ciwGAN／fiwGAN 在原始語音中自發產生串接現象：從單詞到多詞的無監督跳躍

研究快訊：GAN 在單詞語音中自發串接出多詞輸出

研究指出，基於卷積神經網路的 ciwGAN 與 fiwGAN 在只見單詞錄音的條件下，會無監督地產生兩詞或三詞的串接輸出，顯示最基本的語法子操作「串接」可直接從原始語音呈現。

研究團隊在不同訓練重複與超參數組合下複現此現象，並觀察到：當模型僅以兩個詞訓練時，仍能產生包含未見過詞組的嵌入，這類輸出帶有組合性先兆，而非純粹的雜訊或簡單拼接。

作者將此行為命名為「自發串接（spontaneous concatenation）」，並形式化提出一個名為「去抑制（disinhibition）」的神經機制，描述可能的人工與生物神經路徑，說明如何從聲學輸入走向詞彙串接與更高階的組合結構。

該發現對理解深度卷積架構如何從原始語音學習，以及建構語法演化的可檢驗模型具有啟發意義。未來可沿此方向設計生理與認知實驗，檢驗人工與生物系統在語音處理與組合性形成上的共同機制。

延伸閱讀

• 以 Successor Representation 驅動的階層化 Active Inference：以巨集化規劃降低大尺度複雜度
• 擴散式語言模型在語音辨識中的突破：MDLM、USDM 與 CTC 聯合解碼技術分析
• 光譜敏感性定理：Whisper 模型的層級增益與秩‑1 吸引態對幻覺的影響

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。