Lidský mozek zpracovává řeč jako AI. Vědci naměřili shodu

Když posloucháte větu, váš mozek ji rozebírá přesně v tom sledu, v jakém ji zpracovávají vrstvy velkého jazykového modelu. Nejde o metaforu ani o marketingový slogan. Tým z Princetonu, Hebrejské univerzity a Google Research to naměřil přímo elektrodami na mozkové kůře — a korelace mezi hloubkou vrstvy modelu a časem mozkové odpovědi dosáhla hodnoty 0,93.

Studie vyšla 26. listopadu 2025 v Nature Communications pod názvem Temporal structure of natural language processing in the human brain corresponds to layered hierarchy of large language models. Vedl ji Ariel Goldstein z Hebrejské univerzity v Jeruzalémě spolu s Urim Hassonem z Princetonu. V dubnu 2026 k ní vyšla autorská korekce, závěry ale zůstaly v platnosti.

Devět lidí, 160 elektrod a třicetiminutový podcast

Měřit, co se děje v mozku při poslechu řeči, jde přesně jen zřídka. Vědci využili devět pacientů s epilepsií, kterým byly z léčebných důvodů implantovány elektrody přímo na povrch mozku (metoda zvaná elektrokortikografie). Sedm z nich mělo elektrody v oblastech, o které šlo. Dohromady 160 elektrod v levé hemisféře.

Pacienti si poslechli třicetiminutovou epizodu amerického podcastu Monkey in the Middle — asi 5 000 slov běžného vyprávění. Ke každému slovu vědci přiřadili dvě sady čísel: skutečnou mozkovou aktivitu (v okně od −2 do +2 sekundy od začátku slova) a vnitřní reprezentace téhož slova ze všech vrstev dvou modelů, GPT-2 XL se 48 vrstvami a Llama-2 s 32 vrstvami. Pak hledali, která vrstva nejlépe předpovídá mozek — a v jakém okamžiku.

Hlubší vrstva modelu = pozdější odpověď mozku

Výsledek byl překvapivě čistý: čím hlubší vrstva modelu, tím později ji mozek „použije“. První vrstvy, které v AI modelu pracují s povrchními rysy slova, odpovídaly mozkové aktivitě přibližně v okamžiku, kdy slovo zaznělo. Hluboké vrstvy, které kombinují kontext a význam, odpovídaly aktivitě o stovky milisekund později.

• Brocova oblast (IFG) — korelace mezi číslem vrstvy a časem špičky: r = 0,85 (p < 10⁻⁵)
• Přední spánkový závit (aSTG) — r = 0,92
• Temporální pól (TP) — r = 0,93, s rozptylem špiček od −100 ms (1. vrstva) po +400 ms (48. vrstva)
• Střední spánkový závit (mSTG) — žádná časová struktura (r = −0,24; p = 0,09)

Ten poslední řádek je důležitý. Kdyby se shoda objevila všude, šlo by ji odepsat jako statistický artefakt. Objevila se ale jen v oblastech, které podle neurovědy skládají význam — a chybí tam, kde mozek zpracovává zvuk.

Fonémy a morfémy prohrály

Nejprovokativnější část přišla na konec. Vědci postavili konkurenční modely z klasických lingvistických stavebních kamenů — fonémů, morfémů, syntaktických a sémantických rysů. Tedy z toho, co se o jazyce učí ve školách a čím lingvistika sto let vysvětluje, jak rozumíme řeči.

Tyto ručně postavené modely předpovídaly mozkovou aktivitu hůř než vnitřní reprezentace jazykového modelu. A hlavně: jejich časování se mozku vůbec nepodobalo (p > 0,1). Mozek podle těchto dat nestaví význam z pevných jazykových jednotek, ale z plynoucího kontextu — tedy způsobem, který je bližší transformeru než učebnici gramatiky.

Co to neznamená

Lákavý závěr „mozek je ChatGPT“ studie neopravňuje a autoři ho netvrdí. Sedm pacientů s epilepsií není populační vzorek. Korelace mezi vrstvou a časem neříká nic o tom, že mozek počítá stejnou matematiku — jen že význam skládá v podobně odstupňovaných krocích. A testované modely, GPT-2 XL a Llama-2, jsou dnes o několik generací pozadu.

Přesto je to silná zpráva. Transformery nikdo nenavrhoval podle mozku — vznikly jako inženýrské řešení předpovídání dalšího slova. Že se ve výsledku časově srovnaly s lidskou mozkovou kůrou, je buď pozoruhodná náhoda, nebo známka toho, že na porozumění jazyku prostě není tolik cest. Autoři data zveřejnili jako otevřený benchmark pro ověření jiných teorií.

Proč by to firmu mělo zajímat

Jeden praktický dopad to má: pomáhá pochopit, proč jsou jazykové modely tak dobré v práci s textem a tak nespolehlivé mimo něj. Model skládá význam po vrstvách z kontextu — proto zvládne přepsat smlouvu nebo vytáhnout data z faktury, ale nemá mechanismus, který by ověřil, že výsledek odpovídá realitě. Návod k použití z toho vyplývá sám: nasazujte AI tam, kde je vstupem i výstupem text, a kontrolu reality nechte na člověku nebo na pravidlech v systému.

Pokud řešíte, které procesy u vás tomuhle popisu odpovídají, AI Kompas vám ukáže, kde má AI smysl. Při konzultaci s Praxiem vám řekneme i to, co nechcete slyšet — tedy i tam, kde se AI nevyplatí. Úvodní konzultace je zdarma. Příklady nasazení najdete v sekci AI v praxi.

Často kladené otázky

Znamená ta studie, že AI funguje jako lidský mozek?

Ne. Studie ukázala časovou shodu: hlubší vrstvy modelu odpovídají pozdější mozkové aktivitě, s korelací 0,85 až 0,93 ve třech jazykových oblastech. To neříká nic o tom, že mozek a model používají stejné výpočty, ani že má model vědomí nebo porozumění v lidském smyslu.

Kolik lidí studie zkoumala?

Devět pacientů s epilepsií s implantovanými elektrodami, z nichž sedm mělo elektrody ve zkoumaných oblastech. Analyzováno bylo 160 významných elektrod v levé hemisféře během poslechu třicetiminutového podcastu (asi 5 000 slov).

Proč vědci použili zastaralé modely GPT-2 a Llama-2?

Protože u nich lze přistoupit ke všem vnitřním vrstvám, což u uzavřených komerčních modelů nejde. Pro otázku „jak se mění reprezentace napříč vrstvami“ je otevřený model s 48 vrstvami vhodnější než výkonnější, ale neprůhledný systém.

A otázka na konec: pokud se dva naprosto odlišné systémy — biologický mozek a matematický model trénovaný na internetu — dopracují k podobnému postupu skládání významu, je to známka toho, že jsme AI nevědomky postavili podle sebe? Nebo spíš toho, že rozumět jazyku lze jen jedním způsobem a oba systémy ho prostě našly?

Zdroje: Nature Communications 16, 10529 (2025), EurekAlert – Hebrew University, ScienceDaily, Neuroscience News.