Un modelo racional de recursos del procesamiento humano de la estructura lingüística recursiva Parte 1

Un objetivo importante de la teoría psicolingüística es explicar las limitaciones cognitivas que limitan la velocidad y la facilidad de comprensión y producción del lenguaje.

De hecho, existe una cierta relación entre limitar el lenguaje y la memoria, pero eso no significa que el lenguaje pueda limitar estrictamente nuestra memoria. El principal impacto de las limitaciones del lenguaje se produce en el poder expresivo del lenguaje en sí, no en nuestra memoria.

El lenguaje es una herramienta para expresar pensamientos y sentimientos a través de la cual nos comunicamos y comunicamos. Diferentes idiomas tienen diferente vocabulario, gramática y expresiones, y estas características juntas dan forma a nuestro conocimiento y comprensión del mundo. Por tanto, la capacidad expresiva del lenguaje está directamente relacionada con nuestra forma de pensar, y participan conjuntamente en la formación y desarrollo del pensamiento humano.

Sin embargo, nuestra memoria no está limitada por el lenguaje. La capacidad de la memoria es una herramienta poderosa que tiene nuestro cerebro y podemos mejorarla a través de diferentes formas y métodos. Por ejemplo, utilizando diferentes técnicas de memoria, entrenamiento y práctica repetidos, utilizando múltiples estimulaciones sensoriales, etc., estos métodos pueden estimular nuestro cerebro y mejorar nuestra memoria.

Algunos estudios muestran que hablar varios idiomas puede mejorar nuestra memoria. Aprender un nuevo idioma es un proceso de aprendizaje desafiante que estimula nuestro cerebro para que se vuelva más flexible y adaptable. Dominar varios idiomas también puede promover nuestra visión y conciencia multicultural.

En resumen, algunas personas pueden pensar que el lenguaje tiene limitaciones en nuestro pensamiento y memoria, pero este concepto es erróneo. Deberíamos explorar activamente nuestro potencial y mejorar nuestras habilidades de pensamiento y memoria a través de la innovación, el aprendizaje y la práctica continuos. El uso de varios idiomas es una exploración y un intento útiles que pueden promover el progreso de nuestro pensamiento y el crecimiento personal. Se puede ver que necesitamos mejorar la memoria, y Cistanche deserticola puede mejorar significativamente la memoria porque Cistanche deserticola es un material medicinal tradicional chino que tiene muchos efectos únicos, uno de los cuales es mejorar la memoria. La eficacia de la carne picada proviene de los diversos ingredientes activos que contiene, incluidos ácidos, polisacáridos, flavonoides, etc. Estos ingredientes pueden promover la salud del cerebro de varias maneras.

Haz clic en conocer 10 formas de mejorar la memoria

Una amplia evidencia demuestra un papel clave para las expectativas lingüísticas: la previsibilidad de una palabra, medida por la cantidad de sorpresa teórica de la información, es un determinante importante de la dificultad de procesamiento.

Pero, sorprendentemente, las teorías estándar no logran predecir el perfil de dificultad de una clase importante de patrones lingüísticos: las estructuras jerárquicas anidadas que son posibles gracias a la recursividad en el lenguaje humano.

Estas estructuras anidadas se explican mejor mediante teorías psicolingüísticas sobre la capacidad limitada de la memoria de trabajo. Sin embargo, el progreso en la teoría que unifica las explicaciones basadas en las expectativas y las basadas en la memoria ha sido limitado.

Aquí presentamos una teoría unificada de un equilibrio racional entre la precisión de las representaciones de la memoria con facilidad de predicción, una implementación computacional ampliada utilizando métodos contemporáneos de aprendizaje automático y evidencia experimental que respalda las predicciones distintivas de la teoría.

Mostramos que la teoría hace predicciones matizadas y distintivas para patrones de dificultad en estructuras recursivas anidadas predichas ni por teorías basadas en expectativas ni en memoria únicamente.

Estas predicciones se confirman 1) en dos experimentos de comprensión del lenguaje en inglés y 2) al completar oraciones en inglés, español y alemán.

De manera más general, nuestro marco ofrece teoría y métodos computacionalmente explícitos para comprender cómo interactúan las limitaciones de la memoria y la predicción en la comprensión y producción del lenguaje humano.

El lenguaje expresa pensamientos recursivos mediante cadenas lineales de palabras (1). Por tanto, una parte central de la comprensión del lenguaje es recuperar una estructura jerárquica a partir de una secuencia lineal.

Aunque aparentemente hacemos esto sin esfuerzo, se ha observado desde hace tiempo que la capacidad de los seres humanos para hacerlo puede ir en contra de las limitaciones de la memoria a corto plazo (2). Estas limitaciones son de importancia central para comprender la naturaleza del procesamiento del lenguaje humano y han sido un importante tema de estudio (3–8).

Las limitaciones del procesamiento humano a menudo dan lugar a diferencias mensurables y localizadas en la dificultad de comprensión entre oraciones similares, y modelar esas diferencias de dificultad ha sido un objetivo clave de la investigación psicolingüística (3–8).

Sin embargo, ha resultado difícil desarrollar una explicación unificada de lo que hace que diferentes oraciones sean más fáciles o más difíciles de comprender para los humanos.

Las investigaciones han identificado dos perspectivas aparentemente dispares sobre lo que hace que las oraciones sean difíciles de comprender. Los modelos basados ​​en expectativas (9, 10) describen cómo el contexto genera expectativas sobre posibles aportes futuros.

Según tales modelos, las palabras son más difíciles de procesar cuando es más difícil anticiparlas a partir del contexto anterior. Por el contrario, los modelos basados ​​en la memoria sostienen que la dificultad de procesamiento surge de las limitaciones en la capacidad de almacenar representaciones del contexto anterior y de recuperarlas e integrarlas con nuevos datos (4, 5, 7).

Ambas perspectivas están respaldadas por conjuntos sustanciales de evidencia empírica (11-16), y sigue siendo una cuestión abierta cómo pueden reconciliarse teórica y empíricamente (14-16).

Aquí, desarrollamos una teoría y un modelo implementado que concilia las teorías basadas en expectativas y en la memoria, basándose en investigaciones recientes que han propuesto un papel clave para el ruido y la incertidumbre en el modelado de representaciones mentales humanas de entradas lingüísticas (17-19).

Mientras que los modelos tradicionales de procesamiento del lenguaje generalmente asumen contextos y representaciones de entrada verídicas (el problema de la comprensión a nivel de oración se presenta como un problema de analizar una secuencia conocida de palabras para determinar su estructura y significado y predecir entradas futuras), la teoría del procesamiento del lenguaje del "canal ruidoso" trata estas representaciones como inciertas, y plantea la hipótesis de que el análisis y la predicción en el procesamiento del lenguaje humano se aproxima a los principios normativos de la inferencia bayesiana dadas estas representaciones inciertas (20, 21).

Estas ideas han llevado a la propuesta de unificar las teorías basadas en expectativas y basadas en la memoria sobre la dificultad de procesamiento a través de la sorpresa en el contexto con pérdida (22). La sorpresa del contexto con pérdida postula que la dificultad de procesamiento humano está determinada por expectativas derivadas no del contexto verídico sino de la inferencia probabilística sobre representaciones de memoria imperfectas del contexto.

En principio, este enfoque podría dar cuenta de las predicciones tanto de los modelos basados ​​en expectativas como de los basados ​​en la memoria: las palabras son fáciles de procesar cuando son fáciles de anticipar (como lo predicen los modelos basados ​​en expectativas), pero si la información contextual relevante está mal representada en la memoria, la próxima Las palabras pueden ser difíciles de anticipar correctamente, lo que genera dificultades de procesamiento como lo predicen las teorías tradicionales basadas en la memoria.

Sin embargo, hasta la fecha quedan muchas partes de esta teoría por especificar. La teoría carece de una especificación implementada sobre qué aspectos del contexto anterior son propensos a la pérdida de memoria, lo cual es clave para derivar predicciones comprobables. Idealmente, esta especificación debería basarse en principios teóricos más profundos.

Además, no está disponible ninguna implementación a escala del procesamiento de canales ruidosos, que es necesario para hacer predicciones detalladas sobre los perfiles de dificultad de oraciones específicas.

En este trabajo presentamos avances teóricos y empíricos que abordan estas limitaciones. A nivel teórico, proponemos un modelo racional de recursos (23) de representaciones de memoria detalladas, basado en la hipótesis de que las representaciones de memoria se optimizan para minimizar el esfuerzo de procesamiento posterior esperado dadas las limitaciones de recursos cognitivos.

La combinación de esta idea con la sorpresa del contexto con pérdida como métrica de dificultad de procesamiento conduce a predicciones empíricas de amplio alcance.

Para evaluar esas predicciones y comprenderlas en detalle, implementamos el modelo propuesto utilizando modelos de redes neuronales contemporáneas y lo ajustamos a datos de texto a gran escala, lo que permite a la teoría hacer predicciones detalladas sobre el comportamiento de comprensión humana para entradas arbitrarias de lenguaje natural.

Nuestra teoría deriva predicciones sobre patrones de dificultad en el procesamiento humano de estructuras recursivas que ni las teorías basadas en expectativas ni en la memoria podrían explicar individualmente. Las estructuras recursivas, en particular los casos de incrustación central donde las oraciones están anidadas unas dentro de otras, son cruciales para la teoría psicolingüística porque revelan las limitaciones humanas en el procesamiento de las estructuras jerárquicas del lenguaje (2-4, 24-26). Considere la figura. 1A.

En estas oraciones, un número variable de oraciones están incrustadas unas dentro de otras. Una mayor incrustación central conduce a estructuras que son más difíciles de procesar: mientras que los elementos 1 y 2 de la figura 1A se entienden fácilmente, el elemento 3 es considerablemente más difícil.

Agregar más niveles de incrustación aumentaría la dificultad hasta el punto de la incomprensibilidad. Más niveles de incrustación central son más raros en el uso del lenguaje (27), por lo que las teorías puramente basadas en expectativas predicen correctamente que son difíciles en general, pero no logran predecir dónde se manifiesta esta dificultad en el procesamiento humano: al salir de la incrustación, en la palabra "era" en los ejemplos. de la figura 1A.

Si el contexto fuera representado verídicamente y utilizado para predecir la próxima entrada, entonces salir de la incrustación en este punto debería ser exactamente lo esperado y fácil para el procesamiento del lenguaje humano.

Algunas teorías basadas en la memoria predicen que salir de la incrustación es difícil, basándose en que la complejidad del contexto anterior hace que la recuperación del sitio correcto para la integración estructural sea un desafío (4, 5, 7).
Aquí, sin embargo, presentamos un trabajo experimental que muestra que esta dificultad está modulada por diferencias finas en el contexto: por ejemplo, cambiar informe a hecho en las oraciones de la Fig. 1A resulta facilitar la salida del centro de inclusión. Este fenómeno no está predicho por las teorías existentes basadas en la memoria.

Nuestro modelo es capaz, en principio, de dar cuenta de todos estos patrones. Cuando las representaciones de la memoria son imperfectas, los comprensivos racionales deben reconstruir el contexto basándose en su conocimiento de las estadísticas del lenguaje.

Por lo tanto, las expectativas estructurales de los comprensivos sobre los insumos deberían estar sesgadas hacia contextos con alta probabilidad a priori que sean similares en forma a los contextos verdaderos. En un modelo racional de recursos, esto afectará particularmente a las variantes que difieren en palabras que normalmente son fáciles de reconstruir a partir de otras partes del contexto, como las palabras funcionales de alta frecuencia.

Por ejemplo, esperamos que un contexto como "el informe de que el médico molestó al paciente..." competirá con variantes como "el informe del médico molestó al paciente...", donde "molesto" es el verbo que pertenece al sustantivo inicial "informe".

Para esta variante no verídica no se espera ningún tercer verbo. Por lo tanto, es más probable que los comprensivos racionales con memoria imperfecta esperen el verbo final cuando las versiones no verídicas con menor profundidad de incrustación tienen una probabilidad a priori menor.

Por el contrario, cuando las variantes no verídicas tienen una alta probabilidad a priori, los que comprenden no deben esperar el verbo final, y la comprensión se verá alterada cuando se encuentre.

For more information:1950477648nn@gmail.com