İnsan Dilinin Nöronal Haritası: Yapay Zekâ Beyindeki Dil Kodlarını Açığa Çıkardı

İnsan beyninde dilin nasıl temsil edildiğine dair uzun süredir devam eden tartışmalar, yeni bir çalışmayla daha ayrıntılı bir boyut kazandı. Araştırmacılar, frontal ve temporal korteks boyunca dağılmış tek tek nöronları inceleyerek, dil işlemeye katılan hücrelerin yalnızca nerede bulunduğunu değil, hangi dilsel özelliklere nasıl yanıt verdiğini de ortaya koydu. Çalışma, dilin beynin tek bir noktasına sıkışmış bir işlev olmadığını; tersine, farklı bölgeler arasında paylaşılan, ancak belirgin biçimde yönlü bir nöronal mimari içinde işlendiğini gösteriyor.

Nature’da yayımlanan araştırmada ekip, ileri düzey tek-nöron kayıt tekniklerini büyük dil modelleriyle birleştirdi. Bu yaklaşım, beynin gerçek zamanlı sinyal faaliyetini modern yapay zekâ araçlarıyla karşılaştırmalı olarak çözümlemeye imkân verdi. Bilim insanları böylece, dil üretimi ve anlamanın merkezinde yer alan nöronların yalnızca “aktif” olup olmadığını değil, sözcükler, sözdizimi ve diğer dilsel ipuçları gibi farklı özelliklere nasıl seçici yanıt verdiğini de değerlendirdi.

Çalışmanın kapsamı, dil araştırmalarında tarihsel olarak kritik kabul edilen üç kortikal bölgeyi içeriyordu: frontal korteks, anterior temporal korteks ve posterior temporal korteks. Bu alanlar, konuşma üretimi ve dil anlama süreçleriyle ilişkilendirilen temel merkezler arasında yer alıyor. Araştırmacılar, özellikle önceki beyin görüntüleme çalışmalarının bu bölgelerde seçici yanıtlar ortaya koymuş olmasını dikkate alarak örneklem alanını bu kortikal yapılara yönlendirdi. Elde edilen veriler, dilin nöronal temellerinin oldukça geniş bir dağılım gösterdiğini ve hem sol hem sağ hemisferde yer alan hücrelerin bu süreçlere katkı sağlayabildiğini ortaya koydu.

Araştırmanın öne çıkan bulgularından biri, incelenen 579 nöronun yaklaşık yarısının, yani 289’unun, bir ya da daha fazla dilsel özelliğe seçici yanıt vermesiydi. Bu seçicilik, üç kortikal bölgede de benzer düzeylerde görüldü ve sol ile sağ yarıküre arasında belirgin bir fark saptanmadı. Bu sonuç, dilin beynin tek bir yarımküresine ya da tek bir anatomik kümeye indirgenemeyecek kadar dağıtık olduğunu, ancak buna rağmen tamamen simetrik de olmadığını düşündüren daha karmaşık bir tablo sunuyor.

Bilim insanlarının “lateralize” olarak tanımladığı bu düzen, dil işlemenin beynin her iki yarımküresinde yer almasına rağmen tam anlamıyla eşit dağılmadığını, belirli alt süreçlerin belirli yönlerde daha belirgin olabileceğini ima ediyor. Ancak bu yeni veriler, önceki kabulleri basitçe tersine çevirmek yerine, dilin nöronal kodunun çok katmanlı bir yapıya sahip olduğunu gösteriyor. Yani bazı nöronlar konuşma akışını, bazıları sözcüksel örüntüleri, bazıları ise daha soyut dilsel ilişkileri işleyebilir.

Bu çalışmayı önemli kılan bir diğer nokta, yapay zekâ destekli dil modellerinin biyolojik verilerle eşleştirilmesi. Büyük dil modelleri, metinler arasındaki örüntüleri istatistiksel olarak öğrenebilir; ancak burada kullanılan yaklaşım, bu dijital örüntülerin gerçek nöronal kayıtlarla karşılaştırılmasına dayanıyor. Böylece araştırmacılar, beynin hangi tür dil bilgisini nasıl kodladığını daha hassas biçimde test edebildi. Bu yöntem, nörobilimde giderek artan biçimde kullanılan hesaplamalı araçların, insan beynindeki karmaşık bilişsel işlevlerin çözümünde ne kadar güçlü bir tamamlayıcı olabileceğini de gösteriyor.

Tek-nöron düzeyinde yapılan kayıtlar, insan beyni araştırmalarında son derece değerli ancak teknik olarak zor bir yöntem olarak biliniyor. Çünkü her bir hücrenin aktivitesini doğrudan izlemek, dil gibi hızla akan ve çok boyutlu bir işlevde ayrıntılı çözünürlük sağlar. Buna karşın tek başına görüntüleme yöntemleri, genellikle bölgesel düzeyde bilgi verir. Bu nedenle mevcut çalışma, tek hücre ölçeğindeki veriler ile makine öğrenimi temelli analizlerin birlikte kullanılmasının, dilin beyin içindeki organizasyonunu anlamada daha keskin bir pencere açtığını ortaya koyuyor.

Sonuçlar, insan dilinin nöral altyapısına ilişkin klasik modelleri tamamen geçersiz kılmıyor; ancak onları daha ayrıntılı bir çerçeveye yerleştiriyor. Frontal ve temporal korteksin her biri, dilin farklı bileşenlerine katkıda bulunuyor olabilir. Üstelik bu katkılar, yalnızca bölgesel yerleşime değil, tek tek hücrelerin hangi bilgiyi temsil ettiğine de bağlı görünüyor. Araştırmanın bu yönü, dil bozukluklarının anlaşılması açısından da önem taşıyabilir; çünkü ileride belirli dil belirti ve semptomlarının hangi nöronal düzeneklerden kaynaklandığını çözmek mümkün olabilir.

Bununla birlikte çalışma, erken ve temel bilim niteliği taşıyor; dolayısıyla klinik sonuçlara doğrudan atlamak için henüz erken. Yine de elde edilen bulgular, insan dilinin beyinde nasıl örgütlendiğine dair düşünce biçimini değiştiriyor. Dil, artık yalnızca Broca veya Wernicke gibi tarihsel etiketlerle açıklanan bir işlev değil; çok sayıda bölgeye yayılmış, ancak belirli hesaplama rolleri üstlenen nöronlar tarafından taşınan dinamik bir ağ olarak görülüyor.

Araştırmacıların bir sonraki adımda, bu nöronal seçiciliğin konuşma, anlama ve içsel dil üretimi gibi farklı görevlerde nasıl değiştiğini daha ayrıntılı incelemesi bekleniyor. Şimdilik çalışma, insan beyninde dilin nasıl kodlandığına dair en ince çözünürlüklü tablolardan birini sunuyor ve yapay zekâ araçlarının nörobilimde yalnızca analiz değil, keşif aracı olarak da kullanılabileceğini güçlü biçimde gösteriyor.