W niedawnym badaniu zbadano mechanizmy neuronowe leżące u podstaw naturalnej rozmowy, rejestrując potencjały lokalnego pola (LFP) z 1910 kanałów w 39 obszarach mózgu u 14 uczestników poddawanych monitorowaniu epilepsji. Uczestnicy prowadzili swobodne rozmowy, a ich aktywność neuronowa była synchronizowana z transkrybowanymi słowami. Badanie wykazało, że zmiany w aktywności mózgu były zgodne z modelem NLP, przy czym znaczna część kanałów wykazywała korelacje.
W badaniu wykorzystano wstępnie wytrenowany model GPT-2 do wektoryzacji słów i kompozycji zdań, co umożliwiło porównanie z danymi neuronowymi. Lewa półkula wykazywała większą aktywność skorelowaną niż prawa. Kilka obszarów mózgu, w tym kora skroniowa i czołowa, wzgórze i układ limbiczny, wykazywało wysoki odsetek kanałów skorelowanych z osadzeniami NLP. Najwyższy wskaźnik skorelowanych kanałów zaobserwowano w lewej korze przedśrodkowej podczas planowania produkcji mowy oraz w lewej i prawej korze skroniowej górnej podczas rozumienia.
Porównanie z modelem BERT wykazało znacznie wyższy odsetek skorelowanych kanałów niż w przypadku losowym. Średnie współczynniki korelacji zmniejszały się, gdy uczestnicy byli biernie zaangażowani w pseudo rozmowę. Prawdziwe zdania wywoływały znacznie wyższy odsetek kanałów reagujących w porównaniu z bełkotem. Najwyższy odsetek skorelowanych kanałów zaobserwowano w środkowych częstotliwościach gamma (70-110 Hz) zarówno dla rozumienia, jak i produkcji języka. Aktywności neuronowe preferencyjnie synchronizowały się z wyższymi warstwami sieci zarówno dla planowania, jak i rozumienia mowy.
Odkrycia te ujawniają dynamiczną organizację aktywności neuronowych, które wspierają produkcję i rozumienie języka podczas naturalnej rozmowy, i wykorzystują użycie modeli głębokiego uczenia się w zrozumieniu mechanizmów neuronowych leżących u podstaw języka ludzkiego.