Как мозг разделяет речь?

Два новых исследования, опубликованных в журналах Neuron и Nature, раскрывают, как человеческий мозг преобразует непрерывный поток звука в отдельные слова. Учёные выявили конкретный нейронный механизм, который с помощью приобретённого опыта определяет, где одно слово заканчивается и начинается следующее. Основой этого процесса считается верхняя височная извилина (superior temporal gyrus), которая оказывается ключевым центром в интерпретации устной речи.

Речь — это непрерывный поток звуковой информации без пауз между словами. Слушатель должен мгновенно и подсознательно отделять слова друг от друга, иначе вся речь превратится в неразборчивый шум. Раньше считалось, что верхняя височная извилина лишь обрабатывает базовые аспекты звука, такие как высота тона или громкость. Однако новые данные показывают, что её функции куда сложнее.

Исследователи использовали электрокортикографию, метод, при котором на поверхность мозга пациентов с эпилепсией устанавливается сетка из электродов для детальной регистрации активности нейронов. Пациенты слушали радионовости, а учёные изучали динамику нейронного отклика.

Они обнаружили, что при восприятии слова в этой области мозга возникает ритмический цикл с чётким «сбросом» активности в момент окончания слова. Этот резкий спад служит биологическим маркером границы слова. Между сбросами нейроны интегрируют фонетические звуки и просодию — ритм и ударение речи, создавая целостное восприятие слова. При этом длительность слова в «времени мозга» нормализуется, будь то короткое «кот» или длинное «бегемот».

Интересно, что аналогичный механизм выработала и искусственная нейросеть HuBERT, обученная самостоятельно распознавать речь. Она также выделяет границы слов и использует гибкое отслеживание времени, что подтверждает эффективность такого способа обработки речи.

Для проверки, что речь идёт именно о восприятии, а не просто реакциях на звук, учёные провели эксперимент с двусмысленными аудио: один и тот же звук мог восприниматься как два разных слова («турбо» или «ботер») в зависимости от того, где слушатель поставит границу. Нейронные сбросы смещались соответственно восприятию, доказывая, что верхняя височная извилина отражает субъективное восприятие.

Второе исследование проверило, зависит ли этот механизм от знания языка. Участники разных языковых групп — носители английского, испанского и мандаринского — слушали предложения на своём и чужом языках. Мозг одиноко реагировал на базовые звуки чужой речи, но сигнал разделения слов пропадал. Отсюда становится понятно, почему незнакомые языки кажутся одним сплошным шумом.

Билингвы демонстрировали работу механизма для обоих языков, а у изучающих второй язык сила сигнала коррелировала с уровнем владения. Верхняя височная извилина доказывала свою адаптивность — она подстраивается под статистические параметры знакомого языка.

Исследования имеют ограничения: записи сделаны у пациентов с эпилепсией и касаются поверхности коры, а глубинные структуры остаются за кадром. Кроме того, пока что изучается только восприятие, но не производство речи.

В ближайшем будущем учёные планируют изучить, как развивается этот механизм у детей, для чего предстоит прослеживать появление нейронных "сбросов" в процессе обучения языку.

Эти открытия меняют взгляд на верхнюю височную извилину — это не просто анализатор звуков, а сложный лингвистический интерфейс, который формирует слова, используя как мгновенный анализ звука, так и накопленный опыт.