Une nouvelle étude révèle comment la lecture humaine diverge des modèles de langage IA, même si les deux reposent d'abord sur la prédiction du mot suivant. Les chercheurs ont découvert que si les LLM peuvent prédire la vitesse initiale de reconnaissance des mots, ils échouent à expliquer pourquoi nous relisons des phrases complexes.
La Recherche
Dirigée par William Timkey de l'Université de New York et Brian Dillon de l'Université du Massachusetts à Amherst, l'étude publiée dans Proceedings of the National Academy of Sciences a comparé les données de suivi oculaire de 368 lecteurs adultes aux prédictions de plus de 400 modèles de langage neuronaux. Ils ont utilisé des textes syntaxiquement complexes, y compris des phrases « jardin » comme « Le vieil homme le bateau ».
Les résultats ont montré que les LLM modélisent avec précision la reconnaissance précoce des mots lors d'une lecture fluide vers l'avant. Mais ils sous-estiment fortement le temps de traitement nécessaire pour intégrer les mots dans le contexte, surtout lorsque l'ambiguïté surgit. En fait, les mouvements oculaires régressifs—quand nos yeux reviennent en arrière pour relire—représentent environ 20 % des fixations de lecture. Les LLM autorégressifs standard ne disposent pas d'un mécanisme équivalent pour cette réanalyse rétrospective.
« Les modèles de langage développent leurs remarquables capacités de compréhension du langage en étant entraînés à prédire le mot suivant », a expliqué Timkey. « Nous avons constaté que les LLM peuvent expliquer combien de temps les gens mettent à reconnaître les mots lorsque leurs yeux se déplacent fluidement vers l'avant, mais ils ne parviennent pas à capturer les cas où les gens ont du mal à intégrer un mot dans un contexte plus large. »
Pourquoi C'est Important
Cette recherche donne un aperçu de notre propre architecture cognitive. Elle montre que la compréhension humaine n'est pas seulement un flux unidirectionnel de prédiction de mots ; elle implique une intégration dynamique et multi-étapes que l'IA n'a pas encore maîtrisée. Comprendre cet écart pourrait conduire à une meilleure IA et aussi nous aider à comprendre les troubles de la lecture.
Ce Que Vous Pouvez Faire
La prochaine fois que vous vous surprendrez à relire une phrase, sachez que votre cerveau fait quelque chose de complexe que l'IA ne peut pas reproduire. Pour renforcer cette capacité, essayez de lire des documents plus difficiles et de résumer consciemment ce que vous lisez—cela exerce vos compétences d'intégration contextuelle.
Source : Neuroscience News
Curieux de connaître votre propre cerveau ? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.
