抽象涌现的学习视角：音素的有趣案例

在本文中，我们使用一系列建模技术来研究抽象音素是否能从语音声学输入中涌现。实际上，该研究试图将基于使用的语言学中的一个理论机制——即从语言使用中涌现抽象——操作化。我们的探索聚焦于此类假设抽象中最简单的一种。我们检验关于未受语言训练的语言使用者语言知识发展的两个对立原则：基于记忆的学习（MBL）与纠错学习（ECL）。泛化过程构成了语言学家所操作的抽象的基础，我们探究 MBL 和 ECL 是否能产生类似于语言抽象的语言知识。每个模型都被输入由一名说话者产生的大量预处理语音。我们评估了这些简单模型所学内容的连贯性或稳定性，以及它们产生抽象类别的能力。两类模型在这些测试中表现不同。我们表明 ECL 模型能够学习抽象，并且至少部分音素清单及归入传统类型可从输入中可靠识别。