Generative Grammar

核心概念定义

生成语法（Generative Grammar）由诺姆·乔姆斯基（Noam Chomsky）在 1950s 提出，是 20 世纪语言学最重要的范式革命。核心命题是：人类语言能力是先天的、由基因编码的「普遍语法」（Universal Grammar, UG），而非单纯后天学习的结果。

关键概念：

• 普遍语法（UG）：所有人类语言共享的深层结构规则，是人类物种特有的认知基础设施。它是「语言习得机制」（LAD）的内置内容。
• 深层结构 vs 表层结构：同一句话在深层有抽象的逻辑结构，通过转换规则生成不同的表层表达。「狗咬人」和「人被狗咬」表层不同，深层同构。
• 刺激贫乏论证（Poverty of the Stimulus）：儿童在输入有限、错误繁多、无显式反馈的条件下，仍能在 3-5 岁掌握复杂的语法结构。乔姆斯基认为这只能用「先天预设」解释——大脑自带语法骨架，环境只负责填充参数。

先天 vs 后天：乔姆斯基不否认环境作用，但强调环境只是「触发」而非「塑造」。如同视觉系统需要光才能发育，但发育程序写在基因里。

学科直觉

生成语法的核心直觉是：复杂能力的获得需要先天结构作为前提。完全从零开始的学习，在数学上不可能在有限时间内完成。

三个直觉：

1. 学习效率的先天约束：儿童能在 3 年内掌握无限句子的生成能力，但接触到的句子是有限的。这暗示大脑并非空白地接收数据，而是带着「假设空间」去过滤输入。
2. 临界期效应：语言习得有临界期——青春期后学第二语言，语法直觉几乎不可能达到母语水平。这印证语言能力有生物发育窗口，不是纯文化现象。
3. 规则 vs 模式：鹦鹉能模仿 1000 个词，但无法生成「我没见过的那只鹦鹉的颜色比这只深」这样的嵌套结构。语言的本质是递归规则的生成，不是模式匹配。

跨学科应用

认识论：知识的先天结构

康德的「先验范畴」被乔姆斯基用语言学实证化：人类并非被动接收世界，而是用内置范畴组织经验。空间、时间、因果、数这些范畴可能是物种进化的产物。芒格的「格栅理论」暗合这一点——跨学科思维需要先搭好多元格栅（先天结构），再让事实填入。

AI：为什么学语言比下棋难

AlphaGo 击败围棋世界冠军用了强化学习，但 LLM 至今仍在基本语法上出错。原因：围棋规则有限且明确，语言规则无限且递归。围棋的「规则」是环境给的，语言的「规则」需要从海量噪声中归纳——而且人类语言依赖 UG 这个先天约束，AI 没有 UG，只能靠规模暴力补偿。这解释了为什么 LLM 需要万亿 token 训练，而儿童只需几百万词。

投资：先验框架决定信息处理效率

没有投资框架的人面对海量信息无法形成判断，有框架的人能快速过滤信号。框架就是投资认知的「普遍语法」——它预设了你关注哪些变量、忽略哪些变量。学习投资不是从零积累数据，而是先建立「骨架」，再用案例填充参数。

教育：可习得 vs 不可习得

有些能力（词汇、案例、事实）是后天填参数，有些能力（逻辑结构、因果直觉）是先天骨架。教育应区分二者：对骨架已定的能力，多练无用；对可填参数的能力，多练有效。

练习题

单选题

案例题

某 AI 团队声称其模型「通过大规模数据训练，自发涌现出类似人类的语法能力」。请用乔姆斯基的视角批判性地评估这一声称。

参考答案：乔姆斯基会指出三点质疑：(1) 「涌现」和「习得」不同——LLM 是模式匹配的统计近似，缺乏递归规则的显式表征，在长距离依赖和嵌套结构上仍会失败；(2) 儿童用百万级词达到的语言能力，LLM 需要万亿级 token——这种 6 个量级的差距暗示 LLM 缺乏 UG 这种先天约束，用算力暴力补偿结构缺失；(3) 语法直觉（如「这句话哪里别扭」）需要内在的规则表征，而非外部统计。LLM 的「语法」是表层行为的模仿，不是深层能力的获得。但要公平：LLM 的工程实用性不依赖其是否「真正理解」语言。

反事实题