注：此为单一来源报告，尚待核实。

由美国国立卫生研究院 (NIH) 资助的一个研究团队利用机器学习模型分析单细胞脑电图，以识别与人类语言产生相关的神经元活动。研究人员在八名接受癫痫监测的患者体内植入微电极阵列，记录了他们在自然英语对话过程中额颞叶皮层的活动。

研究人员将神经元数据与对话转录文本进行比对，并应用自然语言处理模型来检验大脑活动与语言特征之间的关系。他们发现，语音出现之前的神经元信号可以预测不同主题的语言属性，包括语法、含义和句子语境。

该研究发现神经元的功能存在分工：一些神经元编码基本的词汇信息，例如词义和语法功能，而另一些神经元则与复杂的任务相关，例如将词语组合成结构化的句子。机器学习模型能够区分相似的短语和词语，这表明神经元活动反映了独特的语境语言要素。

研究人员表示，这种对语音的细胞层面的深入了解，为未来的研究和技术解码与语音相关的思维奠定了基础，有可能使有沟通障碍的患者受益。