МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ОБУЧЕНИЯ ЯЗЫКУ У ДЕТЕЙ: ПСИХОЛИНГВИСТИЧЕСКИЕ ПАРАДИГМЫ, КОННЕКЦИОНИСТСКИЕ СЕТИ И ВЫЧИСЛИТЕЛЬНАЯ НЕЙРОНАУКА

Аннотация

В данной фундаментальной научно-теоретической, междисциплинарной и вычислительной статье проводится глубокий, всесторонний и многоаспектный анализ современных подходов к моделированию процессов онтогенеза речи и усвоения родного языка у детей. В условиях интеграции когнитивных наук, нейробиологии и искусственного интеллекта традиционная оппозиция между нативистскими (инатизм Н. Хомского) и конструктивистскими (коннекционизм, социальный интеракционизм) теориями онтогенеза речи требует переосмысления с позиций формального математического и вычислительного моделирования. В исследовании подробно рассматриваются архитектуры искусственных нейронных сетей (рекуррентные сети, трансформерные модели, самоорганизующиеся карты Кохонена), используемые для воспроизведения динамики усвоения фонологии, морфологии (в частности, усвоения форм прошедшего времени и эффекта оверрегуляризации) и синтаксиса у детей раннего возраста. Особое внимание уделено роли механизмов статистического обучения (Statistical Learning), стохастического анализа входа (Child-Directed Speech / Motherese), а также моделированию критических периодов развития речи на основе показателей пластичности нейронных сетей. На основе анализа эмпирических психолингвистических корпусов данных (CHILDES) разработана и научно обоснована гибридная вычислительная модель, сочетающая вероятностные байесовские алгоритмы и архитектуры глубокого обучения.