研究发现猕猴可以掌握中心嵌套结构语法

2018 年 6 月 26 日 中科院之声

6月18日,Current Biology期刊发表了题为《猕猴生成超正则空间序列》的研究论文,该论文由中国科学院神经科学研究所、脑科学与智能技术卓越创新中心、灵长类神经生物学重点实验室王立平研究组完成。该研究通过训练猕猴执行延时序列生成任务(delayed-sequence reproduction task),首次证明了猕猴也具有处理包含中央对称嵌套结构序列的能力;通过与学龄前儿童执行相同任务时的行为学表现对比,发现人与猕猴在加工处理该类型序列时的异同之处。该研究填补了语言进化和起源领域内的空白,并对“嵌套结构为人类所独有”这一领域内的主流假说提出挑战。

长久以来,学术界认为,人类可以具有序列学习、工具使用、音乐和数学知识理解等行为,正是由于人类具备理解并生成具有嵌套结构的序列的能力。人类之外的动物则缺乏该种能力,这可能是人类所独有的高级认知功能。尽管最近一些研究者的结果暗示了鸣禽和狒狒能够编码中央对称嵌套结构,但是这些结果尚存在较大争议:一方面,这些研究没有引入足够充分的抽象泛化刺激来证明动物的规则泛化能力;另一方面,这些行为学结果也能用转换概率和配对关系等简单的非递归编码方式来解释。

王立平2015年发表在Current Biology上的研究论文表明,从功能磁成像(fMRI)的结果上看,未经训练的非人灵长类动物大脑也能编码抽象的数字概念及代数规则,但是人和动物的大脑对于这种抽象规则的编码方式不同,并推测人类大脑的语言相关脑区拥有一种更高级的能力,能够将抽象的序列信息组合成统一格式的语言表达方式,而猕猴或许只能分别理解序列中的数字与属性。

为了进一步检测动物对嵌套结构的理解能力,团队成员设计了一个新的实验范式——延时序列生成任务,被试(猕猴及学龄前儿童)需要根据指定的规则完成特定空间坐标下的序列操作(图1)。研究者着重研究了被试在学习符合镜像(mirror)规则这一具有中央对称嵌套结构的序列时——如ABC|CBA——的行为学表现,同时也对比了学习重复(repeat)规则下的反应,如ABC|ABC序列。形式语言理论(图2)认为,完成这两种规则的操作需要使用到超正则语法(supra-regular grammar),而迄今为止尚没有证据表明人类之外的动物能够理解超正则语法。

借助于延时序列生成任务,研究组首次证明猕猴可以生成超正则语法构成的序列。关键的是,猕猴可以将习得的镜像语法规则泛化到不同的形状(如学会六角坐标系下的规则,并可运用到金字塔型或直线型下等)以及不同长度的序列中(从长度为2或3泛化到长度为4或5)。此外,猕猴还可以将两种不同的规则组合在一起,处理具有两层等级结构的复杂序列。

尽管大鼠、鸟类和少数非人灵长类动物可以识别模式声音串中的统计关系和代数规则,但它们的自发生成能力(例如发声或身体运动)并没有表现出相同的抽象规律。研究人员使用这种新颖的空间序列生成范式,第一次证明猕猴拥有生成复杂语法结构的能力。该研究结果质疑了乔姆斯基层级结构中人类和非人类动物对于正则和超正则(上下文无关)语法之间理解能力不同的观点。人类与非人类动物之间在规则学习能力上的界限需要更加严谨的思考,并不像目前假设的那样清晰。

与猕猴相比,学龄前儿童在一些测试中很快就习得了相同的语法。这一发现与其他研究团队的神经网络模拟实验相似:传统神经网络虽然在序列学习中最终可以习得递归语法,但这个过程需要庞大而复杂的训练集;而采用嵌套树状结构的神经网络却能很快地习得复杂的语法。即使在经过大量的强化训练后,猕猴在操作长度为4的序列时仍然依赖于简单的有序记忆进行编码,而学龄前儿童则会自发地利用组块策略和几何结构特征来压缩信息。这些结果表明,人类大脑中可能拥有动物不具备的计算系统,该系统能让人类在归纳学习中通过压缩信息而高效地进行序列表征。

综上,基于现有的实验数据,研究组提出了新的语言演化假说:猕猴的大脑可能并不存在阻碍其学习超正则语法结构的先天结构缺陷,甚至可能不存在影响其掌握包括语言在内的高级认知能力的缺陷,习得超正则结构的能力上并非人类所独有。换言之,人类在学习此类结构时的快速性,以及在结构操作过程中使用到的某些特有的结构敏感算法,则更有可能是人类之所以为人的独到而关键之处。

同期杂志还邀请了著名的进化生物学家、认知学家、维也纳大学教授W. Tecumseh Fitch为该研究撰写了题为《生物语言学:猴类打破了语法壁垒》的评述文章。文章高度评价了王立平研究组的该项工作,认为“……在超过十余年的努力探寻之后,研究者终于发现了能使得非人类物种打破‘语法壁垒’的范式。尽管完全的人类语言还需要更多的工作机制共同参与(包括复杂的语义及说话所必须的神经操控机制),但现如今已经可以(借助该范式)对语法上的核心成分之一开展神经活动层面的探究。让我们拭目以待!”

该项工作主要由中科院神经所博士生龙腾海和华东师范大学心理与认知科学学院博士生姜新剑在王立平指导下共同完成,研究组李俊汝、曹魏聪等人员积极参与,并得到了远东宏信教育集团总校长任国芳、中科院神经所动物房及研究组其它成员的大力协助。研究工作得到了中科院百人计划、中科院前沿科学重点研究项目及上海市重点基础研究项目的支持。


 

图1:(A)延时序列生成任务(delayed-sequence reproduction task)流程示意图,包含对重复(右上)和镜像(右下)两种规则的测试。(B)猕猴执行任务时的示意图。


 

图2:语言可以依据不同的复杂程度进行分级,并可大致分为正则下(左向箭头)和超正则(右向箭头)两种系统。


来源:中国科学院上海生命科学研究院



登录查看更多
0

相关内容

数学上,序列是被排成一列的对象(或事件);这样每个元素不是在其他元素之前,就是在其他元素之后。这里,元素之间的顺序非常重要。
[ICML2020]层次间消息传递的分子图学习
专知会员服务
33+阅读 · 2020年6月27日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
【斯坦福大学-论文】实体上下文关系路径的知识图谱补全
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
自动结构变分推理,Automatic structured variational inference
专知会员服务
39+阅读 · 2020年2月10日
ACL 2019 | 多语言BERT的语言表征探索
AI科技评论
20+阅读 · 2019年9月6日
大脑通过统计推理表征“自我”
人工智能学家
6+阅读 · 2019年9月4日
这种有序神经元,像你熟知的循环神经网络吗?
机器之心
6+阅读 · 2018年12月20日
专栏 | 用神经推理来帮助命名实体识别
机器之心
15+阅读 · 2018年11月8日
CoNLL 2018 | 最佳论文揭晓:词嵌入获得的信息远比我们想象中的要多得多
黑龙江大学自然语言处理实验室
3+阅读 · 2018年11月2日
人工神经网络是否模拟了人类大脑?
数说工作室
9+阅读 · 2017年7月19日
Visualizing and Measuring the Geometry of BERT
Arxiv
7+阅读 · 2019年10月28日
Arxiv
6+阅读 · 2018年11月1日
VIP会员
相关VIP内容
[ICML2020]层次间消息传递的分子图学习
专知会员服务
33+阅读 · 2020年6月27日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
【斯坦福大学-论文】实体上下文关系路径的知识图谱补全
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
自动结构变分推理,Automatic structured variational inference
专知会员服务
39+阅读 · 2020年2月10日
相关资讯
ACL 2019 | 多语言BERT的语言表征探索
AI科技评论
20+阅读 · 2019年9月6日
大脑通过统计推理表征“自我”
人工智能学家
6+阅读 · 2019年9月4日
这种有序神经元,像你熟知的循环神经网络吗?
机器之心
6+阅读 · 2018年12月20日
专栏 | 用神经推理来帮助命名实体识别
机器之心
15+阅读 · 2018年11月8日
CoNLL 2018 | 最佳论文揭晓:词嵌入获得的信息远比我们想象中的要多得多
黑龙江大学自然语言处理实验室
3+阅读 · 2018年11月2日
人工神经网络是否模拟了人类大脑?
数说工作室
9+阅读 · 2017年7月19日
Top
微信扫码咨询专知VIP会员