先天语法主义

来自 AI 研究立场图谱百科

先天语法主义:认为语言依赖先天的专门结构,单靠从数据中做统计学习,既解释不了也造不出真正的语言能力。

主张

先天语法主义是语言学系里资格最老的学派,而且至今没有改变看法。儿童只凭有限而嘈杂的输入,就能迅速习得丰富的语法知识,并收敛到从未被明确示范过的规则上。这一”刺激贫乏”现象,按照这派的论证,意味着存在一种先天的语言官能,内置着对可能语法的约束。大语言模型读过的文本比任何人几辈子能读的都多,这并不能反驳上述观点;恰恰相反,它们对数据的巨大胃口说明它们与儿童的学习方式不同,而说得流利也不等于真的具备语言能力。

它在 Language-World 轴上居中,纵向在下半区、偏向 Harness:它关心的是理论而不是系统设计,但认为心智由先天的、有结构的组件搭成,而不是一张白板式的网络。范式上是逆天之革命,全图最极端的一档:比神经网络还早,认为当下的很多工作只是工程,对人类心智几乎没说明什么。

论据

  • 儿童获得语法能力所需的语言输入比大语言模型少好几个数量级,暗示存在很强的 inductive bias。
  • 人类语言共享某些结构性质,比如依赖结构的规则,这些性质似乎约束着儿童认为可能的语法范围。
  • 语言模型学习人类语言里从不出现的”不可能规则”,几乎和学习真实规则一样顺手,这让人怀疑它们是否真的在建模人类语言。

批评

  • 分布语义派和规模派认为,语言模型从原始文本中学到复杂句法,本身就削弱了刺激贫乏论证。
  • 被假设的先天结构一直难以精确刻画,这套理论几十年来也几经修改。
  • 工程师们指出,不管它作为认知科学有多少价值,这一学说几乎没有产出可用的语言系统。

代表作

关系

怎样测出它

在完整版或专业版里落到这一格:x ≈ −0.26,y ≈ −0.89,范式 ≈ +0.94。

这是初稿。欢迎通过 pull request 修正或补充更好的论据。 在 GitHub 上编辑这个词条 编辑它的数据