Usando Modelos Computacionais para Testar a Aprendibilidade Sintática

Estudamos a aprendibilidade das dependências de preenchimento e lacuna em inglês e as restrições de "ilha" sobre elas, avaliando as generalizações feitas por modelos de linguagem autoregressivos (incrementais) que usam deep learning para prever a próxima palavra dada o contexto anterior. Usando testes fatoriais inspirados na psicolinguística experimental, descobrimos que os modelos adquirem não apenas a contingência básica entre preenchimentos e lacunas, mas também a não-boundedness e as restrições hierárquicas implicadas na dependência. Avaliamos a aquisição de restrições de ilha por um modelo demonstrando que sua expectativa para uma contingência de preenchimento-lacuna é atenuada dentro de um ambiente de ilha. Nossos resultados fornecem evidências empíricas contra o argumento da pobreza do estímulo para essa estrutura particular.