人間および人工ニューラルシステムにおける言語構文の収束的表象

要旨: 言語的構文が脳によってどのように処理されるかを理解することは、認知神経科学と言語学における中心的な課題である。近年の計算論的研究では、人工ニューラル言語モデルが自発的に引き数構造構文（Argument Structure Constructions; ASC）の分化した表象を発達させ、処理の中でいつ、どのように構文レベルの情報が現れるのかについて予測を生成することが示されている。本研究では、脳波計測（EEG）を用いて、人の神経活動におけるこれらの予測を検証する。英語の母語話者10名が、4種類の構文タイプ（他動詞文、授与動詞文、引き起こし移動、結果構文）にまたがって200の統計的に生成された文を聞き、その神経応答を記録した。時周波数法、特徴抽出、機械学習による分類を用いた解析の結果、構文特異的な神経シグネチャは主として文末位置で生じており、そこで引き数構造が完全に曖昧性解消され、さらに最も顕著なのはアルファ帯であった。ペアごとの分類では、信頼できる分化が示された（特に授与動詞文と結果構文の間）一方で、他のペアでは重なりが見られた。決定的に重要なのは、これらの効果の時間的な立ち上がりと類似性の構造が、再帰型およびトランスフォーマーベースの言語モデルにおけるパターンと一致している点であり、そこでは構文的表象が統合的な処理段階の間に生じる。これらの知見は、構文が異なる形-意味対応として神経学的に符号化される、という構文文法（Construction Grammar）の見解を支持するとともに、生物学的システムと人工システムの間で同様の表象解が収束する可能性を示唆する。より広く言えば、この収束は、学習システムが、基盤となる表象風景の中に安定した領域を発見する、という考え方とも整合的である。なお、この概念は最近「プラトニックな表象空間（Platonic representational space）」と呼ばれるようになった。