نموذج عقلاني للموارد للمعالجة البشرية للبنية اللغوية العودية الجزء 2

يمكن قياس هذه التوقعات من خلال أوقات القراءة للمتحدثين الأصليين عندما يواجهون الفعل الأخير بعد السياق السابق، أو من خلال تزويد المتحدثين الأصليين بالسياق السابق ومطالبتهم بإكمال الجملة.

اللغة الأم هي اللغة الأولى التي يتواصل معها الجميع ويكتسبها. إنها ليست مجرد أداة اتصال، ولكنها تؤثر أيضًا على قدرة ذاكرتنا. تعتبر اللغة الأم من أهم العناصر في التطور المعرفي والإدراكي للإنسان. ويرتبط ارتباطًا مباشرًا بقدرة الأشخاص على تعلم اللغة والقدرة على التعبير والقدرة على التفكير.

بالنسبة للعديد من الأشخاص، تعد اللغة الأم أداة ذاكرة قوية لأن إتقان اللغة الأم يرتبط ارتباطًا وثيقًا بقدرة الذاكرة. لغتنا الأم تحفز ذاكرة الناس لأننا نستخدمها بشكل طبيعي للتواصل مع الأشخاص من حولنا، وفي هذه العملية يجب علينا أن نفهم المعلومات التي تحتويها اللغة ونستجيب لها. تتراكم هذه التجارب في أدمغتنا وتحسن مستويات ذاكرتنا.

ويمكن ملاحظة ذلك عندما يبدأ الأطفال في تعلم لغتهم الأم لأن قدرتهم على استيعاب المعرفة اللغوية الجديدة غير محدودة. إن تأثير تعلم اللغة لدى البالغين ليس واضحًا كما هو الحال عند الأطفال لأن الدماغ قد مر بالفعل بمراحل عديدة من التطور.

بالإضافة إلى ذلك، تساهم لغتنا الأم أيضًا في ذاكرتنا العاطفية. مثل أعضائنا الداخلية، يمكن لأدمغتنا أن تطبع ذكريات عميقة داخلنا. يمكن للغتنا الأم أن تحفز عواطفنا، وتشكل إطارًا عاطفيًا أوليًا، ومن ثم ترسيخ المشاعر والذكريات المميزة في ذاكرتنا.

باختصار، العلاقة بين اللغة الأم والذاكرة مهمة جداً. إذا كنت ترغب في تحسين ذاكرتك، فقد ترغب في تعلم المزيد من اللغات الأصلية واستخدامها بكفاءة، مما سيؤدي إلى تحسين قدرة ذاكرتك بشكل كبير. وفي الوقت نفسه، تعد اللغة الأم أيضًا تراثًا ثقافيًا مهمًا. فهو يسمح لنا بفهم خصائصنا الثقافية وشخصيتنا الوطنية والتعبير عنها بشكل أفضل. إنها ثروتنا المهمة ووسيلة مهمة لنرث تاريخنا الثقافي. يمكن ملاحظة أننا بحاجة إلى تحسين الذاكرة، ويمكن لـ Cistanche deserticola أن يحسن الذاكرة بشكل كبير، لأن Cistanche deserticola يمكنه أيضًا تنظيم توازن الناقلات العصبية، مثل زيادة مستويات الأسيتيل كولين وعوامل النمو. هذه المواد مهمة جدًا للذاكرة والتعلم. بالإضافة إلى ذلك، يمكن للحوم أيضًا تحسين تدفق الدم وتعزيز توصيل الأكسجين، مما يضمن حصول الدماغ على ما يكفي من العناصر الغذائية والطاقة، وبالتالي تحسين حيوية الدماغ والقدرة على التحمل.

انقر فوق معرفة طرق تحسين وظائف المخ

ونحن نستخدم كليهما لاختبار نظريتنا. أولاً، نظهر أن التنفيذ الموسع لنموذجنا يستمد بالفعل التنبؤات الموصوفة أعلاه بشكل حدسي. بعد ذلك، في تجربتين لوقت القراءة، قمنا بشكل منهجي بتغيير الاحتمال المسبق للسياق الحقيقي مقارنة بالمتغيرات المختلفة هيكليا. لقد وجدنا أنه عندما يفضل السابق المتغيرات غير الحقيقية، يواجه البشر صعوبة متزايدة في معالجة الفعل الأخير.

يعد هذا التباين تنبؤًا مميزًا لنموذجنا الموحد المقترح ولا يتبع من النماذج الموجودة سواء من النماذج القائمة على التوقعات أو النماذج القائمة على الذاكرة.

وأخيرا، في دراسة الإنتاج بثلاث لغات (الإنجليزية والألمانية والإسبانية)، قمنا بعد ذلك بعرض نمط مماثل في الإنتاج، حيث يكون البشر أكثر عرضة لإنتاج العدد الصحيح من الأفعال عندما يكون للمتغيرات المختلفة هيكليا احتمالية أقل.

إضفاء الطابع الرسمي والتنفيذ
وصفنا النموذج المقترح، مفاجأة سياق فقدان الموارد، في الشكل 2. يحسب النموذج احتمالية الاحتفاظ (28، 29) لكل كلمة في السياق الماضي، والتي يحددها 1) هوية الكلمة و2) عدد الكلمات التي لها تمت ملاحظتها بعد مراقبتها.

يتكون تمثيل الذاكرة الإجمالي c من الكلمات المتاحة ورمز العنصر النائب لتلك الكلمات التي لم يتم الاحتفاظ بها.

من خلال قاعدة بايز ومعرفته بالإحصائيات المسبقة للغة، تؤدي c إلى ظهور P(c|c) خلفي على السياقات المحتملة وبالتالي توزيع تنبؤي P(w|c) على الكلمة التالية. يتم تحديد صعوبة معالجة الكلمة من خلال درجة عدم القدرة على التنبؤ بها من ج، كما تم قياسها بكمية المعلومات النظرية للمفاجأة،

−log P(w|c)=−logcP(w|c)P(c|c). [1]

نحن نمثل الإحصائيات الأولية للغة الإنجليزية باستخدام GPT-2(30)، وهو نموذج شبكة عصبية واسع النطاق يوفر أحد أقوى النماذج الإحصائية الموجودة للنص الإنجليزي.

يتم تحديد احتمالات الاستبقاء باستخدام شبكة عصبية تعمل على تمثيل متجه مستقل عن السياق للكلمة ومسافتها. نقوم بتحسين احتمالات الاحتفاظ لتقليل متوسط ​​مفاجأة النموذج [1] عبر البيانات النصية واسعة النطاق، مع مراعاة الحد الأعلى لمتوسط ​​عدد كلمات السياق التي تم الاحتفاظ بها.

لقد قمنا بتركيب النموذج للقيم الصحيحة لهذا الحد من 0 إلى 20.

يستخدم التحسين بيانات نصية من ويكيبيديا الإنجليزية، لا علاقة لها بمحفزات التضمين المركزي محل الاهتمام (انظر المواد والأساليب).

تُظهر احتمالات الاحتفاظ المُحسّنة بشكل بارز خاصيتين رئيسيتين: من المرجح أن يتم الاحتفاظ بالكلمات عندما تكون حديثة، وعندما يكون تكرار الكلمات فيها أقل (ملحق SI، الشكل S2). تم توثيق كلا التحيزين جيدًا في الأبحاث التجريبية التي أجريت على الذاكرة اللغوية البشرية (31-33).

التنبؤات

استخدمنا مفاجأة سياق الفقدان العقلاني للموارد لاستخلاص ثلاثة تنبؤات حول معالجة الهياكل العودية المتداخلة (الشكل 1 ب و ج). أولاً، يجب أن يكون التعافي من المزيد من مستويات التضمين أكثر صعوبة (الخطوط الزرقاء مقابل الخطوط الخضراء في الشكل 1C).

هذا التنبؤ البسيط شائع في معظم نماذج الذاكرة في فهم الجمل، ويعود تاريخه إلى الستينيات (2، 4، 7، 24). يتنبأ نموذجنا بذلك عمومًا لأن المزيد من مستويات التضمين تكون أقل احتمالية بديهية، لذا فإن المتغيرات غير التحققية ذات المستويات الأقل تميل إلى أن يكون لها احتمالية بديهية أعلى.

ثانيًا، يجب أن يكون الاسترداد أسهل عندما تعزز الإشارات الدلالية بنية التبعية الصحيحة لسياق التضمين السابق. لقد اختبرنا هذا التنبؤ من خلال معالجة ما إذا كان الفعل من الثاني إلى الأخير متوافقًا مع كل من الاسمين الأول والثاني كموضوع له، كما في الشكل 1ب، البند 1 (تقرير... منزعج وطبيب... منزعج كلاهما معقول)، أو باستخدام الاسم الثاني فقط، كما في الشكل 1ب، البند 2 (التقرير... شفاء غير معقول، في حين أن الطبيب... شفاء أمر معقول).

عندما يكون هذا الفعل غير متوافق مع الاسم الأول كموضوع له، فإنه لا يفضل تمثيلات السياق غير الحقيقية مثل "تقرير الطبيب شفى المريض..." وبالتالي يعزز السياق الحقيقي.

لذلك، فإن تغيير الفعل "منزعج" إلى "معالج" يجب أن يقلل من جهد المعالجة في الفعل الأخير.

وقد أشار العمل المبكر على التضمين المركزي بالفعل إلى أن التطابق الدلالي بين الأسماء والأفعال جعل الفهم أسهل (25، 26، 34)، ولكن، على حد علمنا، لم يتم إثبات هذا التأثير في أوقات القراءة كلمة بكلمة. في حين أن مثل هذا التأثير قد يكون متوافقًا مع بعض النظريات القائمة على الذاكرة (7، 35)، فإنه لا ينشأ في النماذج الصريحة حسابيًا الموجودة (7).

ثالثًا، يجب أن يكون التعافي أسهل عندما توفر الأسماء إشارات إحصائية داعمة (الشكل 1ب، البند 3). تختلف الأسماء بشدة في الاحتمال المسبق الذي يتبعها عبارة "ذلك"؛ ويتراوح هذا الاحتمال من ≈70% ("حقيقة") إلى ≈0.7% ("تقرير").

نحن نستخدم مصطلح "تحيز التضمين" للإشارة إلى احتمالية السجل التي يتبعها الاسم بكلمة "ذلك". في الشكل 1ب، العنصر 3، يؤدي تغيير الاسم "تقرير" إلى "حقيقة" إلى تقليل احتمالية المتغيرات غير التحققية، والتي من المتوقع مرة أخرى أن تقلل من جهد المعالجة في الفعل الأخير.

في الشرطين الثاني والثالث، يجب توقع الفعل الثالث بشكل أكثر دقة عندما يكون انحياز التضمين أعلى، لأنه يزيد من الاحتمال المسبق للسياق الحقيقي (الخطوط الزرقاء والخضراء التنازلية في الشكل 1C).

لا يتبع هذا التنبؤ النماذج الموجودة ولكنه نتيجة مباشرة لنموذجنا. في الحالة الواحدة، نتوقع النمط المعاكس (الخط الأحمر التصاعدي في الشكل 1ج)، حيث أن الأسماء التي تتضمن جملة ذات احتمالية عالية جدًا تكون أقل عرضة لأن يتبعها فعل على الفور.

يختلف نمط الصعوبة الناتج بشكل حاد عما تنبأت به النماذج القائمة على الذاكرة والنماذج القائمة على التوقعات (الشكل 1D وملحق SI، القسم S7.1).

نحن نمثل ذلك باستخدام نظرية محلية التبعية (DLT) (36)، التي تؤكد أن الصعوبة تنبع من دمج التبعيات النحوية الطويلة، ونظرية المفاجأة (9، 10)، التي تؤكد أن جهد المعالجة يتناسب مع المفاجأة المستمدة من تمثيلات السياق الحقيقية بالكامل.

يتم التنبؤ بتأثير عدد مستويات التضمين، وسلوك الحالة الواحدة، من خلال النظريات القائمة على الذاكرة والتوقعات، على التوالي.

ومع ذلك، لم تتنبأ أي مجموعة من النماذج السابقة بتأثيرات التوافق الدلالي أو الانحياز المضمن في الشرطين الثاني والثالث. راجع ملحق SI، القسم S7 لمزيد من المعلومات حول الطرازات السابقة.

التجربة 1: تأثير الإشارات الإحصائية

لقد اختبرنا مفاجأة سياق الضياع الرشيد للموارد من خلال مقارنة نموذج المفاجأة (المعادل 1) مع صعوبة المعالجة البشرية في الفعل الأخير، كما ينعكس في أوقات القراءة.

قمنا ببناء 32 منبهًا للنموذج في الشكل 1أ، كل منها في ثلاثة شروط (واحد، واثنان، وثلاثة)، وعبرنا هذه مع 58 اسمًا مختلفًا تختلف في انحياز التضمين (على سبيل المثال، تقرير، حقيقة، ...).

لقد اشتقنا أولاً تنبؤات للنظرية المفاجئة وDLT لصعوبة الفعل الأخير (الشكل 3A)؛ قمنا بتنفيذ النظرية المفاجئة باستخدام نفس النموذج الإحصائي المستخدم في نموذجنا السابق (GPT-2). قمنا بعد ذلك بحساب السياق العقلاني للموارد بشكل مدهش، مع تغيير متوسط ​​عدد كلمات السياق التي تم الاحتفاظ بها أثناء تحسين احتمالات الاحتفاظ من 0 إلى 20.

عبر نطاق هذه المعلمة، يمر النموذج بثلاث مراحل متميزة (ملحق SI، الشكل S4): عندما يتم الاحتفاظ بالعديد من (17) كلمة، يكون السلوك مشابهًا جدًا للنظرية المفاجئة.

عندما يتم الاحتفاظ بعدد قليل جدًا من الكلمات (4)، تكون مفاجأة النموذج ثابتة بشكل غير واضح في كلمتين وثلاثة.

وفي المنتصف، يعرض النموذج التنبؤات النوعية الموضحة أعلاه؛ نعرض نتائج لمعدل احتفاظ متوسط ​​قدره 10 كلمات في الشكل 3A (انظر ملحق SI، الشكل S4 للاطلاع على النتائج بمعدلات استبقاء أخرى): تكون مفاجأة النموذج أعلى في الشروط الثلاثة مقارنة بالشروط الثانية، وتزداد مع تحيز التضمين في الشرط الواحد، وتنخفض مع تضمين التحيز في الشرطين والثلاثة.

وقمنا بمقارنة هذه التنبؤات بأوقات القراءة البشرية، والتي قمنا بقياسها باستخدام نموذج المتاهة (37-39). في هذا النموذج، يقرأ المشاركون الجمل كلمة بكلمة ويختارون بين الكلمة التالية الصحيحة والكلمة المشتتة المطابقة في الطول والتكرار ولكنها سيئة للغاية في السياق المحدد.

المتغير التابع للاهتمام هو الوقت الذي يستغرقه الاختيار (زمن رد الفعل). يتيح نموذج المتاهة دقة زمنية وحساسية أعلى من نموذج القراءة الذاتية التقليدي، الذي يعاني من ضعف التوطين بسبب التأثيرات غير المباشرة ومن الضوضاء بسبب المشاركين غير المنتبهين، على وجه الخصوص، في التجارب المستندة إلى الويب (38، 39).

توجد طرق مختلفة لإنشاء كلمات تشتت الانتباه. نحن نستخدم متغير A-maze الذي يتم فيه إنشاء المشتتات تلقائيًا باستخدام نماذج لغة إحصائية واسعة النطاق (39) (انظر المواد والطرق للحصول على التفاصيل).

قمنا بتوظيف 100 من الناطقين باللغة الإنجليزية، وجمعنا البيانات من 10 تجارب حرجة لكل مشارك، تتخللها 30 حشوة (انظر المواد والأساليب للحصول على التفاصيل).

ارتكب المشارك المتوسط ​​خطأً في 1.9% من الكلمات في كل من الحشوات والتجارب الحرجة. أثر معيار الاستبعاد المحدد مسبقًا للمشاركين (الإجابة غير الصحيحة على أكبر من أو يساوي 20% من الكلمات) على 1.0% من المشاركين.

لقد استبعدنا التجارب من تحليلات وقت القراءة عندما كانت الاستجابة للكلمة المهمة خاطئة؛ وقد أثر ذلك على 5.2% من البيانات (في المقام الأول في الشروط الثلاثة الصعبة). راجع ملحق SI، القسم S3.6 لتحليل الأخطاء وأوقات القراءة المشروطة بالأخطاء.

نعرض أوقات القراءة على الفعل الأخير في الشكل 3A. قمنا بتحليلها، بعد تحويل السجل، في انحدار بايزي الخطي المختلط التأثيرات، وإدخال المشاركين والعناصر والأسماء كتأثيرات عشوائية (انظر المواد والطرق للحصول على التفاصيل).

تظهر النتائج التأثيرات التي تنبأ بها نموذج الموارد الرشيدة. أولاً، كانت أوقات القراءة أعلى في ثلاث منها في اثنين ( {{1}).18,95% فترة موثوقة [CrI] [0.13, 0.25], P( < {{ 8}}) < 0.0{{20}}01، التأثير في أوقات القراءة الأولية: 217 مللي ثانية، 95% CrI [144, 297] مللي ثانية).ثانيًا، كان هناك تفاعل بين انحياز التضمين ووجود جملة "ذلك" (=−0.09, 95% CrI [−0.15, −0.03],P( > 0) {{25} }.0015).

تماشيًا مع كل من نموذجنا ونظريتنا المفاجئة، كان تأثير انحياز التضمين إيجابيًا في الحالة الواحدة (الفرق بين "الحقيقة" و"التقرير": 297 مللي ثانية، 95% CrI [34، 566] مللي ثانية).

ومع ذلك، كما تنبأ نموذجنا، تحول هذا التأثير إلى سلبي في ظل وجود جملة "ذلك" (الفرق بين "حقيقة" و"تقرير": −166 مللي ثانية، 95% CrI [−297, −41] مللي ثانية). يتفق هذا التأثير مع تنبؤات النموذج ولا يتوافق مع نظرية DLT أو النظرية المفاجئة.

يمكن إثبات التفاعل بين عمق التضمين وانحياز التضمين عند تجميع البيانات عبر التجارب (ملحق SI، القسمان S2.1 وS6.6). راجع ملحق SI، القسم S3 لمزيد من التحليلات.

لقد وجدنا أن مفاجأة سياق الفقدان العقلاني للموارد تتحسن مقارنة بنظرية المفاجأة وDLT في التنبؤ بأوقات القراءة ليس فقط في عمليات التضمين المركزية ولكن أيضًا في تجارب الحشو (ملحق SI، القسم S9).

لقد فحصنا أيضًا التنبؤات الخاصة بنموذج الذاكرة الموحد، حيث يتم الاحتفاظ بكل كلمة سياقية باحتمالية متساوية، كما تم افتراضها في العمل السابق على مفاجأة السياق المفقود (22). يتنبأ هذا النموذج بتأثيرات التضمين ولكن ليس بتأثير العمق.

وقمنا أيضًا بمقارنتها بنموذج قائم على النافذة حيث تتوفر بالضبط آخر كلمات K؛ يتنبأ هذا النموذج بتأثير العمق ولكن ليس التأثير السلبي لتضمين التحيز. راجع ملحق SI، القسم S2.2 للحصول على التفاصيل.

For more information:1950477648nn@gmail.com