificación de la producción del habla y en la corteza temporal superior izquierda y derecha durante la comprensión.
La comparación con un modelo BERT mostró una proporción significativamente mayor de canales correlacionados que el azar. Los coeficientes de correlación promedio disminuyeron cuando los participantes participaron pasivamente en una pseudo conversación. Las oraciones reales provocaron un porcentaje significativamente mayor de canales que respondieron en comparación con el galimatías. El porcentaje más alto de canales correlacionados se observó en frecuencias gamma medias (70-110 Hz) tanto para la comprensión como para la producción del lenguaje. Las actividades neuronales se alinearon preferentemente con las capas de red superiores tanto para la planificación como para la comprensión del habla.
Estos hallazgos revelan una organización dinámica de las actividades neuronales que sustentan la producción y la comprensión del lenguaje durante la conversación natural y aprovechan el uso de modelos de aprendizaje profundo para comprender los mecanismos neuronales subyacentes al lenguaje humano.