Een recente studie onderzocht de neurale mechanismen die ten grondslag liggen aan natuurlijke gesprekken door lokale veldpotentialen (LFP) op te nemen van 1910 kanalen in 39 hersengebieden bij 14 deelnemers die epilepsie monitoring ondergingen. De deelnemers voerden vrije gesprekken en hun neurale activiteit werd gesynchroniseerd met getranscribeerde woorden. De studie toonde aan dat veranderingen in hersenactiviteit overeenkwamen met het NLP-model, waarbij een aanzienlijk deel van de kanalen correlaties vertoonde.
Het onderzoek maakte gebruik van een vooraf getraind GPT-2-model om woord- en zinsopbouw te vectoriseren, waardoor vergelijking met neurale gegevens mogelijk werd. De linker hersenhelft vertoonde meer gecorreleerde activiteit dan de rechter. Verschillende hersengebieden, waaronder de temporale en frontale cortex, de thalamus en het limbisch systeem, vertoonden een hoog percentage kanalen gecorreleerd aan NLP-embeddings. De hoogste ratio van gecorreleerde kanalen werd waargenomen in de linker precentrale cortex tijdens spraakproductieplanning en in de linker en rechter superieure temporale cortex tijdens begrip.
Vergelijking met een BERT-model toonde een significant hoger percentage gecorreleerde kanalen dan toeval. De gemiddelde correlatiecoëfficiënten namen af wanneer deelnemers passief betrokken waren bij een pseudo-gesprek. Echte zinnen lokten een significant hoger percentage reagerende kanalen uit in vergelijking met onzin. Het hoogste percentage gecorreleerde kanalen werd waargenomen in middelste gammafrequenties (70-110 Hz) voor zowel taalbegrip als -productie. Neurale activiteiten stemden bij voorkeur overeen met hogere netwerklagen voor zowel spraakplanning als -begrip.
Deze bevindingen onthullen een dynamische organisatie van neurale activiteiten die taalproductie en -begrip ondersteunen tijdens natuurlijke gesprekken en maken gebruik van deep learning-modellen om de neurale mechanismen te begrijpen die ten grondslag liggen aan menselijke taal.