人类与人工神经系统中语言构造的收敛表征

理解大脑如何处理语言构造是认知神经科学和语言学中的核心挑战。最近的计算研究表明，人工神经语言模型会自发发展出论证结构构造 (ASC) 的差异化表征，生成关于构造级信息在处理过程中何时及如何出现的预测。本研究在使用脑电图 (EEG) 测试这些预测时，发现了类似的模式。十名以英语为母语的受试者在听来自四种语言构造类型（传递式、双向传递式、导致运动式、结果式）的 200 句合成句子时记录了神经活动。采用时频方法、特征提取和机器学习分类进行分析，发现语言构造特有的神经信号主要在句子末端出现，即论证结构完全明确时，最显著的表现出现在 α 波段。成对分类显示，尤其是在双向传递式和结果式构造之间，能够可靠地区分，而其他构造对之间的表现则重叠。关键的是，这些效应的时间出现和相似性结构与在循环神经网络和基于 Transformer 的语言模型中的模式相吻合，这些模型中的构造表征在整合处理阶段出现。这些发现支持语言构造作为独特形式-意义映射在神经系统中编码的观点，与建构语法相吻合，并暗示生物系统和人工系统在类似的表征解决方案上存在收敛。更广泛地说，这种收敛现象与学习系统发现处于底层表征景观中稳定区域的观念相一致，称为 Platonist representational space，约束语言抽象的高效出现。