Эта модель подверглась критике со стороны односистемного подхода. Пинкер и Принс (Pinker, Prince 1988) обратили внимание на то, что процент неправильных глаголов, подаваемых на вход при обучении сети, выше, чем количество неправильных глаголов, которые слышит реальный ребенок. Помимо этого замечания, были и другие, в частности, по поводу того, что некоторые формы, генерируемые сетью были невозможны в детской речи (mail-membled).
После выхода ряда статей, содержащих критику коннекционистской самообучающейся сети, модель была доработана исследователями, проводившими наблюдения за реальным освоением языка и речевыми ошибками, а также психолингвистические эксперименты (Marchman, Plunkett 1993, MacWhinney, Leinbach 1991; Cortrell, Plunkett 1991). Создатели последующих сетей усовершенствовали инпут, сделав его более близким к реальному потоку речи, который слышит ребенок. Планкетт и Марчман показали, что обучение проходило эффективнее, когда подклассы нерегулярных глаголов (sing, sang – ring, rang) тоже принимались во внимание при моделировании. Мак-Уинни и Лейнбах включили в свою модель семантические составляющие для того, чтобы она могла различать омофоны (ring, rang – wring, wrung). Кортрелл и Планкетт разработали модель, которая не только воспроизводила взаимосвязь форм настоящего и прошедшего времени, но и позволяла использовать формы прошедшего времени как инпут.
Несколько иных взглядом придерживается Джоан Байби (Bybee 1995), предлагающая свою модель под названием network model (сетевая модель), которую также называют теорией схем (scheme theory).
Проблему английского прошедшего времени Байби объясняет посредством понятия схемы. Ее модель предусматривает существование двух типов схем, которые объясняют регулярную и нерегулярную глагольную морфологию. Первый тип схем, ‘source-oriented’ (букв. направленный на источник), может быть соотнесен с правильными глаголами и приблизительно представляет то, что генеративисты называют символическими правилами. Второй тип схем, ‘product-oriented’ (букв. направленные на продукт) не имеет аналогов в системе генеративной теории. Именно этот тип схемы применяется в генерализациях в подгруппах неправильных глаголов. Основанием для применения схемы в данном случае является родовое сходство (family resemblances).
![]()
![]()
![]()
![]()

K l I ŋ



K l Λ ŋ
![]()
![]()

S l I ŋ
S l Λ ŋ



S t I ŋ
S t Λ ŋ


S t I k
S t Λ k
Рисунок 4. Лексические связи и схема для части strung-класса
Модель Байби имеет ряд общих черт с коннекционизмом. Прежде всего, это отказ от строго разделения систем, управляющих регулярной и нерегулярной морфологией. Как и коннекционисткая модель, сеть Байби предусматривает только лишь количественное различие между классами глаголов, считая, в частности, частотность класса важным фактором. Все глаголы, по Байби, обрабатываются одним способом, без применения символических правил. Разница в продуктивности объясняется не качественно различными способами обработки, а разницей в объемах (частотностях) классов и разными типами схем. В отношении неправильных глаголов Байби обращает особое внимание на подгруппы глаголов, объединенных сходством, которые образуют свои генерализации. В рамках же двусистемного подхода обработка неправильных глаголов относится к ассоциативной памяти и хранению в лексиконе, без применения каких-либо обобщений.
Несмотря на общую основную идею (влияние размера класса на продуктивность), модель Байби несколько отличается и от коннеционистских сетей. В частности, Байби трактует частотность несколько иначе, нежели она определяется у Марчмана и Планкета. Если у коннекционистов частотность слова является связью между исходной формой и производной, то в сети Байби частотность слова определяется только самим словом, а никак не его связями. Другими словами, коннекционизм предполагает, что если используется одна из этих форм (например, go), частотность другой тоже повышается (went). Байби же считает, что каждая форма имеет свой отдельный вес и аргументирует это тем фактом, что чем выше частотность отдельного слова, тем слабее связь между ним и другими словами, в том числе основой. Высокочастотные неправильные глаголы устойчивы к регуляризации не потому, что их связи с исходным словом лучше, а потому что они лексически сильнее (lexicaly stronger). То, что эти глаголы обладают высокой лексической силой объясняет не только их устойчивость к изменению, но тенденцию образовывать супплетивные основы.
Помимо этого, Байби указывает на то, что коннекционистские модели рассматривают только отношения между словом и его производным, а не между подгруппами образованных слов, как это делает Байби, например, с подгруппами форм прошедшего времени неправильных глаголов.
В ее модели единицей лексикона является отдельная словоформа, вне зависимости от ее регулярности или нерегулярности. Таким образом, формы прошедшего времени не образуются при действии правила, или ассоциативного механизма. Они сами являются и входом, и выходом.
1.2.5. Промежуточные точки зрения.
Уильям Марслен-Уилсон и Лоррейн Тайлер (Marslen-Wilson, Tyler 2005) придерживаются точки зрения, нейтральной относительно двух подходов. Они считают, что онтолингвистических исследований недостаточно для того, чтобы решить проблему усвоения прошедшего времени. Более полную картину можно составить при сравнении данных, полученных при проведении психолингвистических экспериментов, с процессами, происходящими при афазиях (нарушениях речи, вызванных поражениями мозга) у взрослых пациентов.
Марслен-Вилсон и Тайлер заметили, что в этом отношении всех пациентов можно разделить на тех, кто имеет трудности с обработкой правильных глаголов, и тех, кто с трудом образует прошедшее время неправильных глаголов. Экспериментальные исследования показали, что пациенты, плохо справляющиеся с правильными глаголами, имели поражения зоны Брока, которая отвечает за обработку синтаксической информации. Вторая группа пациентов, отмеченная плохой обработкой неправильных глаголов, имела нарушения височных долей, ответственных за ассоциативную память.
Исследователи сделали вывод, что лобно-височные отделы, задействованные при речевой деятельности, чрезвычайно важны в разделении входящей речевой информации на различные потоки, отвечающие либо за значение, которое переносится основами существительных или глаголов, либо за грамматическую информацию, которая передается морфемами. Подобное разделение Марслен-Вилсон и Тайлер считают доказательством того, что различные участки мозга отвечают за разные языковые функции, что противоречит односистемному подходу в контексте дискуссии об образовании прошедшего времени в английском языке.
При этом Марслен-Вилсон и Тайлер не считают, что полученные данные обязательно выступают в поддержку противоположного двусистемного подхода. В отношении утверждений о модулярности систем, их генетической специализации полученные сведения остаются нейтральными. Например, тот факт, что височные зоны коры (superior temporal areas) играют решающую роль в отображении фонологического входа в виде лексических репрезентаций, не означает, что эти участки не обслуживают другие когнитивные процессы.
Результаты проведенных экспериментов исследователи считают совместимыми с так называемым лексикалистским подходом, разработанным известным критиком Хомского Элизабет Бэйтс, в рамках которого взрослый мозг достигает высокого уровня распределения функций.
Глава 2. Эксперимент по глагольной морфологии как часть проекта изучения ментального лексикона.
2.1. Эксперименты по глагольной морфологии на материале русского языка.
Дискуссия по поводу усвоения и порождения правильных и неправильных глаголов привлекла внимание и российских лингвистов. Русский язык характеризуется довольно сложной глагольной морфологией, в которой классы довольно сложно разделить на правильные и неправильные, поскольку каждый из условно правильных классов имеет по несколько правил, включающих чередования согласных основы и гласных в корне, перемещения ударения, разницу спряжений. Все эти факторы составляют сложность парадигмы, а классы имеют определенную иерархию усвоения (Gor, Chernigovskaya 2003).
|
Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4 5 6 7 8 9 10 11 12 13 |


