Wytwarzanie mowy

Wytwarzanie mowy polega na zakodowaniu w system językowy znaczenia, któ-re chcemy przekazać. W tym rozdziale zapktó-rezentowane będą modele wyja-śniające ten proces. Badacze zajmujący się wytwarzaniem mowy – mimo naj-nowszych technik tomografii emisyjnej CAT i PAT, wyjaśniających działanie neuronów w mózgu w trakcie procesu, jakim jest mówienie – nie mają dostę-pu do pełnej analizy procesu generowania wypowiedzi (np. w którym momen-cie tworzone jest orzeczenie zdania). Częstymi metodami wykorzystywanymi przy konstruowaniu teorii wytwarzania mowy są błędy językowe pojawiające się na różnych poziomach języka: fonologicznym, semantycznym, syntaktycz-nym i pragmatyczsyntaktycz-nym. Poziom fonologiczny obejmuje elementarne dźwięki

9 J. B. Gleason, N. B. Ratner, Psycholingwistyka, przekł. J. Bobryk i in., Gdańsk 2005, s. 17.

10 Zob. I. Kurcz, Charakterystyka kompetencji językowej – wytwarzanie i percepcja mowy, [w:]

Język jako przedmiot badań psychologicznych. Psycholingwistyka ogólna i neurolingwistyka, red.

I. Kurcz, H. Okuniewska, Warszawa 2011, s. 66–80.

mowy, poziom syntaktyczny – słowa i zdania, połączone ze sobą według re-guł gramatycznych. Poziom semantyczny składa się z elementów posiadających określone znaczenie, np. morfemów czy słów. Poziom pragmatyczny dotyczy właściwego użycia języka w komunikacji¹¹. Błędy językowe na różnych pozio-mach stanowią dowód na istnienie procesów, które zachodzą w toku wytwa-rzania przekazu.

Zaprezentowane zostaną cztery modele wyjaśniające proces wytwarzania mowy: model Fromkin, Garetta, Levelta i Della. Pierwsze modele są tzw. mo-delami zstępującymi. Oznacza to, że wyodrębnione są w nich etapy, które od-powiadają różnym poziomom języka. Model Levelta uzupełniony jest o sys-tem zwrotny, polegający na monitorowaniu własnej wypowiedzi. Model Della to model interakcyjny, który zakłada, że w proces wytwarzania mowy zaanga-żowane są wszystkie poziomy języka (fonologiczny, semantyczny, syntaktyczny i pragmatyczny). Modele zstępujące obciążone są błędem homunculusa¹², po-legającym na tym, że ktoś (coś) planuje wypowiedź, niejako siedząc w naszym umyśle. Nie wyjaśniają zatem, jak rozpoczyna się proces leksykalizacji. Modele interakcyjne natomiast są mniej weryfikowalne empirycznie¹³.

Należy zaznaczyć także, że przedstawione modele nie wyjaśniają, w jaki spo-sób myśli reprezentowane są w umyśle człowieka przed nadaniem im formy języ-kowej. Psycholingwiści zgadzają się co do tego, że myśl „ma charakter całościo-wy i symultaniczny”¹⁴, co oznacza, że w momencie pojawienia się jej w naszym umyśle odbieramy ją całościowo, nie wyodrębniając konkretnych elementów.

Zawiera się w niej cały obraz danej sytuacji (np. przechodzenie przez jezdnię) oraz znaczenie tej sytuacji (np. proces przyczynowo-skutkowy). Tym różni się ona od słowa zwerbalizowanego. Zatem pierwszym zadaniem, przed jakim stoi nadawca, jest wyodrębnienie poszczególnych elementów sytuacji i dokonanie selekcji, by móc wyrazić ją stopniowo. Wymaga to „zmiany zakresu treściowe-go z całościowetreściowe-go w przypadku myśli na bardziej wybiórczy w przypadku słowa oraz przejścia od symultanicznego ujęcia odbieranych zmysłowo treści do ich sukcesywnego wyrażania w mowie” ¹⁵. Brakuje jednak odpowiedzi na to, jak

wy-11 E. Nęcka, J. Orzechowski, B. Szymura, Psychologia poznawcza, dz. cyt., s. 594.

12 Tamże, s. 618.

13 Tamże, s. 618.

14 S. Frydrychowicz, Proces mówienia, Wybrane psychologiczne aspekty na przykładzie interpreta-cji zdania niejednoznacznego, Poznań 1999, s. 31.

15 Tamże, s. 33.

gląda „język myśli”. W modelach zakłada się zatem, że nadawca chce przekazać pewne treści, niezależnie jak treści te są reprezentowane przed nadaniem im formy językowej.

1.1.modelfromkin

Wśród pierwszych teorii przywołać można propozycje Victorii Fromkin¹⁶, któ-ra wyróżniła sześć stadiów tworzenia wypowiedzi. Pierwsze stadia odnoszą się do kształtowania pojęciowej formy wypowiedzi, następne do procesu tworze-nia zdań, a ostatnie dotyczą tego, jak treść przekazywana jest do ośrodków ar-tykulacyjnych.

W pierwszym stadium mówca konceptualizuje to, co chce powiedzieć – tzn.

nadaje wypowiedzi formę pojęciową, która jeszcze na tym poziomie nie jest związana z określonymi słowami – ma formę bezsłowną.

W stadium drugim wypowiedź to „struktura semantyczno-syntaktyczna”¹⁷, na którą nałożone zostaną odpowiednie słowa. Dobrana jest zatem składania przyszłej wypowiedzi (np. tryb oznajmujący).

Zanim dojdzie do dobrania określonych jednostek leksykalnych, w stadium trzecim na podstawie struktury syntaktyczno-semantycznej dobrany jest zarys intonacyjny. Intonacja nadana jest przed wyborem słów, ponieważ zależna jest od struktury syntaktycznej, a nie określonego wyrazu.

W czwartym stadium wypowiedź „ubierana” jest w określone słowa. Ze słownika umysłowego, który „stanowi intuicyjną wiedzę na temat wyrazów da-nego języka, jaką mają użytkownicy tego języka”¹⁸, dobierane są odpowiednie słowa wraz z określoną formą fonologiczną. Na tym etapie możliwe jest popeł-nienie błędu zamiany słów podobnych pod względem fonologicznym¹⁹.

Na kolejnym etapie doprecyzowywane są reguły fonetyczne dla morfemów gramatycznych²⁰, tak aby zdanie było zgodne z regułami fonetycznymi danego języka (np. odpowiednia forma fonetyczna końcówek wyrazów).

W ostatnim stadium informacje o ciągach segmentów fonetycznych wysyłane są do mięśni toru głosowego, skąd wydobywa się wypowiedź.

16 J. B. Gleason, N. B. Ratner, Psycholingwistyka, dz. cyt., s. 17.

17 Tamże, s. 358.

18 I. Kurcz, Psychologia języka i komunikacji, Warszawa 2000, s. 119.

19 J. B. Gleason, N. B. Ratner, Psycholingwistyka, dz. cyt., s. 359.

20 Morfem – najprostsza jednostka znacząca. Wyróżnić można: morfemy leksykalne (np. dom) lub morfemy gramatyczne (np. końcówki wyrazów).

1.2.modelgarreta

Merrill Garret w swoim modelu wytwarzania mowy wyróżnił cztery poziomy, które musi przejść przekaz, aby został wypowiedziany: pojęciowy, funkcjonalny, pozycyjny i fonologiczny²¹.

Na pierwszym poziomie (odpowiada on pierwszemu stadium konceptu-alizacji u Fromkin) mówca konceptualizuje to, co chce powiedzieć, w formie pojęciowej, jeszcze niejęzykowej. Następnie, na poziomie funkcjonalnym, korzystając ze słownika umysłowego (zob. poprzedni podrozdział), mówca do-biera odpowiednie jednostki leksykalne odpowiadające znaczeniem przekazowi i przypisuje im odpowiednie relacje gramatyczne. Na tym etapie możliwe jest, że dojdzie do błędu substytucji i fuzji słów lub zmiany słów i fraz²².

Na poziomie pozycyjnym mówca wyznacza ramy syntaktyczne (pozycyjne), dzięki którym układa słowa w odpowiedniej kolejności. Na tym poziomie po-jawia się również forma fonetyczna wypowiedzi (u Fromkin forma fonetyczna pojawiała się wraz z doborem odpowiednich słów, tutaj natomiast dopiero po wygenerowaniu zdania). Na tym etapie możliwe jest popełnienie błędów języ-kowych polegających na zamianie dźwięków morfemów i słów.

Na poziomie fonologicznym doprecyzowywane są formy fonologiczne (po-dobnie jak w piątym stadium modelu Fromkin). Następnie wysyłane są instruk-cje artykulacyjne do aparatu mowy. Na tym etapie możliwe jest popełnienie błę-du akomodacji.

1.3.modellevelta

Model generowania wypowiedzi Willema Levelta opracowany w 1999 roku zakłada istnienie czterech etapów, które są niezbędne do wytworzenia przeka-zu: wyobrażeniowego, pojęciowego, poziomu lemmy oraz leksemu²³. Pierw-szym krokiem, przed którym stoi nadawca, jest wyobrażenie sobie tego, co chce powiedzieć. Następuje to w wyniku przywołania w umyśle określone-go obrazu.

Na poziomie pojęciowym przywołany obraz aktywuje (poprzez sieć połą-czeń nerwowych) przechowywane w mózgu informacje dotyczące danego prze-kazu (np. przywołanie słowa „lama” aktywuje takie pojęcia, jak: kopyta,

zwie-21 I. Kurcz, Charakterystyka kompetencji językowej…, dz. cyt., s. 69.

22 J. B. Gleason, N. B. Ratner, Psycholingwistyka, dz. cyt., s. 362.

23 Tamże, s. 364.

rzę, wełna²⁴). Wynikiem tego etapu jest powstanie przekazu przedwerbalnego²⁵, czyli planu przyszłej wypowiedzi.

Mając już zaplanowaną wypowiedź, mówca musi zakodować ją w odpo-wiednią formę gramatyczną. Kodowanie gramatyczne polega na odpowiednim wyborze lemmy. Lemma to termin stworzony przez Levelta na określenie „abs-trakcyjnej postaci słowa, obejmującej następujące elementy: (1) jego znaczenie, (2) funkcję syntaktyczną przewidzianą dla niego w przyszłym zdaniu oraz (3) wskaźniki fonologiczne. […] W uproszczeniu lemma to syntaktyczne słowo”²⁶. Do każdego zaktywizowanego pojęcia dopisana jest odpowiednia struktura składniowa. Wybierając zatem odpowiednie lemmy do aktywowanych pojęć, znaczeniu nadaje się odpowiednią formę gramatyczną. Ostatecznie wybrane zostaje pojęcie, które osiągnęło najwyższy poziom aktywacji (z biologicznego punktu widzenia takie, które ma najwięcej połączeń nerwowych, najczęściej używane). Na tym etapie mogą pojawić się takie błędy jak zjawisko „końca ję-zyka”²⁷, polegające na tym, że człowiek nie może przypomnieć sobie danego wyrazu, mając jednocześnie wrażenie, że dane słowo zna.

Po zakodowaniu gramatycznym wypowiedź jest strukturą semantyczno-syntaktyczną składającą się z odpowiednio ułożonego ciągu lemm.

Na etapie leksemu wypowiedź zostaje zakodowana fonologicznie. Kodowa-nie to polega na wyborze leksemów. Leksem to rówKodowa-nież termin wprowadzony przez Levelta na określenie umysłowego słownika, w którym znajdują się słowa odpowiadające znaczeniom wraz z cechami fonologicznymi słowa. Do struk-tury syntaktyczno-semantycznej dopasowany zostaje zatem plan fonetyczny.

Tak skonstruowana wypowiedź przesyłana jest w postaci instrukcji do apara-tu mowy.

Levelt w swoim modelu wyróżnia ponadto system rozumienia mowy²⁸. Po wyartykułowaniu wypowiedzi mówca często dokonuje automonitorowania, sprawdzając, czy jego wypowiedź nie jest obciążona błędami. Dowodu na ist-nienie tego systemu autor upatruje w próbach poprawiania się w trakcie wy-powiedzi.

24 Przykład za: J. B. Gleason, N. B. Ratner, Psycholingwistyka, dz. cyt., s. 364.

25 I. Kurcz, Charakterystyka kompetencji językowej…, dz. cyt., s. 71.

26 E. Nęcka, J. Orzechowski, B. Szymura, Psychologia poznawcza, dz. cyt., s. 615.

27 Tamże, s. 616.

28 J. B. Gleason, N. B. Ratner, Psycholingwistyka, dz. cyt., s. 363.

1.4.modeldella

Gary Dell skonstruował model wytwarzania mowy, opierając się na założeniu, że w trakcie tworzenia przekazu aktywowane są trzy poziomy języka: semantycz-ny, syntaktyczny i fonetyczny. Ponadto wszystkie poziomy kodowania wpływają na siebie wzajemnie (np. fonologiczny na semantyczny i odwrotnie). Dell zakła-da, że wszystkie słowa zorganizowane są w rozległe sieci. Słowa w tych sieciach połączone są ze sobą poprzez węzły, będące regułami syntaktycznymi, seman-tycznymi oraz fonologicznymi. Aktywacja określonego słowa, które ma repre-zentować przyszłą wypowiedź, aktywuje powiązane węzłami słowa oraz odpo-wiadające im reguły. Doprowadza do rozprzestrzeniającej się aktywacji sieci, co pozwala na wybór związanych z zaplanowanym przekazem jednostek leksykal-nych i powiązaleksykal-nych z nimi reguł. Model ten zakłada również, że w przypadku gdy uaktywnione części sieci nie są zgodne z sensem, możliwa jest korekta, aż do uzyskania spójności sieci (nie jest to korekta tożsama z system automonitoro-wania w modelu Levelta, ponieważ następuje przed wypowiedzeniem przekazu).

Po uzyskaniu spójnej sieci, zawierającej zgodne z przekazem słowa i odpowiada-jące im reguły, następuje przekazanie uzyskanego przekazu do aparatu mowy.