Частные лингвистические теории, разрабатываемые в рамках когнитивной науки 26 страница

ГЛАВА I

Современные модели восприятия речи: критический обзор

В настоящее время известно около 15 моделей восприятия речи, которые отличаются как общей «идеологией» – принципами, заложенными в основу соответствующих разработок, так и детальностью, богатством (или бедностью) привлекаемого экспериментального материала, степенью ориентированности на реальные процессы и стратегии, присущие воспринимающему естественную речь человеку, наконец, уровнем формализованности и пригодности для воплощения в виде компьютерных программ или специализированных устройств.

Относительно последних двух пунктов стоит сказать несколько подробнее. На первый взгляд, степень гуманитарной адекватности – как можно условно обозначить отмеченные два свойства моделей восприятия речи – противоречат друг другу: в первом случае исследователь стремится максимально воспроизвести в модели все реальные процессы, которые обеспечивают восприятие речи человеком, вне зависимости от возможности / невозможности, легкости / трудности реализации данной модели в виде компьютерной программы; во втором случае основным требованием к модели выступает именно ее компьютерная реализуемость – при условии, разумеется, что компьютерная модель способна адекватно сопоставлять естественному звучащему тексту запись данного вида. При ориентации на компьютерную адекватность как основную цель моделирования исследователи нередко отклоняются тем или иным образом от требования включать в модельное представление те и только те процедуры, которыми, как можно думать, реально пользуется человек.

В известной степени противопоставление, очерченное выше, реально <...>. Но только лишь в известной степени. Дело в том, что компьютерную реализуемость модели не следует считать неким «внешним» условием или же аспектом чисто прикладного характера. Модель интересующего нас вида не может не быть действующей, ибо динамическая природа – неотъемлемое свойство ее естественного прототипа. Поскольку о механической действующей модели восприятия речи по понятным причинам говорить не приходится, единственно возможный вариант действующей модели с необходимостью оказывается компьютерным.

Из сказанного следует, что именно компьютерное моделирование есть тот инструмент, который сущностно адекватен задаче: исследованию реальных процессов восприятия речи. Выше мы говорили о «процедурах, которыми, как можно думать, реально пользуется человек» при восприятии речи. На существование таких процедур нам обычно «намекают» экспериментальные данные, именно они позволяют нам думать, что человек прибегает к соответствующим стратегиям. Но лишь встроив формализованные аналоги этих стратегий в (компьютерную) модель, мы получаем возможность проверить, как они функционируют – и функционируют ли вообще – в процессе достижения заданного результата. Тем самым без модельного «проигрывания» разных вариантов решения полное описание перцептивного процесса оказывается невозможным.

Иначе говоря, критерии гуманитарной и компьютерной адекватности выступают в качестве взаимно дополнительных. Первый требует, чтобы исследователь исходил из некоторых общих представлений о том, как может функционировать человек в решении перцептивных задач, а также из конкретных экспериментальных данных, релевантных для данной области. Второй дает в руки исследователя незаменимый способ объединения различных данных в целостную действующую систему и проверки их на функциональность, совместимость и эффективность в достижении заданного результата.

ГЛАВА 2

Основные принципы представления процессов речевосприятия

Начнем с замечаний терминологического характера. В некоторых традициях принято различать «восприятие языка» и «восприятие речи».<...> здесь важно различать два аспекта, лишь один из которых носит более терминологический характер.

Мы имеем в виду, что говорить о «восприятии языка» вообще едва ли законно. Объектом перцептивных процессов выступает отнюдь не языковая система сама по себе, но именно речь (текст) как продукт ее деятельности.

Что же касается противопоставления процессов, связанных с восприятием фонем или слогов, с одной стороны, и словосочетаний, слов, тем более предложений, с другой, то различие между ними действительно есть, оно носит принципиальный характер. Восприятие фонем, слогов, равно как и тонов, акцентных контуров, интонационных типов не предполагает понимания, в то время как восприятие предложений, текстов, в известной степени слов и словосочетаний, в типичной ситуации именно понимание и предполагает. Условно говоря, в первом случае мы находимся в пространстве «между» акустикой / психоакустикой и языком, во втором – «между» языком и энциклопедическими знаниями.

Обсуждая этот вопрос, мы сталкиваемся с необходимостью уточнения самого понятия и термина «восприятие». <...> «В исследованиях по восприятию речи этот термин покрывал собой почти любые сенсорные и перцептивные операции, а в психолингвистике он использовался для обозначения таких разных процессов, как распознавание слов, сегментация речевого сигнала, определение сходства между двумя языковыми структурами и даже понимание связного текста» [Flores d'Arcais, 1989].

Мы, со своей стороны, предпочли бы следующую формулировку: восприятие речи есть приписывание языковой структуры речевому сигналу. Как можно видеть, данная формулировка акцентирует скорее результат, нежели процедурный аспект перцептивного процесса. Она в значительной степени снимает то противопоставление требующих / не требующих понимания перцептивных операций, о котором говорилось выше. В процессе восприятия речи слушающий (нас интересует в первую очередь восприятие речи звучащей) должен интерпретировать речевой сигнал в терминах соответствующей языковой системы. Последняя обладает, как минимум, номинативным (словарным плюс, возможно, словообразовательным), фонологическим, морфологическим, синтаксическим и семантическим компонентами с собственными единицами и правилами. Следовательно, поступающий речевой сигнал должен быть перекодирован слушающим в структуру, охарактеризованную через признаки, принадлежащие всем или некоторым из названных выше компонентов. Так, результатом восприятия может быть установление лишь фонологической структуры, например фонемной цепочки и места ударения, без отождествления полученной единицы с одной из словарных единиц, как это и имеет место реально при восприятии бессмысленных, новых слов или имен. В других случаях результатом работы перцептивных механизмов будет структура, сформированная словами, отождествленными с соответствующими словарными единицами, которые (слова) входят в определенные синтаксические и семантические отношения друг с другом, а сами обладают, в свою очередь, внутренней структурой, морфологической и, в плане выражения, фонологической.

Иначе говоря, возможна разная «глубина» восприятия, определяемая мерой, полнотой использования языковой системы для внутреннего представления речевого сигнала. Кроме того, возможны разные пути, разные процедуры достижения данного перцептивного результата: так, установление фонемной цепочки, выступающей экспонентом слова, может быть получено в силу анализа акустической картины, обрабатываемой с целью извлечения информации о коррелятах тех или иных дифференциальных признаков, но может быть и побочным результатом действия механизмов предсказания, которые прогнозируют, иногда с вероятностью, равной единице, появление конкретного слова в данной точке речевой цепи. В типичном случае для воспринимающего речь человека нет субъективного различия между разными путями формирования языкового перцепта.

Здесь мы вплотную подходим к вопросу о структурировании перцептивного механизма и его процедур. Однако сначала представляется необходимым выделить доперцептивный, или, условно, психоакустический, механизм, функционирование которого составляет необходимую предпосылку работы перцептивного.

Психоакустический блок, или модуль, не обладает специфичностью ни по отношению к конкретному языку, ни по отношению к языку вообще. Он, в сущности, совпадает с анализатором, генетически предназначенным для обработки слуховой информации, т.е. со слуховым анализатором – вернее, с сенсорными (рецепторными), т.е. низшими отделами последнего. <...> механизмы психоакустического модуля измеряют частотные, временные, энергетические параметры звукового сигнала в их соотношении. Эти механизмы преднастроены (предпрограммированы), их деятельность поддается описанию посредством соответствующих функций. Едва ли можно говорить об их обучаемости в собственном смысле слова, хотя, безусловно, можно говорить об обучаемости систем, «считывающих» показания психоакустических механизмов и структурирующих их определенным образом.

На выходе психоакустического модуля формируется описание исходного речевого сигнала в виде последовательности дискретных сегментов речевого потока, еще не имеющих размерности фонем. Эти сегменты образуются в результате работы процедур микросегментации <...>, и каждый из них описывается набором признаков с указанием их «весов» (вероятностей). По своему содержанию они, видимо, могут совпадать с выходными сигналами «детекторов акустических признаков» <...>.

Сами перцептивные механизмы несомненно включают блок, или модуль, непосредственно работающий с информацией, соответствующей выходу психоакустического модуля. Иначе говоря, выход психоакустического модуля доступен для целого ряда когнитивных систем, в том числе и для перцептивной речевой системы, для одного из ее модулей. Последний включается в работу, когда принимается решение о том, что звуковой сигнал является речевым. Будем говорить о таком модуле как о фонетико-фонологическом. Он включает некоторый набор субмодулей. Их точный состав не может быть пока определен.

Во входных субмодулях данного модуля принимаются решения о фонемах, дискретной последовательностью которых может быть описан данный участок речевого потока. Для этого на каждом из сегментов используются комбинации признаков, полученные в психоакустическом модуле, а также данные для нескольких последовательных сегментов. При принятии решений учитываются вероятности признаков, так что первыми выдаются наиболее вероятные фонемные решения.

Если результаты лексического поиска и работы последующих уровней анализа при полученной таким образом фонемной последовательности окажутся неудовлетворительными и возникнет необходимость «вернуться» к уровню создания фонемного описания, чтобы попытаться получить более подходящую цепочку фонем в качестве описания данного сигнала, то будут повторно задействованы входные субмодули; при этом исходная информация для них (выходные сигналы психоакустического модуля) должна храниться в памяти и не может быть изменена процедурами «сверху вниз».

Ясно, однако, что в любом случае мы имеем дело с многоканальной системой, пронизанной прямыми и обратными связями, которые позволяют ей функционировать в интерактивном режиме <...>.

В отличие от психоакустического модуля, фонетико-фонологический складывается прижизненно, нормально в раннем онтогенезе. Его механизмы, будучи сформированными, тоже в известном смысле преднастроены: они осуществляют в пространстве наличного сенсорного материала активный поиск информации, которая может быть перекодирована в некоторое символьное представление, отвечающее системе данного языка.

В частности, для каждой фонемы конкретного языка должен существовать, вероятно, ее перцептивный эталон. Последний задает конфигурацию признаков, выделяемых психоакустическим модулем, а также допустимые пределы их варьирования относительно заданных условий (высоты голоса, темпа речи, позиции и т.п.) и относительно друг друга. Метрика перцептивного эталона позволяет системе использовать функцию сходства для определения меры близости конфигурации признаков, выделяемых психоакустическим модулем, к конфигурации эталонной. Эта операция необходима, поскольку реальные параметры речевого сигнала сплошь и рядом отличаются высокой степенью неопределенности. Гиперпризнаки <...>, возможно, целесообразнее интерпретировать как такую ситуацию, когда значение функции сходства позволяет отнести данную конфигурацию признаков к двум или более эталонам с равной вероятностью.

Правда, смысл введения понятия гиперпризнаков в этой модели был связан не с тем, что слушающий не может использовать соответствующую информацию, а, скорее, с тем, что он не должен («не обязан») ее использовать: гиперпризнаки, по мысли авторов модели, позволяют достичь идентификации языковых единиц более экономными средствами. Но мы сейчас обсуждаем фактически максимальные возможности каждого из модулей. Функционирование субмодулей, обладающих низким иерархическим статусом, может действительно в конкретных условиях оказываться избыточным, тем не менее все они необходимы для максимального использования всех ресурсов системы в минимально благоприятных условиях.

Выход фонетико-фонологического уровня представлен цепочкой дискретных единиц – символов, в типичном случае фонем. Как следует из сказанного выше, такая цепочка в достаточно большом числе случаев (хотя какая бы то ни было статистика нам не известна) не может фигурировать в качестве «готового» экспонента той или иной языковой единицы: часть членов этой цепочки может характеризоваться лишь мерой близости к фонеме А или же фонемам А/В (А/В/С...), а какая-то часть элементов цепочки может вообще отсутствовать (в сопоставлении с намерением говорящего), причем возможен как вариант, когда такое отсутствие абсолютно (ничто в сформированной фонетико-фонологическим модулем цепочке не говорит о том, что налицо нулевая редукция), так и вариант «относительного» отсутствия, когда фиксируется наличие сегмента, но не его качество. Последний случай можно интерпретировать как вычисление такой функции сходства, которая устанавливает равнозначную отнесенность данной конфигурации признаков к любому из перцептивных эталонов, отвечающих фонемам данного языка. <...>

До сих пор речь фактически шла о функционировании фонетико-фонологического модуля, который (субмодуль) ответствен за принятие решений относительно сегментных единиц – фонем (вопрос о слогах, также являющихся сегментными единицами, мы сейчас специально затрагивать не будем <...>). Но одновременно нужно допустить существование некоторого набора субмодулей, связанных с установлением супрасегментных, или просодических, характеристик речи. Как минимум, это интонационный субмодуль <...> и акцентный, а для тональных языков – тональный. Эти субмодули действуют параллельно сегментному, что, однако, никак не означает невозможности их иерархического соотношения <...>.

Разумеется, просодические субмодули также работают с информацией, полученной на выходе психоакустического модуля. Сформулируем здесь лишь несколько положений, связанных с возможными принципами функционирования акцентного субмодуля.

Обычно принимается, что информация об ударении – это фактически информация об акцентном контуре слова. Из этого следует, что для получения соответствующих характеристик необходимо обладать сведениями о членении звучащей речи на слова. Однако <...> информация о сегментации речевого потока на слова никоим образом не обеспечивается одними или даже преимущественно фонетическими признаками. Между тем есть основания полагать, что место ударения можно установить и без знания о том, где проходят границы слов, т.е. в определенном смысле эта задача может решаться в пределах фонологического (фонетико-фонологического) компонента.

Соответственно получение информации об ударении может пониматься как задача детектирования ударных слогов не по отношению к границам слова, а, скорее, по отношению друг к другу: определяется момент, соответствующий первому ударному слогу, второму, третьему и т.д. Это связывает нахождение акцентных характеристик с проблемой речевого ритма <...>.

<...> Результатом работы субмодуля является расстановка меток, соответствующих ударным слогам. <...>

Если в распоряжении системы имеются данные о составе цепочек сегментных единиц <...>, а также о местоположении ударных слогов, то необходима еще информация о членении речевого потока на слова, чтобы система могла обратиться к процедуре отождествления соответствующих цепочек с единицами словаря. Заметим сразу, что в языках с фиксированным ударением обнаружение ударных слогов естественным образом обеспечивает одновременно установление словесных границ <...>. Но и в языках с разноместным ударение, к которым принадлежит русский, выявление ударных слогов есть установление числа слов, что также содействует обнаружению словесных границ, особенно если учесть статистические закономерности местоположения ударного слога в слове.

<...> обратимся к механизмам словарного поиска.

Если словарь представить себе как некоторую упорядоченную совокупность словоформ (хотя это не очень реалистическая гипотеза <...>) и исходить из такой ситуации, когда фонемная цепочка, отвечающая слову, «заполнена» однозначно и без пропусков, то проблема словарного поиска решается тривиально. Идентификация данной цепочки, охарактеризованной просодически, в качестве экспонента некоторого слова (словоформы) реализуется в результате последовательного просмотра всего корпуса словаря. Как вполне понятно, такой процесс сплошного сканирования множества словарных единиц носит громоздкий характер. Процедуры этого типа, возможно, используются в ситуациях, когда распознаванию подлежат новые слова, а также слова, появление которых в данной точке речевой цепи характеризуется низкой вероятностью.

Более обычны ситуации, когда восприятие речи организуется встречной активностью субъекта восприятия. Использованию активных стратегий восприятия способствует то обстоятельство, что сам словарь пронизан множественными связями между его единицами – связями семантическими, грамматическими, фонетическими (фонологическими). Иначе говоря, упорядоченность словаря реализуется как наличие в его составе пересекающихся групп слов, каждая из которых объединена теми или иными признаками. Контекст речевого акта, установки слушающего, предтекст позволяют достаточно узко отграничить, прежде всего с семантической точки зрения, тот подсловарь, единицы которого слушающий «рассчитывает» встретить в воспринимаемом тексте. Поэтому сканирование, о котором говорилось выше, обычно осуществляется в рамках не всего словаря, а одного из подсловарей.

Меньший объем словаря (подсловаря) имеет одним из своих результатов снижение требований к точности и полноте описания входных единиц с фонетической (фонологической) точки зрения. В этих условиях и возникает возможность использования гиперпризнаков, понимаемых как признаки единиц супрафонемного формата, в типичном случае – слов. <...>

Любой подсловарь дополнительно стратифицирован в силу разной частотности входящих в него слов. Частотность слова также принадлежит к его гиперпризнакам.

Все используемые в процессе восприятия признаки (гиперпризнаки) иерархизированы за счет приписывания им определенных весов <...>. Поскольку идентификацию слов уместно понимать как активирование связей, принадлежащих ментальному лексикону, можно сказать, что признаки, которым отвечает меньший вес, достаточно часто вообще не используются: уровня активации, достигаемого за счет использования признаков высокого иерархического статуса (с большим весом), оказывается достаточно, чтобы имела место идентификация входной цепочки в качестве слова X.

Вес, приписываемый признаку, может носить постоянный и переменный характер. По-видимому, постоянно высокое значение весов свойственно тем признакам, которые отличает существенная помехоустойчивость. К последним принадлежат прежде всего просодические признаки. Частотность как таковую тоже представляется уместным отнести к признакам с высоким весовым значением, однако конкретное распределение слов по частотности будет зависеть от выбора подсловаря. В условиях шепотной речи, например, естественным будет снижение веса признака «звонкость/глухость», который в русском и в ряде других языков может фигурировать как гиперпризнак, характеризуя более или менее протяженные фонемные цепочки.

Можно предположить, что взаимодействие признаков (гиперпризнаков) в процессе лексического поиска формально описывается с помощью правил теории размытых, или нечетких, множеств <...>.

В другой редакции это будет утверждением о том, что контекст, частотность слова и другие факторы повышают или снижают требования к количеству и качеству акустической информации, необходимой для принятия решения об идентификации слова <...>: высокочастотные слова, слова, предсказываемые контекстом с достаточно высокой вероятностью, позволяют обходиться меньшим числом признаков, их менее выраженными акустическими коррелятами. При прочих равных условиях такие слова распознаются быстрее. В сущности, это проявление иерархически более высокого статуса таких признаков, как семантические и грамматические валентности, частотность и др. Вопрос об автономности / интерактивности различных компонентов перцептивной системы оказывается в значительной степени искусственным <...>: модули и субмодули перцептивной системы функционируют независимо, но результаты их работы постоянно сопоставляются.

Лишь очень кратко упомянем о тех проблемах, которые принято относить к высшим уровням языка и речевой деятельности и которые связаны не со словарем, а с правилами построения текста и соответственно его анализа при восприятии. Здесь очень важны разного типа валентности. Если расслоение словаря на подсловари сужает класс поиска слова в процессе интерпретации входной цепочки за счет парадигматических связей слова, то валентности дают тот же эффект за счет синтагматических связей. Приведем простой пример. Если предтекст содержит (уже идентифицированное) слово ограбить, то весьма высока вероятность появления слова в винительном падеже со значением лица (лиц) или имущественного объекта (ограбить банкира, богатых, квартиру, банк и т.п.). Иначе говоря, распознавание слова ограбить приводит к активации подсловарей, принадлежащих определенному семантическому полю, а также предопределяет грамматическую форму, в которой должны появиться соответствующие слова. Такого рода сужение класса поиска объясняется именно тем, что слушающий – носитель языка обладает знанием валентностей языковых единиц, и это знание используется как источник наложения ограничений на семантические и формальные свойства языковых единиц, которые могут быть в тексте после и / или до единицы X.

Из сказанного следует, в частности, что требуют оговорок традиционные формулировки <...> связи с разграничением сферы словаря языковых единиц и сферы правил, регулирующих использование этих единиц – т.е., практически, грамматики. При всей обоснованности такого разграничения необходимо признать, что уже в словаре при лексической единице должна быть записана достаточно детализированная информация, отражающая валентности этой единицы, равно как и ее частотность, форме– и словообразовательные потенции и т.д.

Для информации о формо– и словообразовательных потенциях требуется, в свою очередь, чтобы словарная единица была представлена как некая формальная структура с выделением блоков, релевантных для действия правил формо– и словообразования. Разные блоки и в процессе восприятия речи будут обрабатываться отдельно. Здесь возникает еще один источник максимального «распараллеливания» процесса восприятия, в данном случае выражающегося в том, что лексическая информация, а также разные виды грамматической информации обрабатываются отдельно и в значительной степени одновременно. В связи с этим заслуживают внимания экспериментальные результаты ряда авторов <...>, которые указывают на такой процесс распознавания, в частности префигированных слов:

«(1) установи, что в слове присутствует префикс и удали его [для дальнейшего] лексического поиска;

(2) найди в словаре основу;

(3) когда основа найдена, восстанови префикс и фиксируй слово. Распознавание [слова] осуществляется на данной стадии» [Emmorey, Fromkin, 1989].

Использование подобных и близких к ним процедур как раз и дает возможность представлять словарь, участвующий в процессах речевосприятия, не как множество словоформ, отражающих полную парадигму каждого слова (поскольку все члены парадигмы могут встретиться в тексте), а как множество основных, и притом внутренне структурированных словоформ, к которым по определенным правилам можно свести реальные словоформы текста.

Разумеется, префиксация, на которой сосредоточили свое внимание упомянутые выше авторы, – лишь частный, притом не самый распространенный способ грамматической информации. Суть в том, что система восприятия речи должна располагать отдельными модулями и субмодулями для обработки грамматической информации: на основе анализа определенных сегментов текста, фонемных цепочек, эти модули формируют гипотезы относительно синтаксической структуры предложения, а также целого ряда признаков наподобие грамматического времени, вида, числа и т.п. Вес, приписываемый этим гипотезам, должен быть достаточно высоким, ибо грамматическая структура служит источником существенных ограничений на вид структуры семантической, установление которой и является конечной целью процесса речевосприятия.

В то же время сама гипотеза о грамматической структуре верифицируется не только относительно результатов работы фонетико-фонологического модуля с его субмодулями, когда, например, информация о наличии вопросительного слова сопоставляется с типом интонации и, если рассогласования этих двух источников нет, принимается решение о коммуникативном типе предложения. Гипотеза о грамматической структуре высказывания должна одновременно находиться под контролем семантической гипотезы, или смысловых ожиданий слушающего, которые формируются <...> его собственными установками, ситуацией, контекстом и т.п.

С этой точки зрения процесс речевосприятия не только завершается «семантической стадией», но и начинается с таковой. Учитывая данное обстоятельство, равно как и неизбежное несовершенство самого акустического речевого сигнала (который в типичном случае просто не содержит информации, необходимой и достаточной для его декодирования), следует эксплицитно предположить, что автономная модель восприятия речи – автономная в том смысле, что она не использует информации, помимо содержащейся в сигнале и в обрабатывающей сигнал языковой системе, – просто невозможна. Задача создания полной и универсальной модели восприятия речи в этом смысле эквивалентна созданию искусственного интеллекта <...>.

В то же время <...> следует принимать во внимание, что возможна разная «глубина» восприятия и что само по себе восприятие не предполагает с необходимостью понимания. <...> человек обычно может записать на слух не очень длинное предложение (которое субъективно может быть представлено как последовательность единиц, числом не превосходящих объем оперативной памяти), даже не понимая его смысла, например, когда предложение отражает какую-то информацию из специфической сферы, чуждой слушающему. Это как раз и означает, что акт восприятия имел место, поскольку языковая структура речевому сигналу приписана, при этом приписанная семантическая структура носит сугубо внутриязыковой характер, т.е. отражает лишь словарные значения лексических единиц (если слова вообще знакомы слушающему) и связанную с ними информацию из области грамматической семантики.

Строго говоря, непосредственной задачей специалиста, моделирующего восприятие речи и не рискующего при этом вторгаться в область искусственного интеллекта, могло бы быть воспроизведение именно процедур такого рода.

А.В. Венцов, В.Б. Касеdич, Е.В. Ягунова

КОРПУС РУССКОГО ЯЗЫКА И ВОСПРИЯТИЕ РЕЧИ

(НТИ. Серия 2. Информационные процессы и системы. М., 2003)

В настоящее время лингвистика во многом избавилась от раннегенеративистских иллюзий, в частности, от уверенности, что лингвистические механизмы как таковые могут быть познаны с привлечением весьма ограниченного набора примеров (обычно сочиненных самим лингвистом). На смену этим достаточно наивным представлениям приходит понимание необходимости строить исследование даже самого «мелкого» фрагмента языковой системы с использованием репрезентативного множества текстов соответствующего языка. Оговоримся, что имеется в виду репрезентативность как в количественном, так и в качественном отношении – по представленности жанров, стилей и т.п.

Такое множество текстов стало уже традиционным называть корпусом. Приступая к исследованию конкретной проблемы, лингвист может (а в реальной ситуации, как правило, должен) составлять свой собственный корпус.