人类通过词语向他人表达自己的思想，看似简单，实则是一个复杂的通讯编码和解码过程。以色列魏兹曼研究院的物理学家和语言学家通过联合研究，揭示了这一表达过程的概貌。书本和讲话中出现的一串串词语处于一维状态，因此它们看起来或听起来乏味且缺乏深度。但我们的大脑和记忆能够利用这一串串词汇，创造出复杂的语境和思想，即把简单的叙述变成有层次结构的语言情景，如文章中的章节、段落和句子等。这意味着，我们的头脑能对编制过的结构进行解码，并理解其中的概要。

为了测试表达一定思想的词语串的内部结构，以魏兹曼研究院复杂系统物理学系教授利沙·摩西为首的研究小组，编制了一种数学工具，并将其运用到检测一些书籍和作品中，包括爱因斯坦作品、马克·吐温的《汤姆叔叔的小屋》以及其他不同类型和时期的经典著作。利用这种数学工具，他们将大约为一个自然段的200个文字定义为“关注的窗口”，剔除无意义词语，把经常出现在一起的一对对字汇鉴别出来。针对这些因果词语的名单和出现的频率，研究人员利用数学分析方法，建造出一种“概念向量”网络，并把在文章中可产生基本思想的词语连接起来。

在数学上，这些“概念向量”具有多方向性。阅读文章被看作是在网络中沿某一条路线进行旅行。研究发现，这个网络基于一种树型结构，可能是最基本的语言基础。正是通过这种网络结构，读者或听者能够重构原文的层次结构，从而利用头脑中的多维思想空间领会作者的意思。从神经科学角度看，这一过程涉及大脑语言区（如布罗卡区和韦尼克区）的协同工作，以及海马体在记忆检索中的作用。概念向量网络可能对应于大脑中语义网络的神经表征，其中词语节点通过突触连接形成层级结构。

摩西指出：“我们的研究成果是建造了一种数学工具，用它可以建立词语概念和思想之间的联系。我们在理论上已能够了解措辞结构是如何用于传递概念和在读者心里重现其含义的。但仍然有一个需要探索的深层次的问题是，我们所揭示的相互关系是否或如何表现着文章的审美观。”这一研究为理解语言认知的神经基础提供了新视角，未来可能应用于自然语言处理和人工智能领域。