فرایند تولید جمله در مغز چگونه است؟ عجیب ولی بسیار جذاب نورون‌هایی که شبیه مدل‌های زبانی امروزی کار می‌کنند.

وقتی می‌گوییم مغز جمله را «می‌سازد» منظورمان چیست؟ مغز یک عبارت آماده را از قفسه برنمی‌دارد. در کسری از ثانیه، پیش از آنکه صدایی از دهان بیرون بیاید، جمله را خودش می‌چیند: معنا، دستور زبان و واژه‌ی درست. گروهی در بیمارستان عمومی ماساچوست همین چیدمان را این بار سلول به سلول دیده‌اند و آنچه دیدند به‌طور غافلگیرکننده‌ای منظم است.

تصور قدیمی این بود که زبان «پخش‌شده» است؛ روی شبکه‌های بزرگ و درهم‌رفته پراکنده شده و هیچ نورونی به‌تنهایی معنایی ندارد. زیو ویلیامز، جراح اعصاب و یکی از نویسندگان مقاله، می‌گوید پیش‌تر زبان را پدیده‌ای کل‌شبکه‌ای می‌دانستند، اما حالا روشن شده نورون‌هایی وجود دارند که فقط برایشان مهم است یک واژه اسم است یا نه، یا فقط به پایان‌یافتن یک عبارت واکنش نشان می‌دهند (Nature News). خبر اصلی همین است: نه یک ابر مبهم، بلکه بلوک‌های سازنده‌ی تخصصی.

دو واژه‌ی ساده کل یافته را خواندنی می‌کنند. نحو (syntax) یعنی ساختار: اینکه جمله چه جایگاه‌هایی دارد و به چه ترتیبی، و تفاوت میان اسم و فعل کجاست. معناشناسی (semantics) یعنی معنایی که آن جایگاه‌ها را پر می‌کند. یافته‌ی منتشرشده در Nature این است که بیشتر سلول‌های قشر فرونتوتمپورال یکی از این دو کار را ترجیح می‌دهند: گروهی نحو را دنبال می‌کنند، گروهی معنا را، و این دو را به‌ندرت با هم درمی‌آمیزند (Cai و همکاران، Nature ۲۰۲۶).

چطور به تک‌نورون‌ها گوش دادند

از نظر اخلاقی نمی‌توان فقط برای مطالعه‌ی دستور زبان در مغز یک فرد سالم الکترود کاشت. پس پژوهشگران سراغ افرادی رفتند که به دلیلی پزشکی از پیش الکترود داشتند: بیماران صرع که برای یافتن منشأ تشنج الکترود کاشته بودند. چون این بیماران بیدار بودند و حرف می‌زدند، تیم توانست شلیک تک‌سلول‌ها را هنگام گفتگوی عادی و بدون متن ثبت کند؛ کاری که هیچ اسکن مغزی از پسش برنمی‌آید (Nature News).

کلید ماجرا زمان‌بندی بود. نورون‌های مشخصی درست پیش از اینکه نوع خاصی از واژه — مثلاً یک اسم — گفته شود، شلیکشان را بالا می‌بردند. یعنی جمله از پیش آماده می‌شود، نورون به نورون، و هر گروه از سلول‌ها بخشی از کار را به عهده دارد (Nature News).

نورون‌هایی که مثل مدل زبانی رفتار می‌کنند

این بخش برای من از همه جالب‌تر است. تیم برای فهمیدن الگوهای شلیک، آن‌ها را با شیوه‌ی پردازش متن در مدل‌های زبانی بزرگ — همان نوع سیستمی که پشت چت‌بات‌هاست — مقایسه کرد. و این دو شبیه هم درآمدند: هم نورون‌ها و هم مدل، حافظه‌ای از تا پنج واژه‌ی پیشین نگه می‌داشتند تا معنای واژه‌ی بعدی را شکل بدهند (Nature News).

به معنای این شباهت فکر کنیم. یک مدل زبانی واژه‌ی بعدی را با در نظر گرفتن زمینه‌ی اخیر پیش‌بینی می‌کند. این نورون‌ها هم انگار کار مشابهی می‌کنند؛ از آنچه پیش‌تر آمده برای آماده‌کردن آنچه می‌آید استفاده می‌کنند. مدل ابژه‌ی مطالعه نبود. نقش ابزار اندازه‌گیری را داشت: خط‌کشی که به پژوهشگران اجازه می‌داد بپرسند یک نورون معین بیشتر به ردیاب نحو شبیه است یا به ردیاب معنا. چکیده‌ی مقاله توانایی انسان را ساده بیان می‌کند: ساختن و ترکیب واژه‌ها در عبارت‌های غنی برای بیان اندیشه‌های نو و گوناگون (Cai و همکاران، Nature ۲۰۲۶).

یک هشدار درست همین‌جا جای دارد. اینکه الگوی یک مدل با شلیک یک نورون همخوانی دارد، ثابت نمی‌کند مغز هم مثل مدل محاسبه می‌کند. این همخوانی واقعی و سودمند است، اما تفسیر باید محتاط بماند.

چرا این زمان‌بندی مهم است

نقشه‌ی تک‌سلولی زبان به‌تنهایی یک نتیجه‌ی تمیز علم پایه است. اما اهمیتش همین حالا بیشتر است، چون شمار افرادی که از پیش الکترود در مغز دارند بالاست. گمان می‌رود این عدد در دو سال اخیر بیش از دو برابر شده، و امسال چین نخستین کشوری شد که یک رابط مغز-رایانه را برای کاربرد پزشکی تأیید کرد (MIT Technology Review).

یک نمونه در آن گزارش کیسی هرل است؛ مردی مبتلا به ALS که نزدیک سه سال از یک BCI گفتاری استفاده کرده. دستگاه او فعالیت الکتریکی گفتار را برمی‌دارد، نرم‌افزار آن را به واج‌ها — واحدهای پایه‌ی صوت — رمزگشایی می‌کند و سپس آنچه را او می‌خواهد بگوید پیش‌بینی می‌کند؛ یک ردیاب نگاه هم برای اصلاح خطاها هست (MIT Technology Review). یک مرور سال ۲۰۲۴ بین ۱۹۹۸ تا پایان ۲۰۲۳، ۶۷ داوطلب در ۲۱ گروه پژوهشی شمرد؛ تنها یک شرکت می‌گوید در دو سال گذشته ۲۱ نفر را کاشته است (MIT Technology Review).

این دو خبر را کنار هم بگذاریم، کاربرد روشن می‌شود. رمزگشاهای گفتاری امروز بیشتر زیر سطح واژه کار می‌کنند؛ صدا را از سیگنال‌های حرکتی عضلات گفتار بازسازی می‌کنند. نقشه‌ای که نشان می‌دهد سلول‌های جدا حامل نحو و معنا هستند، جایی بالاتر برای گوش‌دادن پیشنهاد می‌کند: داربست دستوری و مفهومی که جمله پیش از حرکت هر عضله روی آن بنا می‌شود. در سیستمی که از پیش سخت‌افزار در ده‌ها جمجمه دارد، دانستن اینکه «کدام نورون چه معنایی دارد» می‌تواند تفاوت میان رونویسی صدای موردنظر و بازسازی معنای موردنظر باشد.

دام اندازه‌گیری همه‌چیز

منبع دومی هم این هفته هست و در نگاه اول بی‌ربط می‌نماید: مرور کتابی درباره‌ی محدودیت اندازه‌گیری زندگی. نویسنده یک دهه گام، ضربان، خواب و زمان صفحه‌نمایش را ثبت کرده و نتیجه گرفته که متریک‌ها «به‌ناگزیر حس بنیادین تو از مهم‌بودن را بازتعریف می‌کنند، چه از این دام آگاه باشی چه نباشی» (MIT Technology Review). هدف ۶٬۰۰۰ گام به ۲۰٬۰۰۰ بدل می‌شود؛ عدد بی‌سروصدا جای آن چیزی را می‌گیرد که قرار بود در خدمتش باشد.

این را به این دلیل می‌آورم که همین دام درون رمزگشایی عصبی هم هست. لحظه‌ای که سیستمی بتواند «اسم‌بودن» یا «پایان عبارت» را از یک نورون بخواند، این خوانش‌ها به متریک بدل می‌شوند؛ و متریکی که سخت بهینه شود، دیگر نماینده‌ی نیت واقعی نمی‌ماند و خود آن نیت را بازتعریف می‌کند. نتیجه‌ی MGH از این رو هیجان‌انگیز است که سیگنال‌های تمیزتری برای خواندن می‌دهد. مرور آن کتاب یادآوری همین است که یک سیگنال تمیز، همان معنایی نیست که پشتش ایستاده. نویسنده می‌نویسد که خودشناسی همراه داده‌ها نیامد (MIT Technology Review).

پس نقشه‌ی تازه بازخوانی ذهن را در دست ما نمی‌گذارد. پرسشی تیزتر به ما می‌دهد: اگر نحو و معنا در سلول‌های جدا جای دارند و یک مدل زبانی می‌تواند خط‌کش تشخیص آن دو باشد، یک رمزگشا به فردی که معنایش را بازسازی می‌کند چه چیزی بدهکار است؟ این دیگر فلسفه نیست؛ مهندسی است — چون الکترودها همین حالا داخل‌اند.

منابع

• The inevitable weakness of metrics — MIT Technology Review · 2026-06-19
• Brain-computer interface trials are taking off — MIT Technology Review · 2026-06-19
• How the brain builds sentences, neuron by neuron — Manual / ad-hoc · 2026-06-19
• Mapping the neuronal building blocks of human language with language models | Nature — Manual / ad-hoc · 2026-06-19