В первом абзаце стоит сказать честно: если бы мозг и ASR пошли на свидание, они быстро договорились бы о разделении обязанностей — и даже подписали бы меморандум о взаимном уважении к фонемам. Юмор в сторону, а результат исследования по ссылке в Nature Machine Intelligence (https://www.nature.com/articles/s42256-026-01185-0) действительно поражает своей ясностью.
Исследователи сопоставили высокоразрешающие внутричерепные (iEEG) записи человеческой слуховой коры с внутренними представлениями причинной рекуррентной модели распознавания речи. Главная находка — не просто совпадение предсказаний модели и активности мозга, а глубинная параллельность в том, как обе системы организуют обработку звука: сначала — чисто акустические признаки, затем — фонетика, дальше — лексические единицы и, наконец, семантика. Причём эта прогрессия укладывается в топографию коры: разные участки «ведут» себя как разные слои сети.
Это не очередной громкий штамп «ИИ похож на мозг», а аккуратно подкреплённый эксперимент: учёные использовали причинную RNN‑архитектуру (в отличие от многих некорректных некогерентных моделей) и показали, что обучение модели усиливает соответствие её представлений с нейронными. Авторы также сделали доступными исходные таблицы и вспомогательные материалы; часть кода лежит в пакете naplib‑python и на CodeOcean — ссылки есть в статье.
Для практики и науки это важно: понимание общих вычислительных принципов помогает и улучшать ASR, и глубже изучать, как наш мозг мгновенно переводит шум и колебания в понятные слова. Такая конвергенция идей — отличный пример того, как синергия биологии и инженерии двигает обе области вперёд, а технологии учатся элегантности естественных систем.