A rekurzív nyelvi struktúra emberi feldolgozásának erőforrás-racionális modellje 1. rész

A pszicholingvisztikai elmélet egyik fő célja, hogy számot adjon a kognitív korlátokról, amelyek korlátozzák a nyelvi megértés és a nyelv előállításának sebességét és könnyűségét.

Valóban van bizonyos kapcsolat a nyelv korlátozása és az emlékezet között, de ez nem jelenti azt, hogy a nyelv szigorúan korlátozhatja emlékezetünket. A nyelvi korlátok fő hatása magának a nyelvnek a kifejező erejére van hatással, nem pedig a memóriánkra.

A nyelv gondolatok és érzések kifejezésének eszköze, amelyen keresztül kommunikálunk és kommunikálunk. A különböző nyelvek különböző szókinccsel, nyelvtannal és kifejezésekkel rendelkeznek, és ezek a jellemzők együttesen formálják tudásunkat és a világ megértését. A nyelv kifejezőképessége tehát közvetlenül összefügg gondolkodásmódunkkal, közösen vesznek részt az emberi gondolkodás kialakításában, fejlesztésében.

Emlékezetünket azonban nem korlátozza a nyelv. A memória képessége agyunk hatékony eszköze, és különféle módokon és módszerekkel javíthatjuk memóriánkat. Például különböző memóriatechnikák, ismételt edzés és gyakorlás, többszörös szenzoros stimuláció alkalmazása stb. segítségével ezek a módszerek stimulálhatják agyunkat és javíthatják a memóriánkat.

Egyes tanulmányok azt mutatják, hogy több nyelv beszélése javíthatja a memóriánkat. Egy új nyelv elsajátítása kihívásokkal teli tanulási folyamat, amely arra ösztönzi az agyunkat, hogy rugalmasabbá és alkalmazkodóbbá váljon. A több nyelvben való jártasság elősegítheti multikulturális látásmódunkat és tudatosságunkat is.

Röviden, egyesek azt gondolhatják, hogy a nyelv korlátozza a gondolkodásunkat és a memóriánkat, de ez a felfogás téves. Aktívan fel kell tárnunk lehetőségeinket, és fejlesztenünk kell gondolkodási és memóriaképességünket folyamatos innováció, tanulás és gyakorlás révén. A több nyelv használata hasznos felfedezés és próbálkozás, amely elősegítheti gondolkodásunk fejlődését és személyes fejlődésünket. Látható, hogy javítanunk kell a memórián, és a Cistanche deserticola jelentősen javíthatja a memóriát, mert a Cistanche deserticola egy hagyományos kínai gyógyászati ​​anyag, amelynek számos egyedi hatása van, amelyek közül az egyik a memória javítása. A darált hús hatékonyságát a benne található különféle hatóanyagok jelentik, beleértve a savakat, poliszacharidokat, flavonoidokat stb. Ezek az összetevők különféle módon elősegíthetik az agy egészségét.

Kattintson a Tudjon meg 10 módszerre a memória javítására

A széles körű bizonyítékok kulcsszerepet mutatnak a nyelvi elvárásokban: A szó előreláthatósága, amelyet a meglepetés információelméleti mennyiségével mérünk, a feldolgozási nehézségek egyik fő meghatározója.

De meglepő módon a szabványos elméletek nem tudják megjósolni a nyelvi minták egy fontos osztályának nehézségi profilját: az egymásba ágyazott hierarchikus struktúrákat, amelyeket az emberi nyelv rekurziója tesz lehetővé.

Ezeket az egymásba ágyazott struktúrákat jobban figyelembe veszik a korlátozott munkamemória-kapacitás pszicholingvisztikai elméletei. Az elvárásokon alapuló és az emlékezetalapú leírásokat egyesítő elmélet fejlődése azonban korlátozott.

Itt bemutatunk egy egységes elméletet a racionális kompromisszumról a memóriareprezentációk pontossága és az előrejelzés egyszerűsége, a kortárs gépi tanulási módszereket használó felnagyított számítási megvalósítás és az elmélet jellegzetes előrejelzéseit alátámasztó kísérleti bizonyítékok között.

Megmutatjuk, hogy az elmélet árnyalt és megkülönböztető előrejelzéseket ad a beágyazott rekurzív struktúrák nehézségi mintáira vonatkozóan, amelyeket sem az elváráson alapuló, sem a memóriaalapú elméletek nem jósolnak meg egyedül.

Ezeket a jóslatokat 1) két angol nyelvi megértési kísérlet, valamint 2) angol, spanyol és német mondatkiegészítés igazolja.

Általánosságban elmondható, hogy keretrendszerünk számításilag explicit elméletet és módszereket kínál annak megértésére, hogy a memóriakorlátok és az előrejelzések hogyan hatnak egymásra az emberi nyelv megértésében és előállításában.

A nyelv a rekurzív gondolatokat lineáris szósorokon keresztül fejezi ki (1). Ezért a nyelvi megértés központi része egy hierarchikus struktúra helyreállítása a lineáris sorrendből.

Bár ezt látszólag erőfeszítés nélkül tesszük, régóta megfigyelték, hogy az emberek erre való képessége szembemegy a rövid távú memória korlátaival (2). Az ilyen korlátok központi jelentőséggel bírnak az emberi nyelvfeldolgozás természetének megértésében, és fontos vizsgálati témát képeztek (3–8).

Az emberi feldolgozás korlátai gyakran mérhető, lokalizált különbségeket okoznak a megértés nehézségében az egyébként hasonló mondatok között, és ezeknek a nehézségi különbségeknek a modellezése a pszicholingvisztikai kutatások kulcsfontosságú célja (3–8).

Azonban kihívásnak bizonyult egységes leírást kidolgozni arról, hogy mi teszi könnyebbé vagy nehezebbé a különböző mondatok megértését az emberek számára.

A kutatás két, egymástól látszólag eltérő nézőpontot azonosított arra vonatkozóan, hogy mitől lesz nehéz megérteni a mondatokat. Elvárás-alapú modellek (9, 10) azt írják le, hogy a kontextus hogyan generál elvárásokat a valószínű jövőbeli bemenettel kapcsolatban.

Az ilyen modellek szerint a szavakat nehezebb feldolgozni, ha az előző kontextusból nehezebb előre látni őket. Ezzel szemben a memória alapú modellek azt állítják, hogy a feldolgozás nehézségei az előző kontextus reprezentációinak tárolására, valamint azok új bemenettel való lekérésére és integrálására vonatkozó korlátokból fakadnak (4, 5, 7).

Mindkét nézőpontot jelentős mennyiségű empirikus bizonyíték támasztja alá (11–16), és továbbra is nyitott kérdés maradt, hogyan egyeztethetők össze elméletileg és empirikusan (14–16).

Itt olyan elméletet és megvalósított modellt dolgozunk ki, amely összeegyezteti az elvárásokon alapuló és a memória alapú elméleteket, a legújabb kutatásokra építve, amelyek kulcsszerepet javasoltak a zajnak és a bizonytalanságnak a nyelvi bemenet emberi mentális reprezentációinak modellezésében (17–19).

Míg a nyelvi feldolgozás hagyományos modelljei általában valóságos kontextus- és bemeneti reprezentációkat feltételeznek, a mondatszintű megértés problémája egy ismert szósorozat elemzésének egyike, hogy meghatározzuk annak szerkezetét és jelentését, és megjósoljuk a jövőbeli bemenetet – a „zajos csatorna” nyelvfeldolgozás elmélete kezeli ezeket. bizonytalannak tartja a reprezentációkat, és azt feltételezi, hogy az emberi nyelvi feldolgozás elemzése és előrejelzése közelíti a Bayes-i következtetés normatív elveit, tekintettel ezekre a bizonytalan reprezentációkra (20, 21).

Ezek az ötletek vezettek ahhoz a javaslathoz, hogy egyesítsék az elvárásokon alapuló és az emlékezeten alapuló elméleteket a veszteséges kontextusú meglepetésen keresztüli feldolgozási nehézségekről (22). A veszteséges kontextusú meglepetés azt feltételezi, hogy az emberi feldolgozási nehézséget nem a valódi kontextusból, hanem a kontextus tökéletlen emlékezetű reprezentációira vonatkozó valószínűségi következtetésekből származó elvárások határozzák meg.

Elvileg ez a megközelítés figyelembe veheti mind az elvárásalapú, mind a memória alapú modellek előrejelzéseit: A szavak könnyen feldolgozhatók, ha könnyen megjósolhatók – ahogy azt az elvárás alapú modellek előre jelezték –, de ha a releváns kontextuális információ rosszul reprezentált az emlékezetben, a közelgő A szavakat nehéz lehet helyesen megjósolni, ami feldolgozási nehézséget okoz, ahogy azt a hagyományos memória-alapú elméletek jósolják.

A mai napig azonban ennek az elméletnek számos része pontosításra vár. Az elméletből hiányzik a megvalósított specifikáció arról, hogy az előző kontextus mely aspektusai hajlamosak a memóriavesztésre, ami kulcsfontosságú a tesztelhető előrejelzések levezetéséhez. Ideális esetben ennek a specifikációnak mélyebb elméleti elveken kell alapulnia.

Ezenkívül nem áll rendelkezésre a zajos csatorna-feldolgozás skálázott megvalósítása, amely szükséges az egyes mondatok nehézségi profiljának finomszemcsés előrejelzéséhez.

Ebben a munkában olyan elméleti és empirikus eredményeket mutatunk be, amelyek ezeket a korlátokat kezelik. Elméleti szinten a finomszemcsés memóriareprezentációk forrás-racionális modelljét (23) javasoljuk, azon a hipotézisen alapulva, hogy a memóriareprezentációkat úgy optimalizálják, hogy minimalizálják a kognitív erőforrások korlátai miatt várható downstream feldolgozási erőfeszítéseket.

Ennek az elképzelésnek a veszteséges kontextusbeli meglepetéssel, mint feldolgozási nehézségi mérőszámmal való kombinálása széles körű empirikus előrejelzésekhez vezet.

Ezeknek az előrejelzéseknek a kiértékeléséhez és részletes megértéséhez a javasolt modellt kortárs neurális hálózati modellezéssel valósítjuk meg, és nagyméretű szöveges adatokra illesztjük, lehetővé téve, hogy az elmélet tetszőleges természetes nyelvi bevitel esetén részletes előrejelzéseket készítsen az emberi megértés viselkedéséről.

Elméletünk előrejelzéseket ad a rekurzív struktúrák emberi feldolgozásának nehézségi mintáira vonatkozóan, amelyeket sem az elvárásokon alapuló, sem a memóriaalapú elméletek külön-külön nem tudnának megmagyarázni. A rekurzív struktúrák, különösen a középpontba ágyazás esetei, amikor a mondatok egymásba vannak ágyazva, döntő fontosságúak a pszicholingvisztikai elmélet számára, mert feltárják az emberi korlátokat a nyelv hierarchikus struktúráinak feldolgozásában (2–4, 24–26). Tekintsük Fig. 1A.

Ezekben a mondatokban változó számú mondat van egymásba ágyazva. A több középső beágyazás nehezebben feldolgozható szerkezetekhez vezet: Míg az 1A. ábra 1. és 2. tétele könnyen érthető, a 3. tétel lényegesen nehezebb.

További beágyazási szintek hozzáadása az érthetetlenségig növelné a nehézségeket. A középpontba ágyazás több szintje ritkább a nyelvhasználatban (27), ezért a tisztán elváráson alapuló elméletek helyesen jósolják, hogy összességében nehézkesek, de nem tudják megjósolni, hogy ez a nehézség hol mutatkozik meg az emberi feldolgozás során: a beágyazásból való kilépéskor a példákban a „volt” szónál. Az 1A.

Ha a kontextust hitelesen ábrázoltuk, és azt a közelgő bemenet előrejelzésére használták, akkor a beágyazásból való kilépés ezen a ponton pontosan az elvárásoknak kell, hogy megfeleljen, és könnyen feldolgozható legyen az emberi nyelven.

Egyes memória-alapú elméletek azt jósolják, hogy a beágyazásból való kilépés nehéz, azon az alapon, hogy az előző kontextus összetettsége megnehezíti a strukturális integráció megfelelő helyének megtalálását (4, 5, 7).
Itt azonban olyan kísérleti munkákat mutatunk be, amelyek azt mutatják, hogy ezt a nehézséget a szövegkörnyezet finomszemcsés különbségei modulálják: például az 1A. ábra mondataiban a jelentés tényre váltása megkönnyíti a középső beágyazásból való kilépést. Ezt a jelenséget a meglévő memóriaalapú elméletek nem jósolják meg.

Modellünk elvileg képes figyelembe venni ezeket a mintákat. Ha a memóriareprezentációk tökéletlenek, a racionális megértőknek rekonstruálniuk kell a kontextust a nyelv statisztikáinak ismeretei alapján.

A megértők inputokkal kapcsolatos strukturális elvárásait tehát nagy a priori valószínűséggel olyan kontextusok felé kell torzítaniuk, amelyek formájukban hasonlóak a valódi kontextusokhoz. Egy erőforrás-racionális modellben ez különösen azokat a változatokat érinti, amelyek olyan szavakban különböznek egymástól, amelyeket általában könnyű rekonstruálni a kontextus más részeitől, például az ashigh-frekvenciás függvényszavakat.

Például arra számítunk, hogy az olyan kontextus, mint "a jelentés, hogy az orvos bosszantotta a pácienst..." versenyezni fog az olyan változatokkal, mint "az orvos jelentése bosszantotta a beteget...", ahol a "bosszantó" a beteghez tartozó ige. kezdő főnév "jelentés".

Egy ilyen nem veridikus változatnál nem kell harmadik ige. A tökéletlen emlékezetű racionális megértők ezért nagyobb valószínűséggel várják a végső igét, ha az ilyen, nem hiteles változatoknak kisebb beágyazási mélységgel kisebb a priori valószínűsége.

Ezzel szemben, ha a nem hiteles változatok nagy a priori valószínűséggel rendelkeznek, a megértők nem számíthatnak a végső igére, és a megértés megszakad, amikor találkozik vele.

For more information:1950477648nn@gmail.com