具身语言涉及的主要科学问题

导语

具身语言学打破传统的“用电脑结构来认知人脑”的离身认知观，从崭新的具身认知观视角出发，针对语言认知和学习的现象，揭示具身感知经验如何塑造并重塑语言认知的各元素或多元素的融合，聚焦语言认知机制对应的重要具身认知官能，如感知运觉通路、镜像神经元赫布学习、大脑的拓扑图型神经网络，利用行为和神经影像学的方法（包括fMRI, NIRs和ERPs），为语言的生成、发展与优化的感知觉印痕被激活提供心理模拟的实验证据。这一新兴的语言科学具有很强的综合性、交叉性、实证性，涉及大量的神经科学和生理认知关联信息网络的基础知识，针对语音、语法、词法和语篇多个语言元素层面的语言学现象，旨在破解这一“人脑如何成为电脑”，“ 如何模拟人类语言思维实现类脑思维”的终极人工智能时代的科学命题。

20世纪80年代后期起，对比之下，具身认知研究在国外比国内热，在其他领域比在语言学领域热；在语言学领域，国内正呈现方兴未艾之势，国外多以主题聚焦的精细深入研究为主，其议题主要聚焦在 “行动为基础的语言观”的理论探讨、“感知和动觉机制融合与抑制”的机制探究、“做中学”与“经验痕迹塑造与重塑”的语言教与学的实践应用等议题上。鉴于长期在语言学中存在的“对比”思维，而具身语言学力争“求同存异、协同共赢”的方式，力图解决具身认知理论与中国本土语言认知相融合的语言学习科学研究变革问题，亟待进行理论化、系统化、本土化、科学化的整合交叉研究。本着系统化、科学化、交叉性、协同性原则，昨天我们发布了具身语言的理论基础，今天我们来谈谈具身语言涉及的主要科学问题。

栏目二：具身语言涉及的主要科学问题

我们对具身语言学涉及的主要科学问题主要从五个方面展开：两个理论：符号是否需要载体，具身语言理论的发展；两个机制：具身决策依据，具身认知机制的发展问题。一个应用：语言天赋习得的应用。

一、符号认知的发展

早期的认知科学采用了符号加工方法，这受谓词逻辑，命题和计算机形式语言的影响（Fodor,1983），计算被视为研究认知的有力工具(Johnson-Laird, 1993)。‘认知符号’指定外部事件和对象，可不论它们所象征的东西是什么，它们在内部的特性是相同的。这种内部的一致性能让认知结构决定加工（Newell& Simon, 1972），加工不依靠符号所象征的外部世界的事物。

符号认知只能通过感知运动信息所转化成的定性不同格式来实现(Pylyshyn,1985)。这种转化称为转导，即从一种信息类型（所指）转化为另一种信息类型（符号），这样就可以由认知过程来加工。认知符号必须有一个语义表达，这有别于真正的象征主义。本质上，认知符号不能用象征形式，它必须在认知功能和其所指之间存在因果关系，否则任何符号解释都是“无依据”的（Pylyshyn,1985）。在某种程度上，环境要内化，但是指示应该再创造，而不是将符号转导成符号形式。

二、具身理论决策依据

弱具身和强具身可以依据图像和人员的信息来区分。

第一，图像数据。强具身可以预测所有语义任务中初级感知运动皮层的激活。强具身提出“全面模拟”，即实际经验中产生的感官和运动激活（或多或少）的重现。弱具身特别针对具有感知运动内容的单词的所有语义任务预测主要感知运动皮质前方或邻近区域的激活。弱具身提出特定模态的激活应该与处理真实体验的初级感知运动皮质相邻或在其前面。

第二，词汇语义，叙述和意象。强具身两个理论指的是句子和叙述层面的加工（Zwaan& Ross，2004），可能会根据不同深度来吸收不同数量的感知运动信息语义处理。即使在语言加工中，单个单词，句子和叙述理解之间也可能存在差异。有证据表明，只有在词汇关联的基础上进行判断时才能获取感知运动信息（Simmons等，2008）。

第三，个体差异。个人经历对理解期间观察到的运动激活的本质和程度具有重要影响。这个观点的延伸是激活自己的运动系统可能不是必不可少的理解，但较少程度的运动活动就足够了。

第四，电生理表征。最近的一项研究已经开始探索一些细节的神经生理学变化。van Elk等人（2010）采取脑电图录音，发现动词发作后160至520毫秒的频率在10至14赫兹（mu）之间变化，集中在额部和中央头皮区域。与人类背景相比，这些早期变化对于动物背景下的动词而言更为强烈，而不是由心理影像预测的，后者可能会提出更强有力的激活措施，以便能够执行/设想。

三、具身认知机制在争论中发展

第一，扩散激活。Mahon和Caramazza（2008）认为，感知运动系统在大脑中的接触可以自然地遵循“激活从无形概念到感知运动系统级联”。总的来说，激活级联在认知过程中无处不在，因此不能被视为驳斥没有身份的证据理论或确认实施例。

第二，对语义学的贡献。语义系统是由功能和组织在内容上定义的（Rogers等，2004）。由于语义系统被定义为特定模态信息之间的一系列映射。如何解释抽象词？Mahon和Caramazza（2008）认为语义内容本质上是抽象的，不确定的。对于强具身理论，除了感知运动信息之外，几乎没有提及什么确实有助于词汇语义表征。感知运动信息不会耗尽语义内容。采用这样的观点是直观的，即语义组织的核心是不同类型的信息的联系，并且这已经通过联系或贝叶斯模型实现。

第三，抽象词汇。具身方法的一个主要问题是如何解释抽象认知，例如涉及概念表示和抽象推理的抽象认知。模拟是目前唯一可以支持语义和概念表示的机制。在我们的理论观点中，我们主张对具体和抽象词汇做出贡献的两类信息：经验（感官，运动，情感）和语言（通过共现模式和句法信息产生的口头联想）。具体和抽象词义之间的区别（以及在具体和抽象词义中）是由于体验比例和类型以及它们派生的语言信息影响的。

第四，语法。语言有各种表达其他重要元素的方式，例如通过介词（英语）传达的空间信息以及不同体的时间和时态标记。如果具身理论对语义信息做出一致解释，他们则需要能解释这些比较抽象的元素与感官运动信息相匹配的方式。对于英语介词所表达的空间关系，功能磁共振成像研究强调了左边的上边缘回和患者工作显示了语言空间关系处理和各种视觉空间任务表现之间的双重分离（Kemmerer，2010）。

四、语言习得天赋的应用

儿童学习问题中最具挑战性的问题便是语言学习，儿童学习语言既快速又轻松，因为语言是一个多层次的感知、生产和表征系统。在习得母语时，儿童最初需要解决三个问题：如何将语音信号分成词汇单位；如何从感知输入中识别单词含义；如何将这些含义与词汇单位联系起来。当前最流行和前沿的做法是通过具身意图的模拟探究来同时完成以上三个任务。

近年来，有关婴儿对连续语音切分、词汇发现和词汇意义学习方面的能力的研究取得了显著进展。大约在七个半月时,婴儿便显示出一些切分单词的能力(Jusczyk& Aslin, 1995)，语音分段可能的信息源是音素或音节的分布统计。例如，Saffran，Aslin和Newport(1996)证明，8个月大的婴儿，仅根据统计规律，就能找到人工语言中的单词边界。然而，如何在语言学习实际中应用这些线索，仍是未来需要解决的问题。在词汇层面，最近的计算模型通过使用通用学习机制成功解决了词汇学习中的归纳问题。可尚有两个问题待解决：一是关于语音习得中的社会认知技能问题；二是具身在语言学习中的作用。

此外，最近研究(Bloom，2000)已表明社会认知技能制约语言习得。Butterworth (1991)表示，即使在6个月时，婴儿已表现出对社会线索的敏感性。那么婴儿如何使用社交线索？要回答这个问题需从微观层面出发去研究自然环境下的儿童对身体线索的实时敏感性。有关语言生成研究表明说话人倾向看话语所指的物体(Griffin& Bock，2000)。这些婴儿语言学习的某些机制对成人语言学习都是可以借鉴的。对成人的研究发现，社会线索不仅在高级学习和认知中发挥作用，而且在感觉层面上影响学习和计算。然而，在意图线索和视听条件中可用的视觉线索间的精确联系未得到具体说明。

因此，通过计算模拟可以很好的实现对于语言习得天赋的应用。第一，模拟儿童词汇习得具身特点，为了给这个模型提供真实的输入，我们将多个传感器连接到成人受试身上，受试作为看护人进行一些日常活动，从而模拟在自然状态下的儿童和看护人间的互动（如图1所示）。我们可以使用这个模型来进一步探索如何模拟语言习得认知，不仅有助于描述语言学习的基本机制，而且有助于预测语言发展的学习目标。第二，未来模型仍需三个基本问题：（1）对象分类从非语言信息中识别单词含义；（2）语音切分和词汇识别提取可能具有基本含义的词汇声音模式；（3）口语词汇与其含义之间的关联。第三，语音加工。在6个月时，儿童开始以成人的方式来组织他们的因素范畴（Jusczyk，1997）。因此，这个计算模型首先将声音信号转换成因素串，模拟这种能力来比较因素串并识别嵌入连续语音中的词汇。

图1计算模型像语言学习者一样共享多感官信息

左边：positionsensors(位置感应器)；右边（从上到下）：ASL EyeTracker(ASL眼睛跟踪器)；CCDcamera(CCD摄像机)；Microphone(麦克风)

近年来，发展和认知的计算模型发生了根本变化。许多认知科学家结合了具身化约束模型——心理和行为发展如何依赖大脑、身体和环境之间复杂的相互作用(Clark,1997)。语言可能是人类学习者所获得的最复杂的认知系统，它显然涉及儿童先天能力与环境提供的社会、认知和语言信息之间的复杂互动(Gleitman& Newport,1995)。多数现有的语言习得模式都是通过人工推导的语音和语义数据来评估的(Siskind,1996)。社会线索在本质上是参考性的。在计算模型中，可估计说话人的参考意图，并以两种方式促进词汇学习。计算模型通过使用说话人的有意身体运动作为指示参考来建立词汇和它们视觉基础意义之间的关联来实现。这两种机制不仅提供了体现意图在词汇学习中的作用而且还暗示了在人类模拟中对成人学习第二语言的实验结果的探索。此外，人类模拟和计算建模的结合最终表明具身意图有助于学习新语言词汇。模型存在一定局限性，它主要处理如何将对象的视觉表示与其口头对象名称相联系。该模型只能学习基于视觉感知的物体名称，而不能学习其他看不见物体的名称含义或其他名词的抽象概念。