连通主义理论的历史演变.docxVIP

连通主义理论的历史演变 著名的英国语言d.a.wilkin说：“没有语法，人们无法表达许多东西；没有单词，人们无法表达任何东西。”。”由此可见,词汇是语言的基石,词汇习得是整个二语习得过程的关键,各项语言能力的学习和提高都离不开词汇。但因词汇枯燥、抽象,量大易忘,因此词汇习得也就成为了二语习得者的重点和难点。而大家或许都有体会,即在二语习得过程中,或多或少运用了母语。母语在二语词汇习得过程中起到的作用,自上世纪70年代以来,已经有越来越多的国内外学者从不同的侧面进行了研究。不过,他们多从行为主义、建构主义或普遍语法角度分析了母语迁移对二语词汇习得的影响。连通主义(connectionism),是20世纪80年代后期取代符号表征理论而成为认知科学和神经科学中一种崭新理论。虽然创建时间不长,但迄今为止它对很多语言认知现象的解释要优于传统的普遍语法认知理论。那么作为一种新的认知学说,连通主义又是怎样来认知母语迁移对二语词汇习得的影响呢?本文将对以母语为汉语、二语为英语的习得者的这一现象进行探讨,以促使习得者正确对待母语迁移给二语词汇习得带来的影响。 一、 人工智能神经网络的含义 由神经生物学可知,人的神经系统的基本组成单元是神经元。神经元分为胞体和突起两部分,胞体主要位于神经节和中枢神经系统中。突起分为树突和轴突,树突是用来接受信息的,轴突是用来传出信息的。轴突和树突上有很多通道,可以特意性地和神经递质结合。神经递质有兴奋性的,也有抑制性的。当神经元体内的信号累积值超过某一阈值时,神经元被驱动,脉冲串信号就沿着轴突传到与它紧密相联的其它神经元。神经系统就是这样行使指挥系统功能。 人工神经网络,从信息处理角度讲,它由大量类似人类神经元的处理单元彼此高度复杂地连接在一起而成的一种并行处理系统。由此可知,某个处理单元i信号(即电位)的净输入Ni应该是与它相连的所有上一级处理单元传给它的输入(Xi)与各自的联结权重(Wi)的乘积和(∑i=1nWiXi)(∑i=1nWiXi)与这个处理单元i自身电位的阈值(θi)差。 某个处理单元i信号的净输入为: Ni=∑i=1nWiXi?θi(1)Νi=∑i=1nWiXi-θi(1) 其输出方程为: Yi=f(Si)(3)Yi=f(Si)(3) 在上述式(1)中的联结强度(Wi)的设计与调整是至关重要的。通常它们可通过学习来完成,即在特定的神经网络里,给定输入样本值(Xi),使输出值(Yi)符合人的预期,此时的Wi就是符合条件的联结权重值。通过不断地驯化寻找,可以使人工神经网络不断成熟。因此无监督的自学习、自联结来确定Wi以适应周围环境的要求是人工智能神经网络的重要特点,这也更类似于人类的智力活动。 连通主义,就是基于上述人工神经网络而建立起来的认知理论。它又称新联结主义、分布表征理论、平行分布加工模型(parallel distributed processing,PDP)或神经计算,是通过人工神经网络中大量单一处理单元的扩散激活(spreading activation)来揭示人类智力能力(intellectual abilities)的一种认知科学活动。它结合了生物学、信息学、数学、物理学和计算科学等方面的最新成果,运用人工神经网络作为认知科学领域信息传递和处理的模型。 依据连通主义定义得知,认知领域的人工神经网络里也有无数的处理单元,这些单元按信息通过路径或功能可分为输入单元、输出单元和中间单元(也叫隐单元或黑箱)三种。它们的功能类似于人脑中的感觉神经元、运动神经元和中央神经元。这些单元能完全实现自适应、自联结、自组织和自学习。这些单元组成的网络系统有强大的并行处理和纠错能力,能通过学习驯化来自动归纳输入数据规律,正视认知的情景依赖性和事物间潜在的普遍关联,积累和建构知识体系。因此它比普遍语法更进一步模拟了人脑认知能力的物质基础,更具有神经学意义上的合理性。 二、 语词汇习得中的声母迁移现象 母语习得,已经建立了包括语音、词汇各个方面比较合适的参数和函数,认知的神经网络基本完善。二语习得过程其实也是建立合适参数和函数的过程。二语习得与母语习得有密切的关系。二语习得者常有这种体会,学习二语时,首先就会考虑其新知识点可否与已有的母语知识点联系起来,如果二语的读音、词义与母语之间能联系起来,通过类比和分析理解,新的二语知识点往往会被容易接受和掌握,习得者以后使用这些知识也会特别自然顺利,稍加记忆便会经久不忘;反之,一般难以掌握和运用自如。这种现象就是二语习得时的母语迁移现象。母语知识就像是二语习得者的过渡性语料库。许多实验也证明母语迁移现象的广泛存在。 Lado把“迁移”定义为“学习者自己母语的形式、意义以及这种形式和意义所具备的文化内涵迁移到所学的外语上面”。后来Ellis把它高度概括为:“二语学习