麻省理工学院（MIT）神经科学家 Ev Fedorenko 团队在《Nature Neuroscience》上发布了一项历时15年的突破性研究，首次以毫米级精度绘制出人类大脑中专司语言处理的神经网络图谱。这项成果揭示了一个令人惊讶的事实：负责将词语转化为意义、再将意义组装成句子的核心区域，体积仅相当于一颗草莓大小，却功能高度特化，并与负责推理、情绪等高级认知功能的脑区完全分离。
1400次脑扫描精准定位“语言中枢”
研究团队通过让受试者执行阅读文本、默写单词、聆听故事等任务，同时对比其在进行数学运算或观看视觉图像时的大脑活动，成功剥离出纯粹由语言引发的神经信号。经过对1400余次功能性磁共振成像（fMRI）数据的系统分析，研究人员确认，人类语言网络平均体积仅为4.2立方厘米，集中分布于左脑额下回与颞叶交界区域。更值得注意的是，该区域在不同个体间的激活模式高度一致，跨被试空间重合度超过92%，展现出惊人的稳定性与可预测性。
临床观察佐证：语言受损，思维未损
为验证语言与思维是否真正解耦，研究纳入了212名因中风或外伤导致失语症的患者。结果显示，尽管这些患者无法组织完整语句或理解复杂语法，但他们仍能完成逻辑推理、空间导航甚至抽象问题解决等高阶认知任务。Fedorenko 强调：“这说明语言并非思维的载体，而更像是一个‘输出接口’——思维可以独立运行，只是失去了表达的通道。”
开源图谱加速AI与脑机融合
该团队已将这份分辨率达1毫米的语言网络概率图公开发布，迅速引起科技巨头关注。Meta 与 Google DeepMind 已将其用于优化大语言模型的架构设计，并指导新一代脑机接口设备中电极的精准布设。据 MIT 透露，基于此图谱开发的“语言-思维”双区协同刺激协议预计将于2025年第二季度进入临床试验阶段，有望通过外部神经调控帮助失语症患者重建语言生成能力。
对人工智能发展的深层启示
Fedorenko 在成果发布会上指出，当前主流生成式 AI 模型普遍将语言建模与知识推理混杂在同一训练框架内，而人脑却采用模块化策略——语言处理与认知推理由不同神经回路承担。“未来的人工智能或许应借鉴这一机制，构建‘语言接口层’与‘推理核心’分离的架构，”她建议道，“这样不仅可能降低模型产生幻觉的概率，还能在保持语言流畅性的同时提升逻辑一致性。”这一发现或将推动下一代AI系统向更类脑、更可靠的方向演进。
