研究人员介绍，人类听觉系统从语音信号中提取丰富的语言抽象。理解这一复杂过程的传统方法采用线性特征编码模型，但成效有限。人工神经网络在语音识别任务中表现出色，为语音处理提供了前景广阔的计算模型。

研究人员使用最先进的深度神经网络（DNN）模型中的语音表征来研究了从听觉神经到语音皮层的神经编码。深度神经网络分层表征与整个上升听觉系统的神经活动密切相关。无监督语音模型的表现至少与其他纯监督或微调模型相当。

较深的DNN层与高阶听觉皮层的神经活动有更好的相关性，其计算与语音中的音位和音节结构一致。因此，以英语或普通话训练的DNN模型可以预测每种语言的母语使用者的大脑皮层反应。这些结果揭示了DNN模型表征与生物听觉通路之间的趋同性，并为听觉皮层神经编码建模提供了新方法。

相关论文信息：

https://doi.org/10.1038/s41593-023-01468-4