人类发明了阅读，并通过语言将这一复杂技能代代相传。近期一篇发表在arXiv上的研究（arXiv:2607.18321）为理解阅读过程中大脑的神经机制提供了新的实证证据。该研究聚焦于两个相互作用的加工过程：自下而上的处理（涉及高阶语言结构）和自上而下的处理（涉及下一词的预测性）。尽管之前的研究分别探讨了预测性的N400效应或词汇类别，但关于预测性如何在不同词汇类别中影响N400响应的研究仍然有限，主要受限于公开数据集的可用性。
在这项工作中，研究人员利用脑电图（EEG）以毫秒级时间分辨率记录大脑活动，重点分析了刺激后300-500毫秒的N400时间窗口，并考察了多种词汇和语法类别。实验基于完形填空概率（cloze probability）将词汇分为高预测性和低预测性两类。结果显示，实义词（content words）在高、低预测性条件下的N400差异显著大于功能词（function words）。进一步将实义词细分为名词和动词后，发现动词的N400差异比名词更明显，但名词所携带的预测性信息则比动词更为独特。
此外，研究还对比了传统事件相关电位（ERP）分析与解码技术（decoding technique）的效果。结果表明，解码技术在捕捉认知过程随时间变化的详细表征方面比ERP分析更有效。这一发现提示，基于机器学习的解码方法能够从脑电信号中提取更丰富的预测性相关信息，为揭示阅读中语言理解的神经动态提供了强有力的工具。
该研究的创新之处在于同时考虑了预测性和词汇类别，并利用先进的解码方法突破了传统分析的限制。未来，这类研究有望深化我们对阅读障碍、语言发育以及神经退行性疾病中语言功能改变的理解。