人工语法与内隐学习实验
人工语法实验
人工语法（artificial grammar）最早是心理语言学的一种研究工具。在心理语言学研究中，需要类似于人工概念的刺激材料，它既可以用来模拟自然语言，又不容易受到知识经验的干扰。用人工语法产生的“人工语言”像自然语言一样富于变化，同时又有自身的语法规则，所以便于研究者计算由它生成的每一条字符串（语句）的复杂性和包含的信息量的大小。后来，经过雷伯的改造，人工语法成为一种限定状态语法（finite-state grammar）。他用这种“人工语法”作为产生“合法”字符串的规则。于是就有了两种字符串：一种符合“人工语法”；另一种不符合“人工语法”。可见，“人工语法”也可以被看作一种非常复杂的人工概念。其样例就是字符串，有正例，也有负例。雷伯就是用这种人工语法来研究内隐学习。
人工语法必须用图才能清楚地表现出来。图8-4就是一个典型的人工语法图。图中有多个圆圈，里面标出字母，表示一个状态，各个状态处有各种可能的走向，从而形成一个纵横交错的语法路线图。每一条语法路线称为“线路”（path）。线路中有像S2和S3这样的“返回”，表示可以连续重复几个字母，例如S2处可以连续出现（当然也可以不出现）一个或多个“S”，S3处则可以连续出现（当然也可以不出现）一个或多个“T”。另外，几个状态可以产生周而复始的循环，例如S4—S3—S5—S4……另外，根据开始位置的不同，又可以分成几个不同的“线路组”。以图8-4的语法图为例，该语法因为存在循环，所以产生了无限多条线路，且分为两组。每一条线路上又因为包含至少一个返回，因此又可以生成无数个字符串。
图8-4 人工语法示意图
（来源：Reber，1993）
雷伯和艾伦（Reber＆Allen，1978）等人的一系列内隐学习实验对假设检验理论提出了针锋相对的挑战。内隐学习的实验分两个阶段：第一阶段是学习阶段，要求被试观察和记忆一系列字符串，然后告诉他们这些字符串是根据一套规则（即语法）产生的；第二阶段是测验阶段，要求被试判断一些新的字符串是否也符合原来的语法规则。结果发现，被试作出的判断的正确率高于猜测概率，但在言语报告中他们却不能描述出已经学会的规则。可见，这种学习似乎不是一种基于规则的概念形成。
另外，雷伯等人还将被试分为记忆组和探索组。在学习阶段，要求记忆组的被试“努力记住字符串”，而要求探索组被试“找出字符串排列的规则”。在接下来的测验阶段，向两组被试呈现新的字符串，要求他们判断这些字符串是否合乎语法。结果，死记硬背的记忆组成绩竟然好于动脑筋的探索组。这说明，原先没有意识到字符串里面有什么规则的被试反而比较多地掌握了人工语法！
内隐学习的其他研究范式
雷伯在最早提出内隐学习时使用的研究范式是人工语法学习，但是这不是内隐学习的唯一实验范式。随着研究的不断发展，出现了许多新的范式，其中最主要的是概率学习（probability learning）、控制任务学习（control-task learning）、矩阵扫描研究（matrixscanning study）、内隐序列学习（implicit sequence learning）和双条件语法学习（biconditional grammar learning）。
概率学习范式最早是由心理学家汉弗莱斯（Humphreys，1939）提出来的，一开始并不是用来做内隐学习研究的，而是被用来开展条件反射实验，直到雷伯和米尔沃德（Reber＆Millward，1968，1971）采用这种方法后，才被用于内隐学习实验。实验的过程是这样的：（1）在学习阶段，以每秒2个刺激的频率向被试呈现一系列刺激，其中某个特定的刺激出现的概率按照一定的规律发生周期性的变化；（2）在测验阶段，呈现刺激信号后，要求被试预告随后可能出现的刺激。结果发现，被试对后续刺激的预期与实际刺激出现的顺序相一致。雷伯认为，被试已经内隐地学到了刺激材料中包含的概率规则。
控制任务学习采用模拟生产或生活情境的方式来研究被试对情境中潜在的规律（或规则）的掌握和运用的能力。相对于人工语法实验范式，控制任务学习的一个最大优点是能够激发被试的主动性，不容易产生疲劳。布罗德本特和贝里（Broadbent，1977；Berry＆Broadbent，1984）等人设计了许多模拟的情境。其中最有名的情境就是糖生产实验，要求被试作为制糖厂的管理者调整生产环节的各个要素的参数值来完成预定的生产任务，这些要素主要有工资、生产秩序、雇用工人人数，等等。实验中实际隐含的规则是：A＝2w－（p＋n），其中A表示产量，w是工人数量，p是被试上一次尝试的输出产量，而n是一个不确定的随机量（即噪声）——噪声的存在使得被试即使外显地学会了这个公式也不可能做到完全准确。但是，即使在这种情况下，被试的反应还是有很多落在答案的正确范围之内，而他们对规则本身却不能作出很好的表达。
列维奇等人（Lewicki＆Hill，1987；Lewicki，Hill＆Bizot，1988）使用矩阵扫描研究范式对内隐学习进行研究。这个范式同样包括学习和测验两个阶段：（1）学习阶段：要求被试观察屏幕上的四个象限中出现的数字矩阵，其中有一个目标数字每次出现在不同的象限中。目标刺激出现的规律是预先设定的，但是不告诉被试。（2）测验阶段：要求被试在呈现了6次刺激后按键判断目标刺激接下来将要出现在哪一个象限中。列维奇等人的实验发现，虽然没有告诉被试目标刺激出现的规律，但是随着学习次数的增加，他们判断的反应时显著地减少了，正确率也高于随机水平。而且，当实验规则突然改变时，被试的反应时就急剧增加，正确率也回到随机水平。列维奇等人认为，反应速度和准确率的提高说明被试获得了有关的规则。
内隐序列学习是现在内隐学习研究中仅次于人工语法学习范式的最重要、最常用的实验方法。其前身是由尼森和布莱默（Nissen＆Bullemer，1987）提出的知觉-运动定位任务。该任务的实质是内隐序列学习，后来不断被人采用和发展。在内隐序列学习范式中，一个刺激符号（如“*”号）出现在水平排列的几个位置（通常是ABCD四个位置）上，出现的位置或是遵从一个特定的序列（如DBCACBDA），或是按照随机顺序出现（不过这种随机也是实验者事先设计好的伪随机）。被试的任务是对刺激可能出现的位置进行尽可能快而准确的预测。这种研究范式以反应时为主要指标，故又称为序列反应时（serial reaction time，简称SRT）任务。如果被试经过多次练习后，在特定的序列条件下完成任务成绩得到提高，这就表明他们对上述特定序列的规则很敏感，而且这种敏感并不说明被试一定意识到相应的序列规则，就可以认为被试产生了内隐学习。被试对特定序列与随机序列反应的时间差就体现了序列学习的效应，作为内隐序列学习量。
双条件语法学习范式是尚克斯等人（Shanks，Johnstone＆Staggs，1997）设计的。其中一个双条件语法见图8-5，它由分布在分隔号“·”左右的4对字母组成，成对的字母之间存在着某种对应规则。图8-5中箭头表示的是语法中的三个对应规则，即在分隔号“·”左右的第1、3、4号位置，分别应该出现D—F、G—L、X—K这三对字母，且左右位置可以互换，由此可以产生的正确字符串如DFGX·FDLK，FFGK·DDLX等，而错误字符串如LFGK·KDLX，DFGK·DDLX等。
图8-5 双条件语法图
（来源：Shanks，Johnstone＆Staggs，1997）