제스처와 인간의 뇌
상악 및 중측 이랑의 베르 니케 (Wernicke) 지역과 브로카 (Broca) 지역이 연결되어 있습니다. 그리고 다시 인간이지만 침팬지 뇌에서는 연결이 비대칭 적이 어서 좌반구를 선호합니다. 따라서 인간의 두뇌에서 Broca의 영역은 제스처에 대한 정보와 음성 소리에 대한 정보에 액세스 할 수 있습니다. 불행히도 Broca의 영역으로 제한되는 병변이있는 환자는 없었습니다. 우리는 그들이 언어와 구어에 문제가있을 것으로 기대합니다. 그러나 Gereon Fink와 그의 동료들은 좌반구 뇌졸중을 앓은 50 명의 환자 그룹의 병변을 비교했습니다. 이 중 75 %가 언어에 문제가있었습니다. 신경 학적 용어로 그들은 ‘aphasic’이었다. 환자의 47 %가 제스처 모방에 문제가있었습니다. 신경 학적 용어로 그들은 ‘아 프라 팍스’였다. 신경과 전문의는 그리스인을 좋아합니다.
제스쳐 사용
두 그룹의 병변에는 차이가있었습니다. 예를 들어, 제스쳐 사용이 좋지 않은 환자는 열등한 정수리 피질 및 복부 전전두엽 피질에 병변이있을 가능성이 더 컸습니다. 그러나 두 그룹은 Broca의 지역 자체에 피해를 입힌다는 점에서 비슷했습니다. Broca의 영역은 제스처와 보컬이라는 두 시스템의 공통 허브를 형성합니다.
제스처 나 연설 중 어느 것이 먼저 되었습니까? 말하기 언어의 결과로 임신 시스템의 연결에서 비대칭 성이 필요한 이유를 파악하기는 어렵습니다. 따라서 제스처 의사 소통이 주요한 발동기였던 것으로 보입니다.
사용되는 언어
음성 언어는 제스처 시스템보다 유리합니다. 어느 시스템에서든 객체에 이름을 지정할 수 있지만 구어로 무한한 다양한 문장을 생성하는 것이 훨씬 쉽습니다. 언어 학자 노암 촘스키 (Noam Chomsky)는 이것이 단순히 단어들을 순서대로 묶은 결과가 아니라 문법적 문장을 생성하는 계층 적 시스템이 있다고 오랫동안 주장 해왔다. 그리고 그는이 메커니즘이 de novo로 진화했다고 주장하는데, 이는 서열 생성을위한 이전 메커니즘의 느린 적응의 결과 일 수 없었 음을 의미한다. 이것은 어려운 주장입니다. 포유류의 눈은 일련의 단계에서 진화 할 수 없다고 주장하는 것은 잘못이다.
따라서 두 가지 근본적인 질문이 있습니다. 하나는 인간의 뇌가 계층 적으로 조직 된 서열을 학습하는데 특화된 것이 사실인지의 여부입니다. 다른 하나는 어떻게 그 전문화를 획득했는지입니다.
인공 문법을 개발
안젤라 프리 데 리치 (Angela Friederici)와 그녀의 동료들은 첫 번째 질문을 해결하기 위해 뇌 영상을 사용했다. 그들은 두 가지 유형의 인공 문법을 개발했습니다. 하나의 규칙에서 A1, B1, A2, B2와 같이 단순히 로컬 종속성과 관련이 있습니다. 중앙 중첩 구조가있는 A2, A1, B1, B2에서와 같이 다른 생성 된 시퀀스는 계층 적으로 나타납니다. 두 시스템 모두 단어가 아닌 음절을 사용했습니다. 두 문법에 능숙해질 때까지 사람들을 가르치고 나서 화면에 음절이 표시되는 동안 검사를 받았으며 그 순서가 문법인지 아닌지를 판단해야했습니다. 계층 적 시스템에서는 활성화가 더 큰 영역이 많았지 만 저자는 이것이 왼쪽의 Broca 영역에도 해당한다는 사실에 중점을 둡니다.
계층적 시스템
그러나 두 문법 사이에는 중요한 차이점이 있습니다. 이것은 계층적 시스템에서 장거리 의존성이 있으며, 구문 구조가 길수록 초기 메모리에 임시 단어를 저장할 필요성이 커진다는 것입니다. 따라서 Broca 영역의 활성화가 음절에 대한 기억을 반영하는지 또는 거리에 걸쳐 음절의 연관성을 반영하는지 명확하지 않습니다.
따라서 Karl Magnus Petersson과 Peter Hagoort는 인접하거나 인접하지 않은 현의 친숙 함과 일치하는 인공 문법을 비교했습니다. 사람들이 계층 적 순서의 문법에 대해 판단하는 동안 스캔을 받았을 때, 판단이 지역적이거나 먼 의존성에 관한 것인지 여부에 관계없이 Broca 영역에서 활성화되었습니다.
서열을 학습
그러나 이것은 그러한 서열을 학습하기 위한 메커니즘이 어떻게 진화 할 수 있 었는가에 대한 질문에는 답하지 못한다. 이 문제는 인공 문법을 학습 할 수있는 컴퓨터 모델을 고안하고 해당 작업의 특성을 어느 정도까지 파악해야하는지에 따라 가장 잘 대답 할 수 있습니다. Karl Magnus Petersson과 Peter Hagoort는 원거리에서 연관성을 형성하고 저장하는 메커니즘을 통합 한 성공적인 신경 생물학적 모델을 개발했습니다. 모델의 속성은 일반적으로 구조적 시퀀스를 처리해야하는 광범위한 작업을 배울 수있을만큼 충분히 일반적입니다. 이것은 진화에서 구문의 메커니즘이 no novo로 진화했다고 가정 할 필요가 없음을 시사한다.