कृत्रिम बुद्धिमत्ता (AI) चा वापर करून, संशोधकांनी दररोजच्या संभाषणांदरम्यानच्या जटील मस्तिष्क क्रियाकलापांचे विश्लेषण केले आहे, ज्यामुळे भाषाशास्त्र व न्यूरोसाइंस समजून घेण्यात मदत होईल आणि संवाद व भाषण ओळखण्यासाठी तंत्रज्ञान सुधारता येईल. त्यांनी Whisper नावाचा एक AI मॉडेल वापरला, जो ऑडिओ फाइल्स आणि त्यांचे संबंधित लिप्यंतर शिकवून ऑडिओला टेक्स्टमध्ये रूपांतर करतो. पारंपरिक मॉडेल्सच्या तुलनेत, जे ध्वनिशास्त्रीय संरचना जसे की फोनम्स आणि भाषाशास्त्रीय भागांवर आधारित असतात, Whisper संख्यात्मक संबंधांवर आधारित भासवते आणि नवीन ऑडिओमधून टेक्स्टचा अंदाज घेऊ शकते. प्रारंभिक रचनेमध्ये भाषाशास्त्रीय वैशिष्ट्ये समाविष्ट नसली तरी, त्या वैशिष्ट्ये प्रशिक्षणादरम्यान उदयास आल्या. *Nature Human Behaviour* मध्ये प्रकाशित केलेल्या या अध्ययनामध्ये चार मिरगीदोषाच्या रुग्णांचा समावेश होता, ज्यांच्यावर क्लिनिकल मॉनिटरींगसाठी इलेक्ट्रोड्स बसवले गेले होते. संशोधकांनी नियंत्रित प्रयोगशाळा वातावरणाबाहेर मस्तिष्क क्रियाकलापाचा अभ्यास करण्याच्या उद्देशाने 100 तासांपेक्षा जास्त प्रत्यक्ष संवादांची नोंद केली.

त्यांनी शोधले की बोलणे व भाषण समजून घेणे यावेळी विविध मस्तिष्क भाग सक्रिय झाले, ज्यामुळे विशिष्ट कार्यांसाठी समर्पित स्पष्ट क्षेत्रांऐवजी वितरित प्रक्रिया पद्धतीचा विचार दृढ झाला. उदाहरणार्थ, ध्वनी प्रक्रिया करणारे क्षेत्र श्रवण इनपुटदरम्यान अधिक सक्रिय झाले, तर उच्च स्तराच्या विचारांशी संबंधित क्षेत्र भाषा समजण्यात अधिक सक्रिय होतील. सक्रियतेची मालिका शब्द ऐकण्यापासून त्यांच्या अर्थांवर लक्ष केंद्रित करण्याच्या प्रक्रियेची प्रगती दर्शवते. संशोधकांनी 80% ऑडिओ डेटा वापरून Whisper ला प्रशिक्षीत केले, ज्यामुळे त्यांनी प्रशिक्षित नसलेल्या संवादांसाठी मस्तिष्क क्रियाकलापाचा अचूक अंदाज घेतला, पारंपरिक मॉडेल्सच्या तुलनेत जे भाषाशास्त्रीय वैशिष्ट्यावर आधारित आहेत. हे सुव्यवस्थित संशोधन AI भाषामॉडेल्स आणि मस्तिष्क कार्यांमधील संबंध स्थापित करते, असा प्रस्ताव ठेवतो की दोन्ही भाषेला समान रीतीने प्रक्रिया करू शकतात, जरी या समानतांचा पुष्टी करण्यासाठी पुढील तपास आवश्यक आहे. कृत्रिम तंत्रिक नेटवर्क आणि मानवी संज्ञानाची तुलनात्मक अध्ययन भाषा प्रक्रिया करण्यामध्ये सामायिक यांत्रिकी समजून घेण्यात महत्त्वपूर्ण असल्याचे राहिले आहे.