英語詞典按照字母順序排列出所有常用英文單詞，人類大腦又是如何儲存這些詞匯的呢？解開這個謎題的回報將是巨大的：通過觀察大腦活動，就能知道你正在想什么。

神經科學家們一直都在研究「讀心術」，試圖解碼大腦信息。

伯克利大學 Brian Pasley 等人曾試圖解碼人類自忖時的語詞。在治療癲癇病人的過程中，研究人員將電極植入大腦顳葉，記錄病人聽人說話時大腦的活動情況。他們發現， 顳葉只會被聲音的某些方面激活，比如特殊的頻率。以此為基礎，伯克利的研究人員設計了一套算法，僅以神經活動為基礎，解碼人類自忖時的語詞。（當然，前提是假設自忖和聽別人說話會激發一些相同的神經信號。這樣，用以識別聽到語詞的算法，也能用來解碼自忖時的語詞。）

在荷蘭，馬斯特里赫特大學 Joao Correia 等人的「讀心術」研究已經證實，大腦某個區域會對特定詞匯做出反應。

伯克利大學神經科學家 Jack Gallant 自己的實驗室也巳經發現，大腦會根據意義類別，比如動物或建筑物，對視覺信息進行分類。

但是，大腦究竟如何安置詞匯和概念——這是通往清楚解讀人類思想的關鍵一步——仍然模糊不清。

這正是Jack Gallant 及其研究團隊想要征服的下一個高峰。是否能夠在大腦皮層，這個灰色物質褶皺的外層，繪制出更加完整的語義地圖，看看大腦各區域如何對具有類似語義內容的詞匯做出反應？不同受試的語義地圖是否存在類似地方？Jack Gallant 表示，希望能在大腦處于自然狀態時，完成所有這些研究工作。

他們做到了。

在最新一期《Nature》封面文章《Semantic information in natural narrative speech is represented in complex maps that tile human cerebral cortex》中， Jack Gallant 和他的團隊（Gallant 認知、計算和系統神經科學實驗室）終于成功繪制出大腦語義地圖（985 個英語常用詞匯語義）。我們可以清楚看到大腦如何根據更深一層的詞匯含義，將詞匯安置到諸如數字、地點或其他基于共通主題的子類別當中。

為了繪制出語義地圖，研究人員請來 7 位受試傾聽 The Moth Radio Hour 里的故事。在受試聽故事時，科學家使用 fMRI（功能性磁共振成像）記錄下大腦血氧水平的變化——一種神經活動的信號。然后，將故事文本的詞匯意義與腦部活動數據進行對比，看看相關詞匯組如何在 5—8 萬個豌豆大小位置（遍及整個大腦皮層）引發神經反應。

論文第一作者 Alexander  Huth 之所以采用 The Moth Radio 里面的故事，是因為它們既短小又吸引人。故事越迷人，科學家們就越有自信：接受腦部掃描測試的受試沒有走神。7 個人，每個人要聽 2 個小時的故事，大致要聽 25，000 個詞匯（words）——以及 3，000 多個不同詞匯（words）。

講述故事過程中，研究人員也會轉錄下故事，并記錄下讀出每個單詞的時間。

然后，研究人員利用 fMRI 數據和記錄下來的故事文本，建立計算模型，根據受試者聽到詞匯的函數來預測大腦活動。為了驗證這些模型，研究人員利用它們來預測大腦對新故事的 fMRI 反應。結果發現，這些模型能夠相對良好地預測幾個寬闊大腦皮層區域的反應。

接下來，研究人員試圖發現皮層每個點所代表的語義信息類型。為了將相當高維度的語義模型視覺化，他們使用了一種叫做主要成分分析（principal components analysis , PCA)的降維技術。PCA 會找出數據中最重要的維度，這樣，研究人員就可以將 985 —維的模型降到只有三維，同時還能盡可能多的保存住信息。利用這三個維度，研究人員大致視覺化出皮層每個地方所代表的語義信息類型，揭示出覆蓋在大腦表面上的復雜語義地圖。

最后，為了發現這些地圖中的哪些方面是所有受試所共享的，他們采用了一種新的叫做 PrAGMATiC（一個概率和生成模型）的計算方法。這種方法可以找出受試共享的功能區域，同時也能容許每個區域解剖學位置上存在個體差異。

結果顯示，詞匯及相關術語（terms）都激活了大腦同一個區域。比如，大腦左邊，耳朵以上，這塊小面積區域代表著單詞「受害人（victim）」。 這塊區域也對 「殺害（killed)」, 「宣告有罪（convicted）」，「謀殺(murdered)」和「認罪（confessed）」有反應。大腦右側，近頭部頂端，也是會對以下詞匯產生反應的大腦位置之一：「妻子」、「丈夫」、「孩子」、「父母」。

人的大腦右半球。當從上下文聽到覆蓋在皮層上的語詞時，可以預測出這些語詞會在相應區域附近引發強烈反應。綠色詞匯幾乎都是視覺和觸覺方面的詞匯，紅色詞匯與社交有關。

代表每個詞匯的大腦位置不止一處，因為詞匯往往不止一個含義。比如，大腦有個部分，會可靠地對「頂部（top）」做出反應，也會對其他描繪衣服的單詞做出反應（top 也有上衣的意思）。但是，單詞「頂部（top）」也激活了許多大腦其他區域。其中一個區域還會對數字和度量單詞做出反應（top 也有最大、最高之意），另一個區域與建筑（top 表示頂層）和地點相關。

由此可見，并不存在一個單獨的大腦區域來儲存一個詞匯或者概念。大腦中，一個單獨的位置與許多相關詞匯存在聯系。而且，每一個單獨詞匯會點亮許多不同的大腦位置。它們一起，形成了一張網絡，這張網絡代表著我們使用中每個詞匯語義：生命與愛；死亡和稅收；云彩，佛羅里達和胸罩。研究人員一共識別出１２個簇群（clusters），每個簇群都保存著與特定概念相應的語詞。

另外，研究人員驚訝發現：所有受試大腦地圖是類似的，這意味著，他們的大腦以相同的方式組織詞匯意思。不過，科學家僅掃描了五位男士與兩位女士。所有受試均以英語為母語。擁有不同背景和文化的人，很可能會有不同的大腦語義地圖。

三位不同受試的語義地圖，不同顏色分布存在相似性

研究還發現，語言網絡占用的大腦區域非常廣闊，并不局限于少數幾個區域。而且，語義表征是高度雙邊的，具有功能對稱性：在對語詞做出回應的大小和多變方面，大腦右半球和左半球是一樣的。這一發現對當前教條提出了挑戰。根據幾十年來對腦部受損患者的研究，當前教條認為，語言僅與左半球有關。

帝國理工的神經學家 Richard Wise 說，長期以來，科學家一直懷疑語詞被儲存在大腦的意義云中。因此，這項研究結果并非真的讓人驚訝。

劍橋大學語音、語言和大腦研究中心（Centre for Speech, Language and the Brain ）負責人、認知神經科學家 Lorraine Tyler 說，在廣度和方法上，這項研究堪稱杰作。但是，目前這種形式的大腦地圖并沒有捕捉到詞語意思的微妙區別。以 「table 」這個詞為例。它可能屬于許多不同語義組。「它可以指用來吃東西的東西，用木頭做的東西，很重的東西，有四條腿的東西，不會動的東西，等等。詞匯能夠得以靈活運用，離不開這類細節的語義信息，但是，在分析過程中，這類信息被丟掉了�！�

普林斯頓的神經科學家 Uri Hasson 對這項研究表示贊賞。他指出，許多研究觀察的是，說出一個孤立的詞匯或句子時，大腦活動情況如何。和這些研究不同，Gallant 研究小組的成果揭示出大腦在真實世界情景中的運作方式。Hasson 相信，最終，根據大腦活動，重現一個人正在想著的詞匯，是有可能的。另外，他也指出，這項研究的道德應用問題影響很大。一個更加良性的使用方法是，通過觀察大腦活動，評估某些政治信息是否被有效地傳遞給公眾。

波士頓大學的 Swathi Kiran表示，「我們正苦于那些不漂亮、不夠整齊以及受損的大腦，這篇文章告訴我們正常大腦的樣子�！乖撗芯坑兄�于人們了解諸如老年癡呆癥或失語癥患者的語言缺損現象。總之，正如 Hasson 所說，「研究的應用方式很多，我們僅觸及其表面。」

值得一提的是，這項研究也有方法上的重要貢獻。研究人員開發出數據驅動方法，它們對恢復詳細的語義地圖足夠敏感。有了這種方法，研究人員就能高效繪制出許多不同語義信息類型的地圖。這些方法也能被用于繪制其他與語言有關的信息地圖，比如，語素信息。

同時，這篇論文采用的數據驅動方法，也進一步推動了認知神經科學領域中，數據驅動型研究方法（也是人類神經解剖學和功能連接研究中常見的方法）與傳統、基于假設的實驗研究方法之爭。作為同行，Uri Hasson 對新方法欣然接受，「做科學研究，并不只有一種方法。」

人類語言是一種復雜信號，包含多種不同信息類型：音素（phonemes）、詞素（morphemes）、句法（syntax）、語義和敘述，等等。在對敘事語言的自然理解過程中，大腦必須處理這些所有的不同方面。因此，語言的每一個不同方面都要在大腦某處表現出來。

目前，研究團隊已經開始研究新的地圖：大腦如何保存語言其他方面的信息，從音素到句法（syntax）。不過，到目前為止，大腦敘述結構地圖還是難以捉摸�！该看蜗氲揭惶讛⑹鎏卣�，我們就被告知這些不是正確的敘述特征組�！�

如果你也想查看一下這部詞典，請前往他們的交互式網站：http://gallantlab.org/huth2016/