語意記憶(Semantic memory),又稱語義記憶、字義記憶,是一種記憶的型態。它是一種對於一般知識的事實與概念的了解,透過語言、文字、數字、演算法等抽象性的了解來形成記憶。語意記憶通常是經由情節記憶發展而來,是一種客觀性的知識,與個人經驗無關。
外顯記憶(或陳述性記憶 )是對事實或事件的記憶,可以被清晰地儲存及提取,外顯記憶有两种类型,而語意記憶是其中之一。[1]在我们一生中所累积的世界的一般性知识即為語意記憶。[2]这种常识性知識(common knowledge) (事实、观念、意义和概念)會依赖于文化,並与经验交织在一起。语义记忆与情节记忆有所區別,情节记忆會記錄生活中所发生的经历和特定事件,我们可以由此重建任何给定的点。[3]例如,语义记忆可能包含與猫有關的資訊,而情节记忆則可能包含抚摸某隻猫的具體记忆。通过过去所学的知识,我们可以學得新的概念。[4]陳述性或外顯記憶对应的是非陳述性記憶或内隐记忆 。[5]
語義記憶的本質不同於情节记忆,它的內容不像情節記憶那樣與任何特定的經歷聯繫在一起。相反地,在语义记忆中所儲存的是经验的「主旨」,這是一种适用于各种經驗對象的抽象结构,描述对象之间的分类和功能关系。[6]因此,完整的语义记忆理论不仅必须说明此类「主旨」的表徵结构,还必须说明如何从经验中提取它们。目前已经提出了多種语义记忆模型,总结如下。
在许多语义记忆理论中,各種網路都扮演著不可或缺的角色。一般而言,網路是由一組節點所組成,節點之間以鏈路聯結。节点可以表示概念、單詞、知覺特征,或者根本不代表什麼。這些鏈路可能是有權重的,使得某些鏈路比其他鏈路更强,或者等效地說,鏈路有著不同的长度,使得穿過某些鏈路比其他鏈路更耗時。这些網路的特征都已被用于语义记忆模型中,其示例如下。
第一个语义记忆網路模型的示例是「可教學的语言理解者」(TLC)。[7]在此模型中,每个节点都是單詞,代表著一个概念(如「鸟」)。每个节点都儲存著一组属性(例如「可以飞翔」或「具有翅膀」)以及指向其他节点(例如「鸡」)的指標(即鏈路)。节点會直接链結到其子類別或超類別的节点(換言之,「鸟」将同时连接到「鸡」和「动物」)。因此,TLC是一种分层知识表徵,其中高级节点代表大型类别,該節點會(通过子類別的节点,直接或间接地)连接到许多該类别的实例,而代表特定实例的节点处于较低级别,仅與其超類別连接。此外,属性會被储存在它们所适用的最高类别级别。例如,「黄色」将与「金丝雀」一起储存,「具有翅膀」将与「鸟」(向上一级)一起储存,「可以移动」将与「动物」(再上一级)一起储存。节点还可以储存对其上级节点的属性的否定(即「 無法飛翔」将与「 企鵝」一起储存)。这就提供了一种表徵经济性,因为属性仅储存在必不可少的类别级别上,也就是说,該属性會成为這個点上的关键特徵(请参阅下文)。
TLC中的处理是某种形式的扩散激活。[8] 換言之,当一个节点变为激活态时,該激活透過節點之間的鏈接傳播到其他節點。在這種情況下,回答「雞是鳥嗎?」這個問題的時間是 「雞」和「鳥」節點之間的激活必須擴散到多大程度的函數,即「雞」和「鳥」節點之間的鏈接數量。
原始版本的TLC並沒有對節點之間的鏈接進行加權。雖然這版本的TLC在許多任務中的表現與人類相當,但是沒有預測到,人們比起那些不太典型的例子,會更快地回答更典型類別的問題。[9]科林斯和Quillian随后修改了TLC,納入了加权链接來解决這個问题。[10]新版的TLC能够解释熟悉效果和典型性效果 。它的最大优点是它清楚地说明了促發 :「如果相關資訊(即 「促發物」)在很短的時間內已經呈現過,那麼更有可能從記憶中提取資訊。」还有一些记忆现象是TLC无法解释的,像是当相关节点在網路中相隔很远的时候,为什么人们能够快速反应明显错误的问题(如「鸡是流星吗?」)。[11]
TLC是一类更通用模型的实例,該模型称为语义網路。在语义網路中,节点代表著特定的概念、單詞或特征。也就是说,每个节点都是一个「符号」。语义網路一般不会像神經網路那样采用分布式的概念表徵。语义網路的定義性特徵是它的链接几乎总是定向的(也就是说,它们仅指向一个方向,即从基点到目标),且链接有著许多不同的类型,每一种类型都代表着任何两个节点之间的特定关系。[12]语义網路中的处理過程通常采用扩散激活的形式(请参见上文)。
语义網路在篇章分析和逻辑理解模型以及人工智慧的应用最为广泛 。[13]在这些模型中,节点对应的是單詞或词根,而链接代表它们之间的句法关系。语义網路在知识表徵中计算實作之範例,请参见Cravo和Martins(1993)。[14]
特徵模型認為,語義類別是由相對散亂的特徵集所組成。Smith、Shoben和Rips(1974)提出的語義特徵比較模型[15]認為,記憶是由不同概念的特徵列表所組成。根據這種觀點,我們無法直接提取類別之間的關係,而是透過間接的方式計算出來。例如,主體可能透過比較代表主謂概念的特徵集來驗證一個句子。這種計算特徵比較模型的提出者包括Meyer(1970)[16]、Rips(1975)[17]、Smith等人(1974)。[15]
早期對知覺和概念分類的研究工作假設類別具有關鍵特徵,而類別成員可以透過特徵組合的邏輯規則來確定。較近期的理論則認為,類別可能具有不明確或 "模糊 "的結構[18],並提出了概率模型或全局相似性模型來驗證類別成員的資格[19]。
关联為兩個資訊之間的關係,是心理學中的一個基本概念。對於記憶和認知模型而言,不同層次的心理表徵之間的关联至關重要。記憶裡的項目之間的关联集相當於網路中的節點之間的鏈路,每個節點對應於記憶中的唯一項目。事實上,神經網路和語義網路可以被描述為認知的关联模型。然而,关联通常被更清楚地表示為一個N×N矩陣,其中N是記憶中項目的數量。因此,矩陣的每個單元對應於行項和列項之間的關聯強度。
關聯學習一般被認為是個赫布過程;也就是說,每當記憶中有兩個項目被同時激活,這兩個項目之間的关联就會越來越強,如果越是激活其中一項,那麼另一項也激活的可能性就越大。關聯模型的具體操作方法見下文。
搜索聯想記憶(SAM)模型是採用关联方法的標準記憶模型[20],雖然SAM最初是為了對情節記憶建模,但其機制也足以支援一些語義記憶的表徵[21],SAM模型包含短期儲存(STS)和長期儲存(LTS),STS是LTS中短暫激活的資訊子集。STS的容量有限,並且透過對可採樣的資訊量、採樣子集的激活時間作出限制,進而影響提取過程。LTS中的提取過程具有線索依賴性和概率性,亦即線索會啟動提取過程,並從記憶中隨機選擇資訊。抽樣概率取決於線索與被提取項之間的關聯性強弱,隨著抽樣資訊關聯性增強,最終會選出一個資訊。緩衝區的大小被定義為r,這並非一個固定的數字,當項目在緩衝區中排練時,其關聯強度隨緩衝區內總時間而線性增長[22]。在SAM中,當任何兩個項目同時佔據一個工作記憶緩衝區時,其關聯強度就會遞增。因此,經常同時出現的項目之間的關聯強度更加強健。在SAM中,項目也與特定的語境相關聯,而這種關聯的強度由每個項目在特定語境中存在的時間長短決定。因此,SAM的記憶是由記憶中的項目與項目之間,以及項目與語境之間的關聯所組成。一組項目和語境的出現,更有可能喚起記憶中某些項目的子集。項目對其他項目的喚起程度(無論是由於共同語境,亦或者是同時發生)都是項目語義關聯性的指標。
在SAM的更新版本中,已經存在的語義關聯使用語義矩陣來解釋。在實驗過程中,語義關聯保持不變,顯示出語義關聯不受實驗的情節經驗影響之假設。SAM模型中有兩種方法衡量語義關聯性:「潜在语义分析」(Latent semantic analysis,LSA)和「詞語關聯空間」(Word association spaces,WAS)[23]。LSA方法指出,單詞之間的相似性是透過單詞同時在局部語境中出現來反映。[24]WAS則是透過分析自由關聯規範的數據庫來發展的。在WAS中,具有相似關聯結構的詞會被放置在相似的空間區域中。[25]
ACT(英語:Adaptive Control of Thought,思想的自适应控制)[26],以及後來的ACT-R理論(Adaptive Control of Thought-Rational,思想的自适应控制-理性)[27]使用「意元」(chunk)來表示陳述性記憶(語義記憶是該記憶的其中一種),「意元」是由一個標籤、一組與其他意元的明確關係(即 「這是一個__。」或「這個有一個__。」)、任意個意元特有的屬性所組成。那麼,鑑於每個節點都是一個具有獨特屬性的意元,而每個鏈路都是意元與另一個意元的關係,因此可以將意元映射為一個語義網路。在ACT中,意元的激活度會隨著該意元的創建時間增加而減少,並隨著該意元在記憶中的提取次數上升而增加。意元也可以從高斯雜訊以及它們與其他意元的相似性中獲得激活。例如,如果用「雞」作為提取線索,那麼「金絲雀」將憑藉其與該線索的相似性(即兩者都是鳥類等)來接收激活。當從記憶中提取物品時,ACT會查看記憶中最活躍的意元,如果高於閾值,該意元就會被提取出來,否則就發生了 「遺漏錯誤」(error of omission),即該項目會被遺忘。此外,還有一個提取潛伏期,它與被提取的意元對提取閾值的激活超出量成反比。這個潛伏期可被用來衡量ACT模型的響應時間,與人類的表現相比較[28]。
雖然ACT是種一般性的認知模型,而不是記憶模型,但如上文所述,它提出了記憶結構的某些特徵。特別是,ACT將記憶建模為一組相關的符號意元,可以透過提取線索來觸接記憶。雖然ACT中使用的記憶模型在某些方面與語義網路相似,但所涉及的處理方式更類似於關聯模型。
- 記憶語義
- 稀疏分布式存储器
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.