听觉感知的快速适应性：基于分布学习模型的语音范畴重构机制研究

研究人员针对人类语音感知快速适应陌生口音的现象，通过增量式暴露-测试范式结合贝叶斯混合效应心理测量模型，首次系统验证了分布学习理论对语音适应性的四项核心预测。研究发现美国英语母语者对VOT(voice onset time)线索的范畴边界能根据暴露输入的统计特性进行梯度调整，理想适配器模型(R2>96%)成功量化了暴露量与感知变化的关系，但发现现有理论未预测的"过早收敛"现象。该研究为理解人类语音系统的动态可塑性提供了量化证据。

　　

当我们初次听到带有陌生口音的语音时，往往需要短暂适应才能准确理解。这种神奇的适应能力背后，隐藏着人类听觉系统惊人的可塑性机制。传统研究虽然证实了语音感知的快速适应性，但对于这种适应如何随着暴露量逐步展开、如何整合先验经验与新输入等问题仍缺乏系统解释。更关键的是，现有理论对适应过程是否遵循分布学习原则、能否达到完全收敛等重要预测尚未得到严格验证。

针对这些知识空白，斯德哥尔摩大学双语研究中心的Maryann Tan和T. Florian Jaeger开展了一项开创性研究。他们设计了一个精巧的增量式暴露-测试实验，让美国英语母语者接触经过系统偏移的/d/-/t/发音分布（如"dill"与"till"的起始辅音差异），同时通过贝叶斯混合效应心理测量模型追踪听众感知的渐进变化。研究创新性地将理想观察者模型与理想适配器模型相结合，首次对分布学习理论的四项核心预测进行了同步验证。

研究采用三项关键技术：一是构建自然语音的VOT连续体，保持声调(f0)和元音时长等线索的自然相关性；二是设计三组不同偏移程度的暴露条件(-20ms、-10ms、+20ms)；三是开发增量测试范式，在暴露前、暴露中和暴露后多次测量听众的范畴边界(PSE)。实验包含144个关键试次，采集了119名被试在432种暴露-测试组合下的反应数据。

【主要发现】

1. 先验预期塑造初始感知：测试前听众的范畴边界与基于英语母语者语音数据库构建的理想观察者模型高度吻合(R²=96%)，证实预测1。

2. 暴露量与分布共同驱动适应：随着暴露增加，听众的PSE系统性地向暴露分布偏移，支持预测2a和2b。首轮暴露(24个/d/和24个/t/)即可引发显著改变。

3. 学习呈现收益递减：适应速率随暴露量增加而减缓，符合预测3的幂律学习规律。

4. 发现过早收敛现象：听众的适应在达到理想学习者预期前就趋于稳定，挑战预测4的完全收敛假设。

讨论部分指出，理想适配器模型虽能解释96%的行为变异，但揭示的过早收敛现象暗示人类语音适应可能存在固有局限。这一发现可能反映了神经系统在稳定性与可塑性间的权衡，或是分布学习与模型选择机制的共同作用。研究为理解第二语言习得中的"固化"现象提供了新视角，也为开发更精准的语音适应计算模型确立了新标准。论文发表在《Cognition》杂志，其方法论创新为未来研究语音感知的动态过程提供了范式参考。