全脑分析和重叠分析结果
自然语言处理（NLP）是指使机器能够通过人类日常交流中使用的自然语言与人类进行交互和交流的技术。这项技术允许计算机通过自然语言生成来表达给定的意图和想法。
在《先进科学》杂志上发表的一项研究中，中国科学院中国科学技术大学（USTC）的张晓初教授及其团队通过比较人类产生和NLP产生的语言之间的神经活动差异，证明了内隐神经信息在语言感知和理解中的关键作用。本研究也为评估自然语言生成的质量提供了有希望的思路。
NLP研究界长期以来一直在寻求生成与人类产生的语言质量相匹配的语言。尽管在这一领域取得了巨大进展，但评估NLP产生的语言的质量仍然面临重大挑战。对语言心理学的研究表明，语言包含关于说话者的丰富社会和心理信息，主要由读者或听众在隐含层面上处理。因此，将内隐感知信息加入到自然语言生成的质量评价标准中是一个很有前景的潜在方向。
在这项研究中，张教授的团队收集了聊天机器人Google Meena和Microsoft XiaoIce的语料库作为NLP生成的语言的代表，人类语料库作为对照材料。使用功能性磁共振成像（MRI）技术记录参与者在浏览和评估两个语料库时的神经信号。
结果分析发现，当参与者主观判断人类语料库和机器人语料库都是类人时，背侧前额叶皮层和右侧颞顶交界区的激活水平，这是大脑心理化网络的核心区域，仍然可以显着区分语料库的来源。来自不同来源和不同判断的语料库诱发的神经活动在受试者之间显示出显着的相似性。
研究发现，显著激活的大脑区域与元分析神经合成的心理化网络重叠，表明在区分人类产生的语言和NLP产生的语言时，参与内隐感知的大脑区域确实是心理化网络。
这些发现表明，大脑的内隐感觉神经信号对评价信息比自我报告更敏感。将这些信息纳入评估标准有助于开发NLP技术。这项研究也为开发一种新的图灵测试来衡量人工智能的水平提供了新的视角。
