中图分类号：H0-05文献标识码：A文章编号：1002-2643(2003)05-0003-05 1.0 引言 心理语言学是与语言学、心理学、计算语言学、神经科学等学科相互交叉的边缘学科，其研究对象是人类语言的理解、产生和习得。心理语言学在考察语言使用的心理过程中从相关学科得到很多借鉴和启发。同时，相关学科研究的新进展又推动了心理语言学研究方法的改进。 从上世纪50年代末至今，Chomsky的理论一直在语言学中占主导地位。该理论认为语言知识从根本上是一种心理机制，其根本是形式语法系统。在过去几十年中，Chomsky不断更新他对形式语法系统的描述，从最初的“转换生成语法”(TG)到“规则与参数”(principles and parameters)直至现在的“最简方案”(the minimalist program)，其间虽然做了不少改进，但终究不离其对规则的基本诉求。而大多数心理语言学家们对规则系统也深信不疑，认为只有规则系统才能有效地反映人脑的高级抽象活动，而这种认识是基于认知科学家的一个基本假设：人脑是处理符号系统(symbol system)的机器（李平，2002）。 将人类大脑看作符号系统的观点起源于心理学的模块理论(modular theory)。Jerry Fodor(1983)对模块论作了系统、全面的描述。他提出，人脑的认知系统是由许多模块(module)组成的。这些模块各负其责，互相独立。根据模块论，语言处理是按照“语音→词汇→语法→语义”这样一个从低层面到高层面的严格的线形顺序展开的。在模块论的影响下，心理语言学家们的研究重点是对形式语法系统的规则的检验和改进。但是随着认知科学的迅猛发展和联结主义(connectionism)的重新崛起，联结主义开始注意验证心理语言学的数据。联结主义模型与心理语言学实验结果的结合导致了联结主义心理语言学(connectionist psycholinguistics)的诞生(Christiansen & Chater，2001：1)。 2.0 联结主义的理论背景 联结主义，或者“平行分布处理”(parallel distributed processing，简称PDP)，又称神经网络，源于人们尝试根据人脑的结构设计计算机模型(Chater & Christiansen，1999：235)。该思想最早来自19世纪的美国哲学家和心理学之父James。 从20世纪40年代开始，认知学家们对联结主义进行了广泛的研究。McCulloch & Pitts(1943：115-133)提出了较早的有影响的神经功能形式神经元模型(黄秉宪，2000：215)。在50年代和60年代，Ashby、Minsky、Rosenblatt等根据该模型设计了各种各样的计算模式(schemes)。这些“自组”(self-orga-nizing)或学习机器与人脑的学习功能相一致。但是由于当时这些联结主义模型的模拟功能有限，所以在与符号系统模型的对抗中处于下风(Chater & Christiansen,1999:235)。 进入上世纪80年代，以“平行分布加工”研究组(Rumelhart & the PDP Group，1986：216-271)为代表的联结主义神经网络研究再度崛起。他们提出的交互激活(interactive activation)理论在算法和认知模型及其应用方面都取得了令人满意的效果，标志着联结主义网络研究进入了一个新纪元。 2001年，Christiansen和Chater(Christiansen & Chater,2001)合编的论文集首次使用了“联结主义心理语言学”这个术语，对该领域的研究进行了系统的归纳和总结，并对其发展前景做出了预测。 3.0 联结主义网络的基本特征 如上文所述，联结主义神经网络的提出源于认知学家对人脑结构和处理模式的模拟。该理论认为，人脑是由数量巨大的简单处理器（即神经元）构成的，这些神经元相互交织组成了一个复杂的网络。在处理信息时，不是单个的神经元单独起作用，而是网络中多个神经元互相合作、同时启动。它们传递的不是符号信息(symbolic message)，而是数值(numerical values)。这些数值输入被神经元映射为数值输出。联结主义神经网络正是模拟了大脑的这种特征：由大量的简单处理器（称作单元或节点）组成，节点相互交织成一个复杂的网络，它们同时启动对信息进行处理。 联结主义网络一般由三个层次组成：输入层(input layer)、内隐层(hidden layer)和输出层(output layer)。输入层接受输入的表征（如汉字的字形），输出层提供输出应有的表征（如汉字的分类），而内隐层则存储网络所学习到的知识表征（如汉字在各个不同学习阶段的形体）（李平，2002）。 联结主义网络中最具有代表性的是前馈网络(feed-forward network)。这种网络由三层构成，激活沿一个方向自下而上在网络中流动，从输入层开始，在输出层结束。每个单元的激活是由当前的输入（即输入的权重之和）决定的。每个单元的激活都处于0和1之间。当单元的输入为正无穷大(positive infinity)时，激活水平达到1；当输入为负无穷大(negative infinity)时，激活水平为0。图示如下：
