我们用于语言工作记忆中存储和处理信息的神经结构，可能比我们之前了解的更复杂。这项发现将对创建人工智能系统（例如语音翻译工具）将产生深远影响。

　　素材整理自纽约大学

　　纽约大学科研人员的这项新研究表明，我们在工作记忆中处理信息时，会同时涉及大脑中的两个不同的网络，而不仅仅是一个。这项发现对于创建人工智能系统（例如语音翻译工具）将产生深远影响。纽约大学神经科学中心副教授Bijan Pesaran表示：“我们的结果显示，当我们处理语言和相关信息时，至少有两个大脑网络是相当活跃的。”他同时还兼任该研究课题的高级作者。该项目的成果已发表在《Nature Neuroscience》杂志上。

　　过去的相关研究一直强调，存储在工作记忆中的信息是如何被单一的“中央执行”监视操作的。Pesaran发现，由于目前用于复制人类语音的人工智能系统，往往都假设——使用单个神经网络执行设计语言工作记忆的计算。“人工智能逐渐变得更像人类，”Pesaran说。“通过更好地了解人类大脑中的智能，我们可以提出改进人工智能系统的方法。我们的工作表明，人工智能系统是需要具有多个工作记忆网络的。”

　　该论文的第一作者Greg Cogan在进行研究时是纽约大学的博士后研究员，现在是杜克大学的博士后研究员。其他合著者分别是：

　　Orrin Devinsky教授，担纽约大学Langone医学中心的综合性癫痫中心主任；

　　Werner Doyle，纽约大学Langone神经外科系副教授；

　　Dan Friedman，纽约大学Langone神经系统副教授；

　　Lucia Melloni，纽约大学Langone神经病学系的助理教授。

　　该研究重点关注一种对思考、规划和创造性推理至关重要的工作记忆的形式，并涉及记住和改变语言和语言所需的信息。研究人员通过检测大脑，观察患者，j2直播，以治疗耐药性癫痫。具体措施为，在听到语音声音和说话一会儿之后，他们把从这些患者大脑的表面记录的神经活动解码。这种方法要求研究对象遵从研究人员提供的规则，将他们听到的语音转换成不同的话语。例如，患者有时被告知要重复他们听到的相同的声音，而在其他时候研究人员又指示患者听到声音说出不同的话语。

　　研究人员在患者根据规则将他们听到的内容转化为他们需要说的内容时，对每个患者大脑的神经活动进行解码。结果表明，工作记忆处理信息涉及两个大脑的网络。一个网络用来指导患者对话语的规则（规则网络）进行编码。然而令人惊讶的是，直播，该规则网络并没有对受试者（患者）如何将他们听到的内容转换成他们所说的细节进行编码。使用该规则将声音转换成语音的过程是由第二个网络（变换网络）处理的，在这个网络活动中可以跟踪到输入（所听到的）的信息如何被转换为输出（所说的）。

　　翻译你听到的一种语言，并用另一种语种转述，就类似于上述将听到的内容转化为要说的内容，都涉及使用类似的一组抽象规则。也就意味着，类似于部分有语言工作记忆障碍的人很难学习一门新语言，现代的智能机器也同样有学习语言的困难，研究人员补充说道。

　　“我们想要开发出更强大的智能系统的方式之一，就是更全面地了解人类的大脑和思想是如何工作的，”Pesaran说。“人们在诊断和治疗工作记忆障碍的患者时会涉及心理评估，通过类比，机器心理学可能有一天也会对诊断和治疗机器的智能障碍大有裨益。这项研究发现了一种独特的人类智能、语言工作记忆的形式，并提出了使机器更加智能的新方法。”