神經(jīng)振蕩：窺探句法解析的時(shí)間進(jìn)程

摘" 要" 在語言表型與神經(jīng)機(jī)制之間尋找對(duì)應(yīng)關(guān)系， 即所謂的映射問題（the mapping problem）， 是當(dāng)前研究的一大熱點(diǎn)。其中， 句法解析的神經(jīng)機(jī)制尤具挑戰(zhàn)性， 這涉及到如何在神經(jīng)活動(dòng)中識(shí)別出對(duì)應(yīng)于句法結(jié)構(gòu)構(gòu)建的過程， 是人類語言能力之謎破題的關(guān)鍵。近期神經(jīng)振蕩活動(dòng)的相關(guān)研究不僅為句法解析過程中句法加工的心理現(xiàn)實(shí)性提供了有力證據(jù)， 也展示了利用神經(jīng)振蕩來闡釋句法解析過程的神經(jīng)編碼活動(dòng)的可行性。而理論語言學(xué)最簡方案有關(guān)句法計(jì)算的理論模型可以與神經(jīng)科學(xué)中有關(guān)神經(jīng)振蕩的實(shí)驗(yàn)研究相互印證， 通過此類研究可以窺探句法構(gòu)建的時(shí)間進(jìn)程。未來研究可集中于四方面：神經(jīng)振蕩與句法加工的更細(xì)粒度對(duì)齊; 神經(jīng)振蕩的發(fā)生機(jī)制及其生物學(xué)意義; 兒童語言發(fā)展過程中神經(jīng)振蕩的變化模式; 語言障礙神經(jīng)生理基礎(chǔ)及其康復(fù)應(yīng)用。

關(guān)鍵詞" 神經(jīng)振蕩， 語言理解， 句法解析， 最簡方案， 增量轉(zhuǎn)換

分類號(hào) "B842; B845

1" 引言

David Poeppel （2012）提出了語言學(xué)與神經(jīng)科學(xué)的映射問題：語言學(xué)與神經(jīng)科學(xué)之間本體論結(jié)構(gòu)間具有怎樣的聯(lián)系？這一問題的核心在于， 如

何以一種詮釋性的框架將語言加工的不同方面與大腦中的神經(jīng)活動(dòng)直接關(guān)聯(lián)起來， 從而揭示自然語言加工的具體神經(jīng)機(jī)制。而要回答這一問題， 最大的挑戰(zhàn)源于粒度不匹配問題（granularity mismatch problem）， 即理論語言學(xué)傾向于以細(xì)粒度的視角對(duì)語言本體進(jìn)行描寫與研究， 而神經(jīng)科學(xué)研究往往聚焦于較為宏觀的、粗粒度的語言行為。這種視角上的差異導(dǎo)致很難在語言表征與神經(jīng)活動(dòng)之間建構(gòu)起對(duì)應(yīng)關(guān)系， 這使得語言與人腦相關(guān)性的研究容易浮于表面， 難以找到語言現(xiàn)象真實(shí)對(duì)應(yīng)的神經(jīng)機(jī)制。映射問題的解決是探究人類語言能力的關(guān)鍵， 因此， 學(xué)界開始對(duì)句法、語義等語言構(gòu)建過程中的神經(jīng)編碼活動(dòng)進(jìn)行研究（Hale et al.， 2022）。

目前， 有越來越多的研究揭示了以低頻神經(jīng)振蕩（low frequency neural oscillation）作為句法層級(jí)結(jié)構(gòu)構(gòu)建指標(biāo)的可行性， 使其成為闡述句法解析相關(guān)神經(jīng)機(jī)制的有力候選者。特別是， 這些研究發(fā)現(xiàn)了外源性刺激時(shí)間與內(nèi)源性振蕩表征時(shí)間之間的非同構(gòu)映射關(guān)系， 以及語法知識(shí)與語義統(tǒng)計(jì)線索、詞匯屬性的分離， 揭示了人腦專司句法構(gòu)建的先驗(yàn)語法知識(shí)1的存在， 為句法加工的心理現(xiàn)實(shí)性提供了證據(jù)。此外， 神經(jīng)振蕩的相位相干性（phase coherence）與不同語言層級(jí)結(jié)構(gòu)之間的潛在聯(lián)系也逐漸得到關(guān)注， 相關(guān)領(lǐng)域涌現(xiàn)出了具有發(fā)展?jié)摿Φ睦碚撃Ｐ汀?/p>

2 "句法解析管窺：序列到層級(jí)的增量轉(zhuǎn)換

句法結(jié)構(gòu)的層級(jí)性是自然語言區(qū)分于其它交際系統(tǒng)的重要特征， 它賦予了人類用有限手段生成無限的語言表達(dá)的能力（Chomsky， 1957， 1965）。句法解析（syntactic parsing）， 即語言實(shí)現(xiàn)從線性語音序列到抽象句法層級(jí)結(jié)構(gòu)增量轉(zhuǎn)換的過程， 是語言學(xué)及認(rèn)知科學(xué)內(nèi)廣受關(guān)注的議題（Traxler， 2014）。在映射問題的框架內(nèi)， 語言學(xué)理論與神經(jīng)科學(xué)研究都對(duì)增量轉(zhuǎn)換的句法解析過程有了一定的探索與描述。

2.1" 語言本體理論中的句法解析：句法對(duì)象的合并操作

最簡方案（the Minimalist Program）是Noam Chomsky在語言學(xué)中新近提出的一種理論框架， 旨在尋求語言的結(jié)構(gòu)和解釋方式的最簡化形式（Chomsky， 1995）。根據(jù)最簡方案理論， 句法解析實(shí)質(zhì)上是以詞匯項(xiàng)（lexical items）為基本原子單位， 通過合并（merge）操作將工作空間（workspace）中的可操作句法對(duì)象（accessible syntactic object）構(gòu)建為二分叉的層級(jí)組織集合的過程。以下為合并的數(shù)學(xué)表達(dá)式：（其中， WS =工作空間; P/Q =句法對(duì)象; X =附加元素; { } 用于標(biāo)記短語結(jié)構(gòu); [ ] 用于標(biāo)記特征） （Chomsky et al.， 2023; Marcolli， Chomsky， amp; Berwick， 2023）。

""""""""""""""""""""""""" （1）

（2）

外合并（直接從詞庫調(diào)用詞匯項(xiàng)以生成基礎(chǔ)的論元結(jié)構(gòu)等）可表示為：

""""" （3）

內(nèi)合并（即‘移位’， 從已構(gòu)建的結(jié)構(gòu)成分內(nèi)部選取成分移位到新的合并位置， 以核查與話語等信息結(jié)構(gòu)安排所需要的特征）可表示為：

（4）

簡單來說， 為實(shí)現(xiàn)線性序列到層級(jí)結(jié)構(gòu)的增量轉(zhuǎn)換， 需要考量以下三個(gè)方面：（1）可供合并操作的句法對(duì)象的表征如何形成， 即大腦如何收集感覺信息形成詞匯表征; （2）工作空間如何動(dòng)態(tài)更新實(shí)現(xiàn)對(duì)句法對(duì)象的存儲(chǔ)與預(yù)測(cè); （3）合并操作如何將工作空間內(nèi)的詞表征構(gòu)建為層級(jí)結(jié)構(gòu)（Chomsky， 1995）。合并操作最終生成的結(jié)果在技術(shù)上通常用句法樹（syntax tree）來表示， 根據(jù)線性對(duì)應(yīng)公理（Linear Correspondence Axiom）， 句法樹的層級(jí)結(jié)構(gòu)映射在線性序列上形成終端節(jié)點(diǎn)為標(biāo)識(shí)的語音線性序列， 它以一種可視化的方式展示了句法結(jié)構(gòu)的層級(jí)化構(gòu)建的布局和程序。通過合并操作， 低層級(jí)的句法單元被整合在更高層級(jí)的句法表征中， 實(shí)現(xiàn)了從線性序列到層級(jí)結(jié)構(gòu)的增量轉(zhuǎn)換。從心理語言學(xué)視角可將其描述為：在線性的語音序列輸入的過程中， 人腦整合各類信息在詞匯通達(dá)（lexical access）后形成詞表征（句法對(duì)象）， 詞表征存儲(chǔ)入工作記憶（工作空間）后在推斷（合并）的過程中被提取與運(yùn)用， 形成具有垂直層級(jí)關(guān)系的樹形結(jié)構(gòu)（tree notation）， 最終實(shí)現(xiàn)對(duì)句子的理解。

2.2" 神經(jīng)科學(xué)研究中的句法解析：神經(jīng)振蕩與時(shí)間結(jié)構(gòu)

研究句法解析的神經(jīng)機(jī)制需要訴諸對(duì)人腦活動(dòng)的觀測(cè)。如前文所述， 在語言本體理論的框架下， 句法解析是一種將線性序列構(gòu)建為層級(jí)結(jié)構(gòu)的過程。人腦中的神經(jīng)活動(dòng)如何表征這一過程， 便是句法解析的神經(jīng)機(jī)制問題。傳統(tǒng)上， 學(xué)界對(duì)于句法解析神經(jīng)機(jī)制的探討主要集中于事件相關(guān)電位（Event Related Potentials， ERPs）， 比如與語義違例相關(guān)的N400 （Kutas amp; Federmeier， 2000， 2011）， 與句法違例相關(guān)的P600 （Gouvea et al.， 2010， p. 600）， 以及與韻律邊界識(shí)別相關(guān)的閉合正漂移（Closure Positive Shift， CPS） （Steinhauer et al.， 1999）等。事件相關(guān)電位的相關(guān)研究已取得重大成效， 作為更敏感的腦電指標(biāo)， 可以揭露行為表現(xiàn)中無法呈現(xiàn)的心理過程。然而， 通過誘發(fā)電位對(duì)句法加工過程進(jìn)行探究具有一定的局限性：事件相關(guān)電位的誘發(fā)對(duì)違例性刺激材料的依賴性較強(qiáng)， 其實(shí)驗(yàn)設(shè)計(jì)在可操作性定義及變量控制上難免失之于主觀， 導(dǎo)致其誘發(fā)機(jī)制解讀的重大爭議; 且相關(guān)研究難以直接提供層級(jí)結(jié)構(gòu)加工的時(shí)間信息， 難以展現(xiàn)句法解析神經(jīng)活動(dòng)的全貌。近年來， 有越來越多的研究發(fā)現(xiàn)了神經(jīng)振蕩（neural oscillation）與句法解析之間的潛在聯(lián)系， 并開始著手研究用神經(jīng)振蕩解釋句法解析時(shí)不同的心理過程（Bastiaansen et al.， 2011）， 為句法解析的研究提供另一種可行的路徑。

神經(jīng)振蕩是大腦皮層神經(jīng)集群在時(shí)空尺度上表現(xiàn)出的節(jié)律性活動(dòng)。這些活動(dòng)通常被分為5個(gè)主要頻段：delta波段（δ： 0.5～4 Hz）， theta波段（θ： 4～8 Hz）， alpha波段（α： 8～12 Hz）， beta波段（β： 12～30 Hz）， 低gamma波段（γ： 30～60 Hz）和高gamma波段（60～200 Hz） （Prystauka amp; Lewis， 2019）。根據(jù)其頻率， 神經(jīng)振蕩又可被分為低頻振蕩（涵蓋δ和θ波段）以及高頻振蕩（涵蓋α、β和γ波段）。作為一種周期性的神經(jīng)活動(dòng)， 神經(jīng)振蕩編碼信號(hào)的一個(gè)顯著特征便是其時(shí)間尺度， 不同頻段的神經(jīng)振蕩與不同時(shí)間尺度的信息處理相關(guān)聯(lián)。因此， 神經(jīng)振蕩的時(shí)空屬性使其天然成為編碼具有顯著時(shí)間結(jié)構(gòu)特征信息的候選機(jī)制。具體來說， 低頻神經(jīng)振蕩因其周期較長， 因此與較大時(shí)間窗口的信息交流潛在相關(guān); 相對(duì)地， 高頻神經(jīng)振蕩由于周期較短， 可能與較小時(shí)窗內(nèi)的信息交流存在聯(lián)系（張力新 等， 2017）。這一特性表明神經(jīng)振蕩的時(shí)間結(jié)構(gòu)與自然語言加工中不同層次結(jié)構(gòu)（詞、短語和句子）構(gòu)建的時(shí)間進(jìn)程存在一定關(guān)聯(lián)， 這意味著神經(jīng)振蕩與不同尺度的句法解析有著潛在聯(lián)系（胡瑞晨 等， 2019）。此外， 神經(jīng)振蕩可以為大腦系統(tǒng)內(nèi)部系統(tǒng)的信息處理和傳遞提供相對(duì)精確的時(shí)間特征， 這與進(jìn)行魯棒性句法解析的需求相符合。

語言學(xué)理論已對(duì)句法解析的過程做出了豐富的探討， 而神經(jīng)科學(xué)研究則表明人腦的神經(jīng)振蕩活動(dòng)與句法解析的時(shí)間進(jìn)程可能存在符合直覺的關(guān)聯(lián)。彌合映射問題之間的鴻溝需要將這兩個(gè)學(xué)科的理論以及研究范式結(jié)合起來， 事實(shí)上也確實(shí)有越來越多的新近研究綜合語言學(xué)理論與神經(jīng)科學(xué)研究范式， 利用神經(jīng)振蕩相關(guān)指標(biāo)探索句法解析心理過程， 更進(jìn)一步地為句法層級(jí)結(jié)構(gòu)構(gòu)建過程的心理現(xiàn)實(shí)性提供強(qiáng)有力的解釋， 并揭示了句法解析潛在的神經(jīng)編碼活動(dòng)， 推動(dòng)映射問題的解決。

3" 句法解析探幽：先驗(yàn)語法知識(shí)的心理現(xiàn)實(shí)性

合并操作形成的語言層級(jí)結(jié)構(gòu)是自然語言的核心特征， 在探討其具體的增量轉(zhuǎn)換過程前， 需要明確語言層級(jí)生成過程中句法加工的心理現(xiàn)實(shí)性。語言層級(jí)結(jié)構(gòu)的生成需要倚賴先驗(yàn)語法知識(shí)的表征， 而非單純是韻律、語義等模塊作用的結(jié)果。在此視域下， 自然語言的層級(jí)結(jié)構(gòu)生成基于先驗(yàn)語法知識(shí)[2]， 即聽者依靠已有語法知識(shí)對(duì)外來刺激進(jìn)行自上而下的解析的過程是句法解析的必要條件。從句法解析的角度看， 如果有證據(jù)表明建構(gòu)層級(jí)結(jié)構(gòu)的“結(jié)構(gòu)依存原則” （Principle of Structural Dependency）確實(shí)存在， 即句子在線加工過程層級(jí)結(jié)構(gòu)的表征的句法因素相對(duì)獨(dú)立于韻律、語義、詞匯等因素的作用， 那么就可以認(rèn)為句法加工的心理現(xiàn)實(shí)性得到了支持[3]。

低頻神經(jīng)振蕩的相關(guān)研究對(duì)此做出了重要討論。人們能夠根據(jù)不同的信息和線索進(jìn)行有效的語言理解， 這一過程中觀測(cè)到的低頻振蕩活動(dòng)[4]與句法解析任務(wù)顯示出顯著的相關(guān)性。然而， 對(duì)于低頻神經(jīng)振蕩活動(dòng)具體表征著句子加工中的哪個(gè)心理過程， 學(xué)界仍存在很大爭議。一方面， 一些學(xué)者認(rèn)為低頻振蕩活動(dòng)所反映的是內(nèi)源性（endogenous）神經(jīng)振蕩活動(dòng)對(duì)抽象語言層級(jí)結(jié)構(gòu)的表征， 是一個(gè)相對(duì)獨(dú)立的、由個(gè)體先驗(yàn)知識(shí)驅(qū)動(dòng)的過程（Ding， 2023; Giraud， 2020; Haegens， 2020; Kandylaki amp; Kotz， 2020; Klimovich-Gray amp; Molinaro， 2020; Lewis， 2020）， 這樣的觀點(diǎn)被稱為層級(jí)結(jié)構(gòu)構(gòu)建假說（Hierarchical Structure Building， HSB）。另一方面， 也有研究認(rèn)為低頻振蕩活動(dòng)源于對(duì)外在節(jié)律的追蹤（Keitel et al.， 2018）、統(tǒng)計(jì)線索的預(yù)測(cè)處理（Frank amp; Christiansen， 2018）， 以及詞匯表征（Frank amp; Yang， 2018）等因素。盡管在實(shí)際的言語感知過程中， 低頻振蕩活動(dòng)是由不同信息交互作用的共同結(jié)果（陳梁杰 等， 2022）， 但通過實(shí)驗(yàn)設(shè)計(jì)以及變量控制， 研究者仍然能夠?qū)⒕浞ńY(jié)構(gòu)的表征與其他心理過程進(jìn)行區(qū)分， 從而找到低頻振蕩活動(dòng)與句法層級(jí)結(jié)構(gòu)的相關(guān)性證據(jù)。

3.1" 語法知識(shí)與韻律信息

由于句法結(jié)構(gòu)與韻律信息在宏觀時(shí)間尺度上的推進(jìn)大致相似， 二者引發(fā)的神經(jīng)活動(dòng)時(shí)常容易被混淆。有研究認(rèn)為低頻振蕩活動(dòng)主要是通過追蹤語音包絡(luò)等韻律信息以支持言語感知和信息提取的（Poeppel amp; Assaneo， 2020）。而Meyer等人（2020a， 2020b）則提出不同觀點(diǎn)， 認(rèn)為這種低頻活動(dòng)實(shí)質(zhì)上反應(yīng)的是對(duì)語言結(jié)構(gòu)本身的推斷與追蹤， 使得外源輸入不斷與先驗(yàn)語法知識(shí)進(jìn)行內(nèi)在同步化（intrinsic synchronization）的過程。事實(shí)上， 越來越多的證據(jù)表明， 僅僅將低頻振蕩活動(dòng)歸因于對(duì)外在節(jié)律的追蹤并不能充分解釋句法表征的成因， 低頻振蕩與句法計(jì)算程序之間的一致性更加顯著， 其根本上更可能是對(duì)語法知識(shí)本身的內(nèi)在表征。

就韻律?句法界面本身而言， 句法結(jié)構(gòu)與韻律信息存在著非同構(gòu)關(guān)系（non-isomorphic relationship）：首先， 語言外化是一種“拼盤式”實(shí)現(xiàn)方式（Si， 2016; 司富珍， 2024）， 因?yàn)殡m然“言語產(chǎn)出會(huì)使用到內(nèi)部語言， 但并不能與之等同。關(guān)于語言的可計(jì)算理論使得我們能夠?qū)?nèi)化的語言知識(shí)系統(tǒng)與訪問它的過程區(qū)分開來， 而這是一個(gè)非常重要的區(qū)別” （Chomsky， 2017， p.2）。其次， 自然語言本身的呈現(xiàn)頻率并非是固定的。盡管有研究表明自然語音是準(zhǔn)節(jié)律性的（quasi-rhythmic）， 但這并不意味著可以忽略不同自然語音之間的節(jié)律差異（Kazanina amp; Tavano， 2023）。另外， 自然語音中韻律邊界與句法成分邊界的聯(lián)系相對(duì)松散， 二者間并非嚴(yán)格對(duì)應(yīng)（馬寶鵬， 莊會(huì)彬， 2022）， 即對(duì)一段自然語音中不同成分的切分與提取難以完全單獨(dú)依靠聲學(xué)線索進(jìn)行。句法范疇本身不由聲學(xué)邊界定義， 而句子本身語義的組合性（compositionality）則需依靠句法成分間的相互關(guān)系來構(gòu)建， 無法僅通過對(duì)語音包絡(luò)的追蹤完成對(duì)句子的理解（Meyer et al.， 2020b）。

正是由于句法結(jié)構(gòu)與外在節(jié)律間的非同構(gòu)關(guān)系， 人類在缺乏明確的聲學(xué)線索或韻律邊界的情況下， 仍然能夠憑借內(nèi)在語法知識(shí)成功地理解句子。Ding等（2016）通過頻率標(biāo)記范式（frequency tagging paradigm）將不同層級(jí)的語言結(jié)構(gòu)（詞、詞組、句子）以不同的刺激頻率呈現(xiàn)， 發(fā)現(xiàn)在人工移除句子韻律邊界的條件下， 仍能成功分別觀測(cè)到1、2、4 Hz左右的δ振蕩響應(yīng); 而相同漢語材料在英語母語被試中卻只能觀測(cè)到4 Hz響應(yīng)， 說明低頻振蕩活動(dòng)實(shí)質(zhì)上是對(duì)可理解的語言層級(jí)結(jié)構(gòu)的表征， 而非對(duì)刺激材料節(jié)律的追蹤。其他研究也發(fā)現(xiàn)， 在語言刺激材料以非周期性頻率呈現(xiàn)的情況下， 研究者仍然能觀測(cè)到表征句法結(jié)構(gòu)加工的1、2、4 Hz的響應(yīng)（Ding et al.， 2016; Jin et al.， 2018）。此外， 甚至是在無外在節(jié)律刺激的情況下， 如視覺呈現(xiàn)刺激（Henke et al.， 2023）、想象言語（Lu et al.， 2021）等， 也有與正常句法解析相似的低頻神經(jīng)振蕩響應(yīng)。相反， 在外在節(jié)律正常， 而句法信息難以通達(dá)的情況下， 如無句法結(jié)構(gòu)的詞匯表（word list）條件（Kaufeld et al.， 2020）、非母語材料感知（Ding et al.， 2016）以及倒放語條件（Gross et"al.， 2013; Mai et al.， 2016）等情況下， 相應(yīng)的神經(jīng)振蕩指標(biāo)都有衰減。

以上實(shí)證研究均成功將神經(jīng)振蕩對(duì)外在節(jié)律刺激的表征與內(nèi)在語法知識(shí)的表征相分離：在外在節(jié)律無法提供充足聲學(xué)線索的情況下， 研究者仍然能觀測(cè)到與句子層級(jí)相關(guān)的低頻振蕩活動(dòng); 而在外在節(jié)律線索豐富但缺乏語法知識(shí)通達(dá)的情況下， 則不一定能觀察到相應(yīng)的振蕩響應(yīng)。這表明了低頻神經(jīng)振蕩所反映的是內(nèi)在語法知識(shí)的推斷過程而非簡單地、自下而上地對(duì)外在節(jié)律的感知。

3.2" 句法規(guī)則與語義統(tǒng)計(jì)線索

廣泛的研究表明， 人類可以通過語義統(tǒng)計(jì)線索來預(yù)測(cè)言語感知的內(nèi)容（Dikker et al.， 2010; Poeppel et al.， 2008）。例如， 詞頻（word frequency）顯著影響單個(gè)單詞的識(shí)別時(shí)間（Gardner et al.， 1987）。詞間轉(zhuǎn)移概率（transitional probability）與單詞在句中的閱讀時(shí)間也有很強(qiáng)的相關(guān)性（Smith amp; Levy， 2013）。在噪聲環(huán)境下， 詞與詞之間轉(zhuǎn)移概率較高的句子比轉(zhuǎn)移概率較低的句子識(shí)別效果更好（Miller et al.， 1951）。基于概率線索在言語加工中的作用， 有學(xué)者認(rèn)為句法解析的過程實(shí)質(zhì)上是基于語義分析及統(tǒng)計(jì)概率預(yù)測(cè)的產(chǎn)物。相比于句法層級(jí)結(jié)構(gòu)， 線性序列本身傳遞的統(tǒng)計(jì)信息對(duì)語言理解來說更重要。因此， 低頻神經(jīng)振蕩的響應(yīng)模式在僅針對(duì)線性序列關(guān)系的統(tǒng)計(jì)模型中也可實(shí)現(xiàn)（Frank amp; Christiansen， 2018）。然而， 盡管統(tǒng)計(jì)概率能輔助和補(bǔ)償語言理解， 本文認(rèn)為基于規(guī)則的句法層級(jí)構(gòu)建是語言理解的主要驅(qū)動(dòng)力， 語義統(tǒng)計(jì)概率并不足以完全說明語言理解過程。

自然語言句法本身的層級(jí)結(jié)構(gòu)性無法僅通過統(tǒng)計(jì)概率解釋。統(tǒng)計(jì)概率本質(zhì)上是基于簡單線性序列的信息， 而自然語言中的詞組之間并非簡單的鄰接依存關(guān)系（adjacent dependency）， 而是存在復(fù)雜的長距離依存結(jié)構(gòu)（long-distance dependency） （Berwick et al.， 2013）。這表明句法解析的過程需要句法規(guī)則來進(jìn)行層級(jí)結(jié)構(gòu)的構(gòu)建， 僅依靠線性概率無法生成具有遞歸性質(zhì)的自然語言（Ding et"al.， 2017）。事實(shí)上， 有研究通過將句法組塊與具體詞匯語義分離， 發(fā)現(xiàn)低頻神經(jīng)振蕩更可能是句法層級(jí)構(gòu)筑的結(jié)果， 而非對(duì)詞匯語義及概率分析的產(chǎn)物（Jin et al.， 2020; Lu et al.， 2023）。

此外， 研究表明人類可以在低程度依賴轉(zhuǎn)移概率的情況下實(shí)現(xiàn)對(duì)語言的理解， 但卻無法在不依賴句法層級(jí)結(jié)構(gòu)的情況下理解句子。Ding等（2016）在低頻振蕩的實(shí)驗(yàn)中通過構(gòu)建馬爾可夫句集（Markovian Sentence Set， MSS）對(duì)實(shí)驗(yàn)句的轉(zhuǎn)移概率的控制， 最終發(fā)現(xiàn)轉(zhuǎn)移概率的高低對(duì)δ振蕩響應(yīng)強(qiáng)度的調(diào)控作用并不顯著。此外， 句法結(jié)構(gòu)本身也可對(duì)與統(tǒng)計(jì)預(yù)測(cè)產(chǎn)生調(diào)控作用。使用概率線索進(jìn)行預(yù)測(cè)在很多時(shí)候需要依賴句法的結(jié)構(gòu)層級(jí)。Slaats等（2023）通過對(duì)前人研究的MEG數(shù)據(jù)集進(jìn)行分析， 發(fā)現(xiàn)語境驅(qū)動(dòng)的概率線索的影響僅在句子條件下顯著， 而在詞匯表?xiàng)l件下則不然。這表明在言語感知過程中的低頻振蕩的響應(yīng)是由句法結(jié)構(gòu)與語義共同調(diào)制的， 而非僅僅受到詞匯語義間轉(zhuǎn)移概率差異的影響。概率線索的運(yùn)用本身也需要以句法層級(jí)結(jié)構(gòu)為條件。相似的， Rafferty等（2023）的研究通過最小短語范式（minimal phrase paradigm）以及Jabberwocky范式， 發(fā)現(xiàn)短語層的低頻神經(jīng)振蕩響應(yīng)（0.5Hz）主要與句法組合有關(guān)而并不與具體的詞匯語義性質(zhì)相關(guān)聯(lián)。除了低頻振蕩的相關(guān)研究之外， 其他心理語言學(xué)實(shí)驗(yàn)也區(qū)分了句法與語義加工的神經(jīng)機(jī)制（Brennan amp; Hale， 2019; Pallier et al.， 2011）， 支持了兩者的相對(duì)獨(dú)立性。

3.3" 句法層級(jí)與詞匯屬性

除了排除韻律、語義模塊的相關(guān)性之外， 針對(duì)低頻振蕩在句法解析過程中的頻段響應(yīng)模式， Frank和Yang （2018）提出詞匯表征說（lexical representation account）， 主張實(shí)驗(yàn)中觀測(cè)到的頻段響應(yīng)并非是與句法層級(jí)結(jié)構(gòu)有關(guān)， 而是與刺激材料中特定句法范疇的詞匯呈現(xiàn)頻率相關(guān)。也就是說， 1 Hz低頻神經(jīng)振蕩響應(yīng)并非是對(duì)句子層級(jí)本身的響應(yīng)， 而是對(duì)著句中某個(gè)呈現(xiàn)頻率為1 Hz的詞匯屬性的反應(yīng)。如“老牛吃草”這一句子中， 動(dòng)詞（“吃”）的出現(xiàn)次數(shù)為1次， 名詞（“牛” “草”）的出現(xiàn)次數(shù)為2次， 單個(gè)字表征（“老” “牛” “吃” “草”）的出現(xiàn)次數(shù)為4次， 分別對(duì)應(yīng)著1、2、4 Hz的呈現(xiàn)頻率。這類理論雖將低頻振蕩活動(dòng)的響應(yīng)歸因?yàn)樵~匯句法范疇， 但其并不承認(rèn)句法結(jié)構(gòu)層級(jí)在句法解析過程中的作用。

對(duì)此， Jin （2020）通過組塊任務(wù)證明低頻神經(jīng)振蕩響應(yīng)的產(chǎn)生是基于句法規(guī)則的組塊過程產(chǎn)生的， 并非是詞匯屬性組合的副產(chǎn)品。還有研究利用反轉(zhuǎn)詞匯（reversed phrase）， 保留基線句中原有的詞匯屬性的頻率與分布， 而去除原有的句法層級(jí)結(jié)構(gòu)信息， 最終在相應(yīng)條件下未觀測(cè)到相應(yīng)的1 Hz神經(jīng)指標(biāo)（Lo et al.， 2022）。這些結(jié)果與上述詞匯表征說相悖， 證實(shí)了層級(jí)結(jié)構(gòu)對(duì)于低頻神經(jīng)振蕩響應(yīng)的必要性。

綜上， 本文認(rèn)為， 低頻神經(jīng)振蕩活動(dòng)所反映的更可能是專司句法結(jié)構(gòu)的神經(jīng)機(jī)制， 其本身表征的語言層級(jí)結(jié)構(gòu)計(jì)算的“結(jié)構(gòu)依存原則”的確存在， 并不是語音加工、概率預(yù)測(cè)等活動(dòng)過程的副產(chǎn)品。毋庸諱言， 在實(shí)際言語感知的過程中， 句法解析的過程是內(nèi)源性振蕩與外在節(jié)律、概率預(yù)測(cè)、詞匯語義等共同調(diào)控的產(chǎn)物， 在某些時(shí)刻低頻振蕩相關(guān)活動(dòng)所對(duì)應(yīng)的神經(jīng)回路也很難從解剖結(jié)構(gòu)上嚴(yán)格區(qū)分（Meyer et al.， 2020a）， 但這并不意味著這種不同表征的分離是沒有價(jià)值的。相反， 這能夠幫助我們分離語言層級(jí)結(jié)構(gòu)表征中的不同模塊， 為句法解析過程中句法加工的心理現(xiàn)實(shí)性提供解釋。

4" 句法解析溯因：具體神經(jīng)編碼過程

正如前文所述， 研究者可以通過神經(jīng)振蕩分離句法解析中的多重信息表征。其中大多數(shù)相關(guān)實(shí)驗(yàn)都是通過觀測(cè)不同神經(jīng)振蕩的響應(yīng)強(qiáng)度（power）或幅值（amplitude）以分離不同模塊線索表征。但要進(jìn)一步解釋句法解析的神經(jīng)編碼過程， 將神經(jīng)振蕩活動(dòng)與語言層級(jí)結(jié)構(gòu)相對(duì)其， 就必須對(duì)神經(jīng)振蕩更具有時(shí)間屬性的物理性質(zhì)有更深入的了解。在句法加工心理現(xiàn)實(shí)性存在的前提下， 句法解析過程中不同信息的整合如何通過神經(jīng)振蕩之間的協(xié)調(diào)來實(shí)現(xiàn)？

近來， 有越來越多的理論模型及實(shí)證開始利用神經(jīng)振蕩的相位相干性（phase coherence）探究句法解析的相關(guān)過程（Bai et al.， 2022; Brennan amp; Martin， 2019; Calmus et al.， 2020; Ding， 2020; Flanagan amp; Goswami， 2018; Ghitza， 2011; Martin， 2020; Martin amp; Doumas， 2017; Murphy， 2024）。這使得神經(jīng)振蕩的信號(hào)變換與語言層級(jí)結(jié)構(gòu)構(gòu)建的時(shí)間進(jìn)程相對(duì)齊， 是對(duì)句法解析神經(jīng)編碼活動(dòng)的更深入探討。研究表明， 神經(jīng)集群對(duì)句法層級(jí)結(jié)構(gòu)的表征可能是通過同一頻段或不同頻段振蕩的相位同步與去同步化過程來完成的。也就是說， 不同神經(jīng)集群會(huì)隨著加工時(shí)間變化逐步激活或抑制， 并產(chǎn)生不同相位屬性的振蕩信號(hào)， 對(duì)不同時(shí)間尺度的感覺信息進(jìn)行存儲(chǔ)、維持與提取， 最終實(shí)現(xiàn)從結(jié)構(gòu)層級(jí)構(gòu)建的動(dòng)態(tài)編碼。

4.1" 相位相干性

神經(jīng)振蕩空間分布的顯著特性主要依賴其相位（phase）屬性。相位， 指的是振蕩信號(hào)在周期性波形中的位置。相位相干性， 指的是不同神經(jīng)元之間振蕩活動(dòng)的相位同步（phase synchronization）程度， 是衡量神經(jīng)元之間協(xié)調(diào)活動(dòng)的重要指標(biāo)。相位同步有不同的表現(xiàn)形式， 如同一頻段不同腦區(qū)間的相位同步（Fries， 2005）， 不同頻段振蕩的間相位相關(guān)的交叉節(jié)律耦合（Cross-Frequency Coupling， CFC）等。在句法解析的過程中， 同一頻段內(nèi)與不同頻段間的神經(jīng)振蕩會(huì)表現(xiàn)出不同程度的相位相干性。因此， 相位相干性被認(rèn)為反映了語言不同層級(jí)的表征在不同時(shí)間尺度上整合信息的過程（Giraud amp; Poeppel， 2012）。

具體來說， 有研究利用CFC等相關(guān)指標(biāo)發(fā)現(xiàn)， 在神經(jīng)振蕩對(duì)語言結(jié)構(gòu)進(jìn)行追蹤的過程中， 會(huì)系統(tǒng)性地展現(xiàn)出頻段內(nèi)與頻段間的相位同步現(xiàn)象， 包括低頻耦合（如δ-θ耦合）， 以及低頻高頻耦合（如θ-γ耦合）等形式（Bai et al.， 2022; Brennan amp; Martin， 2019）。這種耦合過程中， 高頻神經(jīng)振蕩攜帶的低層級(jí)感官信息與低頻神經(jīng)振蕩表征的高層級(jí)語言結(jié)構(gòu)進(jìn)行匹配， 是實(shí)現(xiàn)語言線性序列合并為層級(jí)結(jié)構(gòu)的關(guān)鍵一步。盡管目前的研究暫未發(fā)現(xiàn)特定語言層級(jí)與顯示出同步化的頻率帶之間嚴(yán)格的對(duì)齊關(guān)系， 但仍然可以基于現(xiàn)有的成果對(duì)句法解析的過程做出更進(jìn)一步的假設(shè)。如圖1所示， 神經(jīng)振蕩的相位耦合信號(hào)模式與句法樹符號(hào)的橫向表示和縱向結(jié)構(gòu)相匹配（參見Marcolli， et al.， 2023a， 2023b）， 且與神經(jīng)振蕩的相位屬性存在著非同構(gòu)映射（non-isomorphic mapping）關(guān)系， 即神經(jīng)振蕩活動(dòng)信號(hào)與句法結(jié)構(gòu)的對(duì)應(yīng)可能是非線性的， 但兩者可經(jīng)過一定的數(shù)學(xué)變換進(jìn)行轉(zhuǎn)換（參見Murphy， 2024; Coopmans et al.， 2023; Kazanina amp; Tavano， 2023）。

4.2" 理論模型

目前已有部分理論模型以相位相干性為基， 對(duì)神經(jīng)振蕩編碼句法解析提供了不同視域下的細(xì)致描述（見表"1）。其中， ROSE （Representations， Operations， Structures， Encoding）模型圍繞交叉頻率耦合等神經(jīng)信號(hào)變換模式， 側(cè)重于在句法操作與神經(jīng)活動(dòng)之間建立聯(lián)系（Murphy， 2024）; CNAL （Compositional Neural Architecture for Language）模型以神經(jīng)流形（neural manifolds）為基礎(chǔ)， 為語義組合性實(shí)現(xiàn)過程中語音、詞匯、句法、語義等不同模態(tài)間的相互轉(zhuǎn)化提供了解釋性機(jī)制; SMMM （Structure-based Memory Maintenance Model）作為經(jīng)典的心理學(xué)模型， 其主要特點(diǎn)在于清晰地具象化句法長短時(shí)工作記憶在維持結(jié)構(gòu)表征時(shí)的作用（Ding， 2020）; DORA （Discovery of Relations by Analogy）作為符號(hào)?聯(lián)結(jié)主義模型， 提出了論元結(jié)構(gòu)的一種可能的生成與預(yù)測(cè)機(jī)制（Martin amp; Doumas， 2017）; VS-BIND （Vector- symbolic Sequencing of Binding INstantiating Dependencies）使用向量的圓周卷積運(yùn)算（circular convolution， 運(yùn)算符“?”）模擬θ-γ振蕩耦合， 以此來表征句法依存關(guān)系（Calmus et al.， 2020）。這些模型從不同維度對(duì)句法解析及其神經(jīng)編碼活動(dòng)提出了假設(shè)， 在其適用范圍內(nèi)均具有較強(qiáng)的解釋力， 并且得到了一定的實(shí)證數(shù)據(jù)支持。然而， 由于學(xué)科視角和研究范式不同， 這些模型不具有直接可比性。為更深入全面地介紹各個(gè)模型的特征與異同， 本文嘗試在David Marr提出的三分框架內(nèi)對(duì)它們進(jìn)行系統(tǒng)性的評(píng)述。

David Marr （1982）[5]關(guān)于人腦信息處理機(jī)制的三層次理論為相關(guān)認(rèn)知科學(xué)研究提供了重要參考框架， 這三個(gè)層次分別是：計(jì)算層（computational level）、算法層（algorithmic level）及實(shí)現(xiàn)層（implementational level）。在本文的語境中， 這三個(gè)層次分別關(guān)注：（1）語言的基本計(jì)算功能， 如語法規(guī)則的使用; （2）神經(jīng)振蕩活動(dòng)， 探討其在語言處理中的時(shí)間過程和調(diào)控; （3）底層的生物學(xué)機(jī)制， 如基因、蛋白質(zhì)、神經(jīng)元和腦回路的運(yùn)作。依照這種三分框架， 本文將立足于映射問題視角， 從計(jì)算層、算法層以及實(shí)現(xiàn)層的角度對(duì)模型的異同點(diǎn)進(jìn)行梳理， 以此討論它們對(duì)句法解析過程的闡述程度（見圖2）。

在這統(tǒng)一的理論框架下， 上述模型具有三個(gè)方面的共性。首先， 從實(shí)現(xiàn)層來說， 這些模型在解釋句法解析的底層生物學(xué)機(jī)制上是相似的， 它們都以神經(jīng)集群在句法加工中逐步的、漸進(jìn)的激活為前提解釋表征句法結(jié)構(gòu)的神經(jīng)振蕩活動(dòng)。也就是說， 隨著外界刺激的不斷輸入， 不同神經(jīng)集群會(huì)在語言層級(jí)結(jié)構(gòu)形成的過程中次第激活， 產(chǎn)生節(jié)律性的神經(jīng)信號(hào)， 實(shí)現(xiàn)對(duì)語言層級(jí)的動(dòng)態(tài)表征。值得一提的是， 目前的這5個(gè)模型暫未涉及更深入的神經(jīng)生理與動(dòng)力學(xué)層面的探討。其次， 從算法層來說， 這些模型都假設(shè)語言層級(jí)結(jié)構(gòu)表征的關(guān)鍵在于神經(jīng)信號(hào)時(shí)間結(jié)構(gòu)的耦合， 通過其相位相干性來說明句法解析的過程。最后， 從計(jì)算層來說， 盡管這5個(gè)模型基于不同的語言學(xué)理論， 對(duì)不同結(jié)構(gòu)類型進(jìn)行了解釋， 但它們都肯定了語言表型當(dāng)中層級(jí)結(jié)構(gòu)的存在， 并圍繞這一點(diǎn)展開討論。因此， 這5個(gè)模型在總體上都揭示了神經(jīng)振蕩作為句法結(jié)構(gòu)構(gòu)建發(fā)生機(jī)制的可行性， 認(rèn)為神經(jīng)振蕩是句法解析的潛在神經(jīng)機(jī)制。

同時(shí)， 上述模型也存在三個(gè)方面的差異。最主要的差異首先體現(xiàn)在算法層。這些模型對(duì)于不同頻段神經(jīng)振蕩與不同語言層級(jí)結(jié)構(gòu)的具體聯(lián)系有不同解讀：ROSE將全頻段的神經(jīng)活動(dòng)與最簡方案理論中的句法計(jì)算過程進(jìn)行映射， 假設(shè)γ振蕩活動(dòng)表征句法對(duì)象（也就是詞匯）的形成， θ-γ耦合表征詞匯調(diào)用過程， δ-θ耦合表征層級(jí)結(jié)構(gòu)的合并， α振蕩與抑制活動(dòng)有關(guān)， β振蕩與預(yù)測(cè)活動(dòng)有關(guān); CNAL與ROSE相似， 唯一不同的是未討論α與β波段在此過程中的作用。SMMM與DORA主要強(qiáng)調(diào)了δ振蕩在語言層級(jí)實(shí)現(xiàn)中的核心地位， 而對(duì)其它頻段的討論較少; VS-BIND則僅基于θ-γ耦合對(duì)句法加工的過程進(jìn)行解釋。

根據(jù)目前的實(shí)證研究結(jié)果， δ頻段的相關(guān)研究已成功排除了韻律、語義、詞匯等因素的影響， 說明δ振蕩與句法層級(jí)結(jié)構(gòu)構(gòu)筑之間更相關(guān)（Ding et"al.， 2016）， 而θ振蕩更可能與刺激材料的語音包絡(luò)共變（Chalas et al.， 2023）， γ振蕩則更可能與刺激材料的聲學(xué)特征結(jié)構(gòu)相關(guān)（Xu， Zhao et al.， 2023）。這意味著θ-γ耦合可能表征詞匯的形成， 這一過程發(fā)生在語言層級(jí)結(jié)構(gòu)構(gòu)建之前。從這一角度來說， VS-BIND的可信度弱于其它模型， 而其它四個(gè)模型的神經(jīng)機(jī)制均有實(shí)證研究結(jié)果的支撐。對(duì)于α與β振蕩， 也有認(rèn)知功能相關(guān)的研究支持其分別與抑制與計(jì)時(shí)（Klimesch， 2012）及預(yù)測(cè)活動(dòng)（Abbasi amp; Gross， 2020）相關(guān)。因此， ROSE對(duì)句法解析過程的闡述更加全面。此外， 并非所有模型都對(duì)這些神經(jīng)信號(hào)的活動(dòng)模式進(jìn)行了數(shù)學(xué)層面的模擬。CNAL利用神經(jīng)流形這一數(shù)據(jù)模型， 假設(shè)神經(jīng)集群的信號(hào)模式可被降維成某一高維中的內(nèi)嵌流形， 并以其中子空間（subspace）的坐標(biāo)系變換（coordination transformation）來解釋外界刺激在不同模塊之間如何轉(zhuǎn)化表征; VS-BIND則以圓周卷積運(yùn)算來模擬θ-γ振蕩耦合， 以此解釋句法成分之間的鄰接與非鄰接關(guān)系; 而ROSE、DORA、SMMM則未利用具體的數(shù)學(xué)工具對(duì)神經(jīng)振蕩表征句法層級(jí)的信號(hào)模式進(jìn)行解讀。

除算法層方面的差異之外， 這些模型在計(jì)算層聚焦的語言本體結(jié)構(gòu)也有所不同。具體而言， ROSE與CNAL較為系統(tǒng)地涉及到了句法解析從原子特征到層級(jí)結(jié)構(gòu)構(gòu)筑的全方面， 對(duì)于外界輸入在語音、詞匯、句法、語義模塊的轉(zhuǎn)化都有自己的詮釋， 屬于更細(xì)粒度的模型; 而SMMM、DORA、VS-BIND則側(cè)重于解釋句法層級(jí)結(jié)構(gòu)形成的過程本身， 探討了抽象的句法記憶裝置是如何實(shí)現(xiàn)對(duì)層級(jí)結(jié)構(gòu)的維持和預(yù)測(cè)的， 屬于相對(duì)粗粒度模型， 但更直觀地展現(xiàn)了句法層級(jí)構(gòu)筑的心理過程。

從模型本身所屬的類別以及核心內(nèi)容來看， 這些模型的底層運(yùn)行機(jī)制涉及不同學(xué)科的研究范式， 并存在較大差別。ROSE基于語言學(xué)理論框架， 系統(tǒng)性地將各個(gè)頻段神經(jīng)振蕩及其之間的活動(dòng)對(duì)應(yīng)至句法解析過程中的某個(gè)步驟， 重在體現(xiàn)語言表型與神經(jīng)活動(dòng)之間的關(guān)系; CNAL引入了前沿的神經(jīng)流形概念， 屬于計(jì)算神經(jīng)科學(xué)研究范式; SMMM則為經(jīng)典的心理機(jī)制模型， 其核心在于具象化了句法單元的維持與表征， 并凸顯了句法長短時(shí)記憶裝置在其中的作用; DORA與VS-BIND均為符號(hào)?聯(lián)結(jié)主義（symbolic-connectism）模型， 利用神經(jīng)網(wǎng)絡(luò)描述句法解析過程。因此， 這些模型在一定程度上具有不可比性， 它們之間的差異并不體現(xiàn)在其是否相悖， 而體現(xiàn)在從不同的維度對(duì)句法解析的過程進(jìn)行解釋。

綜上， ROSE和CNAL以細(xì)粒度的視角完備地將不同頻段的神經(jīng)振蕩活動(dòng)與句法解析過程相對(duì)應(yīng)， 并且有較多實(shí)證研究結(jié)果支撐， 能更好地解決映射問題， 具備良好發(fā)展?jié)撃堋Ｆ渌齻€(gè)模型雖然粒度不及前二者， 但在具象化句法層級(jí)構(gòu)建的行為過程方面仍然具備較強(qiáng)解釋力， 為后續(xù)的研究提供了參考。

綜上所述， 相位相干性與句法層級(jí)結(jié)構(gòu)的潛在聯(lián)系已經(jīng)逐漸得到關(guān)注。盡管目前缺乏將神經(jīng)振蕩與句法解析過程相聯(lián)系的嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)證明及動(dòng)力學(xué)計(jì)算模型， 但神經(jīng)振蕩相位性質(zhì)顯著的時(shí)間分布特征的確能夠?yàn)榫浞ń馕龅纳窠?jīng)編碼活動(dòng)提供一種潛在的合理解釋。

5" 總結(jié)與展望

句法層級(jí)結(jié)構(gòu)是自然語言區(qū)別于其他交際系統(tǒng)的本質(zhì)屬性， 句法解析的過程需要著重解釋語音線性序列與句法層級(jí)結(jié)構(gòu)的增量轉(zhuǎn)換。在這一過程中， 盡管韻律、統(tǒng)計(jì)概率等線索都會(huì)參與加工， 但這些線索對(duì)于句法解析來說并不充分， 魯棒性句法結(jié)構(gòu)表征的形成仍需要倚賴先驗(yàn)語法知識(shí)。回顧現(xiàn)有的神經(jīng)振蕩研究， 相關(guān)領(lǐng)域已累積豐富的證據(jù)支持抽象語言結(jié)構(gòu)的內(nèi)在句法表征， 并展現(xiàn)出利用神經(jīng)振蕩解釋句法解析神經(jīng)編碼過程的巨大潛力。神經(jīng)振蕩已經(jīng)成為探索語言與神經(jīng)基元映射問題的重要切入點(diǎn)。在未來研究中， 以下幾個(gè)方面值得關(guān)注。

第一， 探究句法解析的因果性神經(jīng)編碼活動(dòng)。本文對(duì)神經(jīng)振蕩以及語言結(jié)構(gòu)關(guān)系的闡述屬于一種猜想， 如若要進(jìn)一步證明兩者之間更細(xì)粒度的映射關(guān)系， 還需進(jìn)一步探究。具體來說， 首先， 目前研究主要以神經(jīng)振蕩具體頻段的幅值和強(qiáng)度作為觀測(cè)指標(biāo)， 而缺乏對(duì)神經(jīng)振蕩相位屬性與語言層級(jí)結(jié)構(gòu)之間關(guān)系的探究。因此， 大部分的研究結(jié)果可能停留于對(duì)句法知識(shí)的存在性探討， 而不能直接證明不同頻段的神經(jīng)振蕩如何通過信號(hào)變換來表征語言層級(jí)結(jié)構(gòu)， 實(shí)現(xiàn)增量轉(zhuǎn)換。未來研究應(yīng)更深入地探索神經(jīng)振蕩相位屬性與句法解析的具體心理過程之間的聯(lián)系， 利用相位耦合相關(guān)指標(biāo)（如CFC）， 以及可充分分離不同語言層級(jí)結(jié)構(gòu)的實(shí)驗(yàn)范式（如頻率標(biāo)記范式）進(jìn)行研究。此外， 目前研究主要依賴傳統(tǒng)心理學(xué)實(shí)驗(yàn)中控制變量的手段來進(jìn)行研究， 通過直接觀察不同條件對(duì)比的結(jié)果來回答研究問題， 得出的相關(guān)結(jié)論可能受到語言表層形式的制約。未來研究可將句法結(jié)構(gòu)的特征（如句法樹深度， 節(jié)點(diǎn)等）編碼為抽象的數(shù)據(jù)結(jié)構(gòu)來進(jìn)行建模與驗(yàn)證（參考Gwilliams et al.， 2024）， 以越過表層的語言實(shí)現(xiàn)形式， 進(jìn)一步解釋神經(jīng)振蕩與抽象句法結(jié)構(gòu)之間的潛在聯(lián)系。最后， 本文回顧的研究在實(shí)驗(yàn)設(shè)計(jì)與統(tǒng)計(jì)學(xué)方法上都只涉及相關(guān)性分析而暫未涉及因果推斷。在日后實(shí)驗(yàn)數(shù)據(jù)儲(chǔ)備允許的情況下， 可以通過更多的數(shù)學(xué)與統(tǒng)計(jì)方法對(duì)其進(jìn)行分析， 推進(jìn)對(duì)句法解析的更細(xì)粒度的因果性的解釋， 在兩者的非嚴(yán)格同構(gòu)結(jié)構(gòu)間找到映射關(guān)系， 并將其與神經(jīng)振蕩的精細(xì)活動(dòng)對(duì)齊。目前的語言學(xué)理論已經(jīng)試圖用抽象代數(shù)將句法計(jì)算層的活動(dòng)進(jìn)行細(xì)致的描繪（Marcolli， Chomksy， amp; Berwick， 2023）; 已有的句法解析模型中也有試圖將句法層級(jí)構(gòu)建的數(shù)學(xué)模型與其具體神經(jīng)生理性相匹配（Kaushik amp; Martin， 2022）。未來研究可以更進(jìn)一步地在這些理論框架的指導(dǎo)下探索句法解析的神經(jīng)機(jī)制。

第二， 厘清神經(jīng)振蕩的發(fā)生機(jī)制及其生物學(xué)意義。神經(jīng)振蕩活動(dòng)的實(shí)現(xiàn)層機(jī)制尚存在爭議：首先， 神經(jīng)振蕩與誘發(fā)響應(yīng)存在很大的區(qū)分困難。神經(jīng)振蕩本身可能涌現(xiàn)于無數(shù)個(gè)誘發(fā)響應(yīng)的組合（Ding， 2022）， 而誘發(fā)響應(yīng)本身也可能產(chǎn)生于振蕩活動(dòng)的平均調(diào)制（Meyer et al.， 2020a）。其次， 不同成像技術(shù)觀測(cè)的神經(jīng)振蕩指標(biāo)存在本質(zhì)差異， 且由于EEG與MEG空間分辨率的缺陷， 目前研究也難以將振蕩活動(dòng)與宏觀或微觀的神經(jīng)結(jié)構(gòu)進(jìn)行對(duì)應(yīng)[6]。神經(jīng)生理相關(guān)研究表明， 神經(jīng)振蕩信號(hào)的周期性可能與神經(jīng)集群的激活抑制循環(huán)機(jī)制有關(guān)， 本文著重于討論其作為句法構(gòu)建的發(fā)生原理與闡述機(jī)制的可能， 因而沒有對(duì)這些神經(jīng)活動(dòng)本身進(jìn)行梳理。未來如若要更進(jìn)一步地探究句法解析過程， 勢(shì)必需要探究這些神經(jīng)活動(dòng)之間的因果， 將神經(jīng)振蕩的空間分布與其時(shí)間結(jié)構(gòu)進(jìn)行聯(lián)系， 將其與神經(jīng)集群興奮傳導(dǎo)的具體模式相對(duì)應(yīng)， 以明確其具體神經(jīng)生理基礎(chǔ)， 或者通過基因?qū)W研究找到與語言層級(jí)結(jié)構(gòu)相關(guān)的基因表達(dá)， 彌合句法解析算法層以及實(shí)現(xiàn)層之間的鴻溝。

第三， 關(guān)注語言發(fā)展過程中神經(jīng)振蕩模式的變化。從語言習(xí)得的角度來說， 兒童句法結(jié)構(gòu)的習(xí)得體現(xiàn)為從對(duì)外在節(jié)律的倚賴到內(nèi)在語法知識(shí)的形成的轉(zhuǎn)變。嬰幼兒語言習(xí)得早期具有知覺窄化（perceptual narrowing） （Kuhl， 2004）以及發(fā)展性權(quán)重轉(zhuǎn)移（Seidl， 2007）的現(xiàn)象。這可能是因?yàn)殡S著相關(guān)大腦皮層發(fā)育， 嬰幼兒對(duì)語言輸入的識(shí)別與區(qū)分逐漸由依賴聲學(xué)特征向依靠語法知識(shí)轉(zhuǎn)變（Meyer et al.， 2020b）。而目前相關(guān)的假設(shè)與研究都主要從對(duì)外在節(jié)律的跟蹤出發(fā)考察神經(jīng)振蕩在兒童語言習(xí)得中的作用（Attaheri et al.， 2022; Nallet amp; Gervain， 2021）， 后續(xù)的相關(guān)研究可以利用頻率標(biāo)記范式等研究方法進(jìn)一步分離語法知識(shí)與韻律信息以考察兩者在語言習(xí)得過程中的不同作用。

第四， 明確不同語言障礙群體的神經(jīng)生理缺陷。從語言蝕失的角度而言， 老年人語言能力的衰退在神經(jīng)振蕩活動(dòng)中可體現(xiàn)為低層級(jí)語言結(jié)構(gòu)（4Hz）振蕩響應(yīng)的增強(qiáng)和高層級(jí)語言結(jié)構(gòu)（1、2 Hz）振蕩響應(yīng)的減弱（Xu， Qin et al.， 2023）， 這體現(xiàn)了抽象語法知識(shí)衰退對(duì)于低頻神經(jīng)振蕩活動(dòng)的影響。后續(xù)研究可以低頻神經(jīng)振蕩為切入點(diǎn)探究老年人群語言蝕失的具體神經(jīng)表現(xiàn)。從特殊人群角度出發(fā)， 前人研究發(fā)現(xiàn)， 與健康人群相比， 語言障礙人群的神經(jīng)振蕩活動(dòng)會(huì)出現(xiàn)一定的變異（Fridriksson et al.， 2015; Meyer et al.， 2021; Peter et"al.， 2023）， 這意味著其內(nèi)在的語法知識(shí)表征可能存在一定的缺陷。尤其是對(duì)于神經(jīng)發(fā)育障礙（Neural Developmental Disorder， NDD）人群， 其語言障礙發(fā)生機(jī)制尚無明確的病理學(xué)定義， 往往難以通過高空間分辨率腦成像技術(shù)確定其腦損傷病灶（Abbott amp; Love， 2023）， 可以考慮利用神經(jīng)振蕩指標(biāo)來考察其語言行為缺陷。已有理論已試圖從內(nèi)源性振蕩活動(dòng)的角度對(duì)發(fā)展性失讀癥（Developmental Dyslexia， DD）語言障礙的神經(jīng)缺陷進(jìn)行解釋（Goswami， 2011）， 未來研究可拓展到更難以界定的發(fā)展性語言障礙（Developmental Language Disorder， DLD）群體。對(duì)語言障礙群體的研究， 不僅可以為句法解析過程中的神經(jīng)振蕩機(jī)制提供病理性證據(jù)， 也可進(jìn)一步克服部分語言障礙群體研究的異質(zhì)性問題， 為該類疾病的早期預(yù)測(cè)與臨床干預(yù)工作提供更為統(tǒng)一的病理學(xué)標(biāo)準(zhǔn)。

參考文獻(xiàn)

陳梁杰， 劉雷， 葛鐘書， 楊曉東， 李量. （2022）. 節(jié)律在聽覺言語理解中的作用. 心理科學(xué)進(jìn)展， 30（8）， 1818? 1831.

胡瑞晨， 袁佩君， 蔣毅， 王瑩. （2019）. 時(shí)間結(jié)構(gòu)信息在人類知覺中的作用及其腦機(jī)制. 生理學(xué)報(bào)， 71（1）， 105?116.

姜孟. （2009）. 句法自治： 爭鳴與證據(jù). 外國語文， 25（3）， 79?86.

馬寶鵬， 莊會(huì)彬. （2022）. 二十年來韻律-句法接口研究的回顧與啟示. 外國語， 45（1）， 56?66.

司富珍. （2024）. 語言與人腦科學(xué)研究中的“伽利略謎題”.外國語， 47（2）， 2?9.

楊烈祥. （2012）. 唯遞歸論的跨語言比較述評(píng). 外語教學(xué)與研究， 44（1）， 54?64+158.

張力新， 王發(fā)頎， 王玲， 楊佳佳， 萬柏坤. （2017）. 認(rèn)知功能研究中神經(jīng)振蕩交叉節(jié)律耦合應(yīng)用研究進(jìn)展. 生理學(xué)報(bào)， 69（6）， 805?816.

Abbasi， O.， amp; Gross， J. （2020）. Beta-band oscillations play an essential role in motor-auditory interactions. Human Brain Mapping， 41（3）， 656?665.

Abbott， N.， amp; Love， T. （2023）. Bridging the divide： Brain and behavior in developmental language disorder. Brain Sciences， 13（11）， 1606.

Attaheri， A.， Choisdealbha， á. N.， Di Liberto， G. M.， Rocha， S.， Brusini， P.， Mead， N.， ... Goswami， U. （2022）. Delta- and theta-band cortical tracking and phase-amplitude coupling to sung speech by infants. NeuroImage， 247， 118698.

Bai， F.， Meyer， A. S.， amp; Martin， A. E. （2022）. Neural dynamics differentially encode phrases and sentences during spoken language comprehension. PLoS Biology， 20（7）， e3001713. https：//doi.org/10.1371/journal.pbio.3001713

Bastiaansen， M.， Mazaheri， A.， amp; Jensen， O. （2011）. Beyond ERPs： Oscillatory neuronal dynamics. In E. S. Kappenman amp; S. J. Luck （Eds.）， The Oxford handbook of event- related potential components. Oxford University Press.

Berwick， R. C.， Friederici， A. D.， Chomsky， N.， amp; Bolhuis， J. J. （2013）. Evolution， brain， and the nature of language. Trends in Cognitive Sciences， 17（2）， 89?98.

Brennan， J. R.， amp; Hale， J. T. （2019）. Hierarchical structure guides rapid linguistic predictions during naturalistic listening. PloS One， 14（1）， e0207741. https：//doi.org/10. 1371/journal.pone.0207741

Brennan， J. R.， amp; Martin， A. E. （2019）. Phase synchronization varies systematically with linguistic structure composition. Philosophical Transactions of the Royal Society B： Biological Sciences， 375（1791）， 20190305.

Calmus， R.， Wilson， B.， Kikuchi， Y.， amp; Petkov， C. I. （2020）. Structured sequence processing and combinatorial binding： Neurobiologically and computationally informed hypotheses. Philosophical Transactions of the Royal Society of London. Series B， Biological Sciences， 375（1791）， 20190304.

Chalas， N.， Daube， C.， Kluger， D. S.， Abbasi， O.， Nitsch， R.， amp; Gross， J. （2023）. Speech onsets and sustained speech contribute differentially to delta and theta speech tracking in auditory cortex. Cerebral Cortex， 33（10）， 6273?6281.

Chomsky， N. （1957）. Syntactic structures. De Gruyter Mouton.

Chomsky， N. （1965）. Aspects of the theory of syntax. The MIT Press.

Chomsky， N. （1995）. The minimalist program. The MIT Press.

Chomsky， N. （2017）. The Galilean challenge： Architecture and evolution of language. Journal of Physics： Conference Series， 880， 12?15.

Chomsky， N.， amp; Moro， A. （2022）. The Secrets of words. The MIT Press.

Chomsky， N.， Seely， T. D.， Berwick， R. C.， Fong， S.， Huybregts， M. A. C.， Kitahara， H.， McInnerney， A.， amp; Sugimoto， Y. （2023）. Merge and the strong minimalist thesis. Cambridge University Press.

Coopmans， C. W.， Mai， A.， Slaats， S.， Weissbart， H.， amp; Martin， A. E. （2023）. What oscillations can do for syntax depends on your theory of structure building. Nature Reviews Neuroscience， 24（11）， 723?723.

Dikker， S.， Rabagliati， H.， Farmer， T. A.， amp; Pylkk?nen， L. （2010）. Early occipital sensitivity to syntactic category is based on form typicality. Psychological Science， 21（5）， 629?634.

Ding， N. （2020）. A structure-based memory maintenance model for neural tracking of linguistic structures. arXiv. https：//doi.org/10.48550/arXiv.2002.11870

Ding， N. （2022）. The neural correlates of linguistic structure building： Comments on Kazanina amp; Tavano （2022）. arXiv. https：//doi.org/10.48550/arXiv.2212.04219

Ding， N. （2023）. Low-frequency neural parsing of hierarchical linguistic structures. Nature Reviews Neuroscience， 24（12）， 792?792.

Ding， N.， Melloni， L.， Tian， X.， amp; Poeppel， D. （2017）. Rule-based and word-level statistics-based processing of language： Insights from neuroscience. Language， Cognition and Neuroscience， 32（5）， 570?575.

Ding， N.， Melloni， L.， Zhang， H.， Tian， X.， amp; Poeppel， D. （2016）. Cortical tracking of hierarchical linguistic structures in connected speech. Nature Neuroscience， 19（1）， 158?164.

Flanagan， S.， amp; Goswami， U. （2018）. The role of phase synchronisation between low frequency amplitude modulations in child phonology and morphology speech tasks. The Journal of the Acoustical Society of America， 143（3）， 1366?1375.

Frank， S. L.， amp; Christiansen， M. H. （2018）. Hierarchical and sequential processing of language： A response to： Ding， Melloni， Tian， and Poeppel （2017）. Rule-based and word-level statistics-based processing of language： Insights from neuroscience. Language， Cognition and Neuroscience， 33（9）， 1213?1218.

Frank， S. L.， amp; Yang， J. （2018）. Lexical representation explains cortical entrainment during speech comprehension. PLoS One， 13（5）， e0197304. https：//doi.org/10.1371/ journal.pone.0197304

Fridriksson， J.， Basilakos， A.， Hickok， G.， Bonilha， L.， amp; Rorden， C. （2015）. Speech entrainment compensates for Broca’s area damage. Cortex， 69， 68?75.

Fries， P. （2005）. A mechanism for cognitive dynamics： Neuronal communication through neuronal coherence. Trends in Cognitive Sciences， 9（10）， 474?480.

Gardner， M. K.， Rothkopf， E. Z.， Lapan， R.， amp; Lafferty， T. （1987）. The word frequency effect in lexical decision： Finding a frequency-based component. Memory amp; Cognition， 15（1）， 24?28.

Ghitza， O. （2011）. Linking speech perception and neurophysiology： Speech decoding guided by cascaded oscillators locked to the input rhythm. Frontiers in Psychology， 2， 130.

Giraud， A.-L. （2020）. Oscillations for all ˉ_（ツ）_/ˉ？ A commentary on Meyer， Sun amp; Martin （2020）. Language， Cognition and Neuroscience， 35（9）， 1106?1113.

Giraud， A.-L.， amp; Poeppel， D. （2012）. Cortical oscillations and speech processing： Emerging computational principles and operations. Nature Neuroscience， 15（4）， 511?517.

Goswami， U. （2011）. A temporal sampling framework for developmental dyslexia. Trends in Cognitive Sciences， 15（1）， 3?10.

Gouvea， A.， Phillips， C.， Kazanina， N.， amp; Poeppel， D. （2010）. The linguistic processes underlying the P600. Language and Cognitive Processes， 25（2）， 149?188.

Gross， J.， Hoogenboom， N.， Thut， G.， Schyns， P.， Panzeri， S.， Belin， P.， amp; Garrod， S. （2013）. Speech rhythms and multiplexed oscillatory sensory coding in the human brain. PLoS Biology， 11（12）， e1001752. https：//doi.org/10.1371/ journal.pbio.1001752

Gwilliams， L.， Marantz， A.， Poeppel， D.， amp; King， J. R. （2024）. Hierarchical dynamic coding coordinates speech comprehension in the brain. bioRxiv： The preprint server for biology， 2024.04.19.590280.

Haegens， S. （2020）. Entrainment revisited： A commentary on Meyer， Sun， and Martin （2020）. Language， Cognition and Neuroscience， 35（9）， 1119?1123.

Haegens， S.， amp; Zion Golumbic， E. （2018）. Rhythmic facilitation of sensory processing： A critical review. Neuroscience amp; Biobehavioral Reviews， 86， 150?165.

Hale， J. T.， Campanelli， L.， Li， J.， Bhattasali， S.， Pallier， C.， amp; Brennan， J. R. （2022）. Neurocomputational models of language processing. Annual Review of Linguistics， 8（1）， 427?446.

Henke， L.， Lewis， A. G.， amp; Meyer， L. （2023）. Fast and slow rhythms of naturalistic reading revealed by combined eye-tracking and electroencephalography. Journal of Neuroscience， 43（24）， 4461?4469.

Jin， P.， Lu， Y.， amp; Ding， N. （2020）. Low-frequency neural activity reflects rule-based chunking during speech listening. eLife， 9， e55613. https：//doi.org/10.7554/eLife. 55613

Jin， P.， Zou， J.， Zhou， T.， amp; Ding， N. （2018）. Eye activity tracks task-relevant structures during speech and auditory sequence perception. Nature Communications， 9（1）， 5374.

Kandylaki， K. D.， amp; Kotz， S. A. （2020）. Distinct cortical rhythms in speech and language processing and some more： A commentary on Meyer， Sun， amp; Martin （2019）. Language， Cognition and Neuroscience， 35（9）， 1124? 1128.

Kaufeld， G.， Bosker， H. R.， Ten Oever， S.， Alday， P. M.， Meyer， A. S.， amp; Martin， A. E. （2020）. Linguistic structure and meaning organize neural oscillations into a content- specific hierarchy. Journal of Neuroscience， 40（49）， 9467?9475.

Kaushik， K. R.， amp; Martin， A. E. （2022）. A mathematical neural process model of language comprehension， from syllable to sentence. PsyArXiv. https：//doi.org/10.31234/ osf.io/xs5kr.

Kazanina， N.， amp; Tavano， A. （2023）. What neural oscillations can and cannot do for syntactic structure building. Nature Reviews Neuroscience， 24（2）， 113?128.

Keitel， A.， Gross， J.， amp; Kayser， C. （2018）. Perceptually relevant speech tracking in auditory and motor cortex reflects distinct linguistic features. PLoS Biology， 16（3）， e2004473. https：//doi.org/10.1371/journal.pbio.2004473

Klimesch， W. （2012）. α-band oscillations， attention， and controlled access to stored information. Trends in Cognitive Sciences， 16（12）， 606?617.

Klimovich-Gray， A.， amp; Molinaro， N. （2020）. Synchronising internal and external information： A commentary on Meyer， Sun amp; Martin （2020）. Language， Cognition and Neuroscience， 35（9）， 1129?1132.

Kuhl， P. K. （2004）. Early language acquisition： Cracking the speech code. Nature Reviews. Neuroscience， 5（11）， 831?843.

Kutas， M.， amp; Federmeier， K. D. （2000）. Electrophysiology reveals semantic memory use in language comprehension. Trends in Cognitive Sciences， 4（12）， 463?470.

Kutas， M.， amp; Federmeier， K. D. （2011）. Thirty years and counting： Finding meaning in the N400 component of the event-related brain potential （ERP）. Annual Review of Psychology， 62， 621?647.

Lewis， A. G. （2020）. Balancing exogenous and endogenous cortical rhythms for speech and language requires a lot of entraining： A commentary on Meyer， Sun amp; Martin （2020）. Language， Cognition and Neuroscience， 35（9）， 1133?1137.

Lo， C.-W.， Tung， T.-Y.， Ke， A. H.， amp; Brennan， J. R. （2022）. Hierarchy， not lexical regularity， modulates low-frequency neural synchrony during language comprehension. Neurobiology of Language， 3（4）， 538?555.

Lu， L.， Sheng， J.， Liu， Z.， amp; Gao， J.-H. （2021）. Neural representations of imagined speech revealed by frequency- tagged magnetoencephalography responses. NeuroImage， 229， 117724.

Lu， Y.， Jin， P.， Ding， N.， amp; Tian， X. （2023）. Delta-band neural tracking primarily reflects rule-based chunking instead of semantic relatedness between words. Cerebral Cortex， 33（8）， 4448?4458.

Mai， G.， Minett， J. W.， amp; Wang， W. S.-Y. （2016）. Delta， theta， beta， and gamma brain oscillations index levels of auditory sentence processing. NeuroImage， 133， 516?528.

Marcolli， M.， Berwick， R. C.， amp; Chomsky， N. （2023a）. Old and New Minimalism： A Hopf algebra comparison. arXiv. https：//doi.org/10.48550/arXiv.2306.10270

Marcolli， M.， Berwick， R. C.， amp; Chomsky， N. （2023b）. Syntax-semantics interface： An algebraic model. arXiv. https：//doi.org/10.48550/arXiv.2311.06189

Marcolli， M.， Chomsky， N.， amp; Berwick， R. （2023）. Mathematical structure of syntactic merge. arXiv. https：//doi.org/10.48550/arXiv.2305.18278

Marr， D. （1982）. Vision： A computational investigation into the human representation and processing of visual information. W.H. Freeman.

Martin， A. E. （2020）. A compositional neural architecture for language. Journal of Cognitive Neuroscience， 32（8）， 1407?1427.

Martin， A. E.， amp; Doumas， L. A. （2017）. A mechanism for the cortical computation of hierarchical linguistic structure. PLoS Biology， 15（3）， e2000663. https：//doi.org/10.1371/ journal.pbio.2000663

Martins， P. T.， amp; Boeckx， C. （2019）. Language evolution and complexity considerations： The no half-Merge fallacy. PLoS Biology， 17（11）， e3000389. https：//doi.org/10.1371/ journal.pbio.3000389

McClamrock， R. （1991）. Marr's three levels： A re-evaluation. Minds and Machines， 1， 185?196.

Meyer， L.， Lakatos， P.， amp; He， Y. （2021）. Language dysfunction in Schizophrenia： Assessing neural tracking to characterize the underlying disorder （s）？ Frontiers in Neuroscience， 15， 640502.

Meyer， L.， Sun， Y.， amp; Martin， A. E. （2020a）. “Entraining” to speech， generating language？ Language， Cognition and Neuroscience， 35（9）， 1138?1148.

Meyer， L.， Sun， Y.， amp; Martin， A. E. （2020b）. Synchronous， but not entrained： Exogenous and endogenous cortical rhythms of speech and language processing. Language， Cognition and Neuroscience， 35（9）， 1089?1099.

Miller， G. A.， Heise， G. A.， amp; Lichten， W. （1951）. The intelligibility of speech as a function of the context of the test materials. Journal of Experimental Psychology， 41（5）， 329?335.

Murphy， E. （2024）. ROSE： A neurocomputational architecture for syntax. Journal of Neurolinguistics， 70， 101180.

Nallet， C.， amp; Gervain， J. （2021）. Neurodevelopmental preparedness for language in the neonatal brain. Annual Review of Developmental Psychology， 3， 41?58.

Obleser， J.， amp; Kayser， C. （2019）. Neural entrainment and attentional selection in the listening brain. Trends in Cognitive Sciences， 23（11）， 913?926.

Pallier， C.， Devauchelle， A.-D.， amp; Dehaene， S. （2011）. Cortical representation of the constituent structure of sentences. Proceedings of the National Academy of Sciences， 108（6）， 2522?2527.

Peter， V.， Goswami， U.， Burnham， D.， amp; Kalashnikova， M. （2023）. Impaired neural entrainment to low frequency amplitude modulations in English-speaking children with dyslexia or dyslexia and DLD. Brain and Language， 236， 105217.

Poeppel， D. （2012）. The maps problem and the mapping problem： Two challenges for a cognitive neuroscience of speech and language. Cognitive Neuropsychology， 29（1?2）， 34?55.

Poeppel， D.， amp; Assaneo， M. F. （2020）. Speech rhythms and their neural foundations. Nature Reviews Neuroscience， 21（6）， 322?334.

Poeppel， D.， Idsardi， W. J.， amp; van Wassenhove， V. （2008）. Speech perception at the interface of neurobiology and linguistics. Philosophical Transactions of the Royal Society of London. Series B， Biological Sciences， 363（1493）， 1071?1086.

Prystauka， Y.， amp; Lewis， A. G. （2019）. The power of neural oscillations to inform sentence comprehension： A linguistic perspective. Language and Linguistics Compass， 13（9）， e12347. https：//doi.org/10.1111/lnc3.12347

Rafferty， M. B.， Saltuklaroglu， T.， Reilly， K.， Paek， E. J.， amp; Casenhiser， D. M. （2023）. Neural synchrony reflects closure of jabberwocky noun phrases but not predictable pseudoword sequences. The European Journal of Neuroscience， 57（11）， 1834?1847.

Si， F. （2016）. Paralinguistic features and non-verbal elements in human communication. The 7th International Conference on Formal Linguistics， China， Tianjin.

Seidl， A. （2007）. Infants’ use and weighting of prosodic cues in clause segmentation. Journal of Memory and Language， 57（1）， 24?48.

Slaats， S.， Weissbart， H.， Schoffelen， J.-M.， Meyer， A. S.， amp; Martin， A. E. （2023）. Delta-band neural responses to individual words are modulated by sentence processing. Journal of Neuroscience， 43（26）， 4867?4883.

Smith， N. J.， amp; Levy， R. （2013）. The effect of word predictability on reading time is logarithmic. Cognition， 128（3）， 302?319.

Steinhauer， K.， Alter， K.， amp; Friederici， A. D. （1999）. Brain potentials indicate immediate use of prosodic cues in natural speech processing. Nature Neuroscience， 2（2）， 191?196.

Traxler， M. J. （2014）. Trends in syntactic parsing： Anticipation， Bayesian estimation， and good-enough parsing. Trends in Cognitive Sciences， 18（11）， 605?611.

Xu， N.， Qin， X.， Zhou， Z.， Shan， W.， Ren， J.， Yang， C.， Lu， L.， amp; Wang， Q. （2023）. Age differentially modulates the cortical tracking of the lower and higher level linguistic structures during speech comprehension. Cerebral Cortex， 33（19）， 10463?10474.

Xu， N.， Zhao， B.， Luo， L.， Zhang， K.， Shao， X.， Luan， G.， Wang， Q.， Hu， W.， amp; Wang， Q. （2023）. Two stages of speech envelope tracking in human auditory cortex modulated by speech intelligibility. Cerebral Cortex， 33（5）， 2215?2228.

Neural oscillations： Exploring the temporal dynamics ofsyntactic parsing

QI Ruiying， FENG Ye， SI Fuzhen

（Department of Linguistics/ Lab of Biolinguistics and Brain Sciences，Beijing Language and Culture University， Beijing 100083， China）

Abstract： The mapping problem， which aims to establish correspondences between linguistic phenotypes and neural mechanisms， is a central focus of contemporary research. Within this domain， the neural mechanisms underlying syntactic parsing are particularly challenging， as they involve identifying neural activities corresponding to the processes of syntactic structure construction. This endeavor is crucial for deciphering the enigmas of human linguistic capability. Recent investigations into neural oscillatory activity not only furnish compelling evidence for the “autonomy of syntax” of language functions in the human brain but also illustrate the feasibility of employing neural oscillations to explicate the neural coding activities underpinning syntactic parsing. The theoretical models of syntactic computation within the minimalist framework of theoretical linguistics can be corroborated by experimental research on neural oscillations in neuroscience. Such interdisciplinary studies have the potential to elucidate the temporal dynamics inherent in autonomous syntactic structure building. Future research should focus on four key areas： the fine-grained alignment between neural oscillations and syntactic processing， the mechanisms and biological significance of neural oscillations， the developmental trajectory of neural oscillations during language acquisition in children， and the neurophysiological foundations of language disorders alongside their rehabilitative applications.

Keywords： neural oscillation， language comprehension， syntactic parsing， the minimalist program， incremental conversion

* 教育部人文社會(huì)科學(xué)研究一般項(xiàng)目“漢語嬰幼兒聲調(diào)感知的大腦偏側(cè)化模式及其對(duì)語言發(fā)展的影響” （23YJC740011）、北京語言大學(xué)校級(jí)科研項(xiàng)目“音樂節(jié)奏對(duì)漢語發(fā)展性語言障礙兒童語法加工的潛在影響及其神經(jīng)機(jī)制研究” （24QN07）、北京語言大學(xué)院級(jí)科研項(xiàng)目“漢語兒童關(guān)系從句的加工模式探究” （23YJ120001）資助。

通信作者：封葉， E-mail： echofy@blcu.edu.cn

1 本文對(duì)于“先驗(yàn)語法知識(shí)”的工作定義， 指與后天經(jīng)驗(yàn)相對(duì)的， 人生來具備的構(gòu)建句法的知識(shí)或能力。這里的“知識(shí)”也有別于一般日常生活中所指的通過學(xué)習(xí)和積累而獲得的知識(shí)， 而是指一種由生物遺傳等先天因素所決定的不需要學(xué)習(xí)就擁有的一種智能。而在其他認(rèn)知科學(xué)語境下先驗(yàn)的定義略有些許不同， 主要指與后驗(yàn)知識(shí)相對(duì)的， 不依賴具體數(shù)據(jù)而憑借已有的期望與知識(shí)進(jìn)行的數(shù)據(jù)加工方式， 類似于（但不完全等同）知覺加工方式中的概念驅(qū)動(dòng)加工方式。

[2] 理論語言學(xué)歷來存在句法自治與句法涌現(xiàn)之爭。句法自治也稱“句法中心”論， 指句法作為一個(gè)相對(duì)獨(dú)立的模塊與通過接口（interface）與語音、韻律、語義等模塊進(jìn)行聯(lián)系（姜孟， 2009）， 即語言層級(jí)結(jié)構(gòu)的生成會(huì)由于語音、語義等模塊的作用而發(fā)生調(diào)整， 但其本質(zhì)上由句法主導(dǎo); 與句法自治理論相對(duì)， 一些學(xué)者認(rèn)為句法并非獨(dú)立的模塊， 其結(jié)構(gòu)特征是其他模塊信息或一般認(rèn)知能力的產(chǎn)物， 是基于用法的涌現(xiàn)（楊烈祥， 2012）。盡管目前實(shí)證研究的結(jié)果尚不能直接證明任何一方觀點(diǎn)， 但已為先驗(yàn)語法知識(shí)的存在提供了重要證據(jù)。

[3] 學(xué)界這方面經(jīng)典的成功實(shí)驗(yàn)案例可參考Chomsky和Moro （2022）中有關(guān)“結(jié)構(gòu)依存”的兩組實(shí)驗(yàn)的介紹。

[4] 在討論神經(jīng)振蕩相關(guān)活動(dòng)時(shí)， 不少研究者會(huì)以夾帶作用（entrainment）為切入點(diǎn)， 但夾帶作用這個(gè)語本身的定義及其機(jī)制在很多時(shí)刻都并未明晰（Obleser amp; Kayser， 2019）。一些學(xué)者對(duì)夾帶作用的定義有較為嚴(yán)格的限制（Haegens amp; Zion Golumbic， 2018）; 而另一些學(xué)者則默認(rèn)夾帶作用概念較為寬泛， 與外在節(jié)律有關(guān)的追蹤與同步活動(dòng)都可稱為夾帶作用。 本文旨在將語法知識(shí)與其他心理過程進(jìn)行分離， 而非對(duì)概念本身進(jìn)行討論。因此， 為避免因措辭而產(chǎn)生歧義， 本文于此不援引夾帶作用來指稱相關(guān)活動(dòng)。

[5] David Marr的三分框架存在一定爭議（如McClamrock， 1991）。盡管如此， 它仍是非常經(jīng)典的對(duì)人腦運(yùn)作機(jī)制進(jìn)行探討的研究框架。

[6] 此處參考審稿專家意見進(jìn)行補(bǔ)充說明， 感謝匿名評(píng)審專家所提出的問題。