Tehisintellekti (AI) abil on teadlased dekodeerinud keerukat aju tegevust igapäevaste vestluste ajal, mis võiks suurendada meie arusaamist keele neuroteadusest ja parandada kõnetuvastuse ja suhtlemise tehnoloogiaid. Nad kasutasid AI mudelit nimega Whisper, mis tõlgib heli tekstiks, koolitades helifaile ja nende vastavaid transkriptsioone. Erinevalt traditsioonilistest mudelitest, mis toetuvad keele struktuuridele nagu foneemid ja kõnes osad, õpib Whisper puhtalt statistiliste seoste kaudu ning suudab uue heli põhjal ennustada teksti. Kuigi tema esialgne disain ei kodeeri keelelisi omadusi, tekkisid need omadused treeningu käigus. Uuring, mis avaldati ajakirjas *Nature Human Behaviour*, hõlmas nelja epilepsia patsienti, kellele olid kliinilise jälgimise eesmärgil implanteeritud elektroodid. Teadlased salvestasid üle 100 tunni reaalsetest vestlustest, et uurida aju tegevust väljaspool kontrollitud laboritingimusi.

Nad avastasid, et erinevad ajupiirkonnad aktiveerusid kõnelemise ja kõne mõistmise ajal, toetades ideed, et töötlemine on jaotatud, mitte et konkreetsed alad on pühendatud spetsiifilistele ülesannetele. Näiteks näitas helide töötlemise piirkond kõrgenenud aktiivsust auditiivse sisendi ajal, samas kui kõrgema taseme mõtlemisega seotud alad olid keele mõistmisel aktiivsemad. Aktivatsiooni jada näitas edasiviimist sõnade kuulamisest nende tähenduse tõlgendamisele. Koolitades Whisperit 80% helifaile, saavutasid teadlased täpsed ennustused aju tegevuse kohta koolitamata vestluste puhul, ületades traditsioonilised mudelid, mis sõltuvad keelelastest omadustest. See murranguline uurimus loob seose AI keelemudelite ja ajufunktsioonide vahel, viidates sellele, et mõlemad võiksid keelt sarnaselt töödelda, kuigi selliste paralleelide kinnitamiseks on vajalik edasine uurimine. Võrdlevad uuringud tehisnärvivõrkude ja inimkognitsiooni vahel jäävad keele töötlemise ühiste mehhanismide mõistmise jaoks hädavajalikuks.