我们并不是先认出字母，才理解句子

《走向一种交互式阅读模型》导读

原文见《Theoretical Models and Processes of Reading》第六版的719-774页，作者大卫·鲁梅哈特，本文由@Likemed摘录并通过claude辅助完成写作

先做一个小实验。想象你收到一张字迹潦草的中文便条，其中一个字写得很随意，那一点若有若无——你说不清它到底是"大"还是"犬"。但便条前后各有一句话："阳台上那盆花长得特别大。""巷口不知谁家的犬，天天在树下打转。"你几乎不会犹豫：第一句里那个模糊的字自然读成"大"，第二句里同一个字形却读成"犬"。同一个笔画，两种读法，你的眼睛并没有看得更清楚，是前后文替你做了决定。

这类现象——1975年由心理学家Nash-Weber记录并展示——正是认知科学家大卫·鲁梅哈特在1985年这篇《走向一种交互式阅读模型》里想解释的核心问题：我们真的是先把字母看清楚，再拼出单词、理解句子的吗？还是说，理解从一开始就参与了"看清楚"这件事本身？

鲁梅哈特后来因为提出并行分布式加工理论、推动反向传播算法而成为连接主义的代表人物，但写这篇文章的时候，他还在加州大学圣迭戈分校，讨论的还不是神经网络，而是一个更朴素的问题：阅读这件事，到底是分阶段完成的，还是各个环节同时在互相商量？

流水线模型：好懂，却解释不通

在鲁梅哈特之前，两个有代表性的阅读模型——Gough提出的模型、LaBerge和Samuels提出的模型——都设想阅读是一条流水线：视网膜先记录图形，视觉系统识别出线条和角度，拼出字母，字母拼出单词，单词进入句法，最后抵达语义。信息只往一个方向走：楼下的车间做完活，往楼上送，楼上不能打电话叫楼下返工。

问题是，很多阅读中的日常现象根本不支持这套流程。比如，同一个字母单独出现时可能认不出来，放进一个真实单词里却几乎不会认错；朗读时读错了词，读错的那个词也几乎总是和原词词性相同——念错一个名词也会念成另一个名词，很少会念成动词。这说明，词汇层面的知识、句法层面的知识，从一开始就在影响我们对字母、对词的感知，而不是等底层把活干完了才插手。

一群侦探，共用一块白板

鲁梅哈特借用了当时人工智能里"黑板系统"的思路，提出阅读更像这样一个场景：几位侦探同时在破一桩案子，他们不轮流汇报，而是共用一块白板。

白板上贴的不是已经查实的事实，而是各种"暂时成立"的假设：可能是"这一笔更像某个字母"，可能是"这大概是某个常见词的开头"，也可能是"这句话说的是某样东西"。字母侦探、词汇侦探、句法侦探、语义侦探各自守着自己的专长，随时扫一眼白板——只要看到和自己领域相关的假设，就根据手头证据给它加分、减分，划掉，或者干脆贴一张新的假设上去。

鲁梅哈特把这块白板称为"消息中心"。它更像医生看诊时脑子里那份"鉴别诊断"清单：不是等所有化验结果都出来才开始想，而是先列出几个最可能的诊断，再专挑最能把它们区分开的检查去做。侦探们也是一样——他们不会闲着等一条证据链走完，而是同时提出好几种可能，看谁先撑不住被别的证据推翻。

案发现场：THE CAR

鲁梅哈特设计了一个假想实验，很适合拿来把这套机制过一遍。被试先看一幅画：湖边有座房子、几棵树、一艘小船，还停着一辆大众汽车。看过几秒后，画面消失，取而代之的是一个短语，只闪现极短的一瞬——短到眼睛来不及把每个字母都看清楚。被试知道，这个短语指的是画里的某个东西。闪现的短语其实是"THE CAR"，但这一点，读者本人一开始并不知道。

案子刚开局的时候，白板上几乎全是猜测，而且来自完全不同的方向。视觉这边只捕捉到几条模糊的线，勉强能说第一个字母像t也可能是f，最后一个字母的线索弱到几乎等于没有。可与此同时，白板的另一端已经很热闹了：被试记得实验说明——短语会指向画里的某个东西，于是"某个物体"这个语义猜测早早就被贴了上去；画面里最显眼的是湖和那辆大众车，于是"湖"和"大众车"也成了热门候选；句法侦探则从"这会是个名词短语"出发，推测第一个词大概率是"the"或"a"这样的限定词。字母还没认全，猜测已经从四面八方涌了过来。

案子往前推进一步："a"作为限定词的猜测被视觉证据否决了——如果第一个字母真是a，笔画理应支持这个判断，可视觉那边给不出支持，这条线索只好划掉。取而代之的是，字母侦探报告第一个位置的笔画支持t，第二个位置可能是h，于是"th"这个字母组合浮出水面；而词汇侦探那边，"the"这个猜测反过来预测第三个字母应该是e。两条独立的线索——一条从底层的笔画往上走，一条从"the"这个词往下走——在同一个答案上碰了头，彼此都变得更可信。这时候，第一个词的案子基本可以结案，团队的注意力转向了更棘手的第二个词。

第二个词的线索要乱得多。语义那边同时押注"湖"和"大众车"，各自派生出候选词lake和car；字母那边捕捉到的局部笔画又支持"ch""at"这类组合，于是cat、fat也先后被提名。三个候选——cat、fat、car——各有支持者，但支持的理由并不一样：fat在句法上是个形容词，可眼下需要凑齐的是一个完整的名词短语，"the fat"撑不起这个结构；cat倒是名词，句法上说得通，可它一旦被采信，语义侦探就得去画面里找猫——而画里压根没有猫，这条线索也站不住。car则不同：它既是名词，能撑起"the car"这个完整短语，字母上c、a也有笔画支持，而且此前"大众车"这个语义猜测，本来就可以用car这个更普通的词来表达。最后一点视觉线索——末尾那个模糊的笔画——也被验证符合r。四条独立的线索：视觉、词汇、句法、语义，全都指向了同一个答案。car赢下这场比稿，靠的不是猜得准，也不是看得清，而是它能把最多条证据同时解释通。

这就是鲁梅哈特想让我们看到的：阅读并不会经历"先认全特征、再认全字母、再认全单词、最后弄懂语义"这种整整齐齐的四步走。真实的顺序更像是——每个层次先各自提出不完整的猜测，猜测彼此激发出新的猜测，站不住脚的候选被陆续淘汰，直到某一个答案同时得到好几条互相独立的证据支持，胜出。

意义不能凭空篡改感觉

这套模型很容易被简化理解成"上下文决定我们看见什么，只要预期足够强，眼睛看到什么都不重要了"。但案子里"cat"和"a"被淘汰这两步恰恰说明，这个理解是错的。

高层的猜测有权提出候选，却没有权力无视证据。"a"正是因为得不到视觉支持才被划掉；"cat"在句法上完全成立，也因为画面里没有猫而被否决。上下文能帮我们在模糊的输入里更快找到方向，却不能让一个和眼前证据完全冲突的答案一直赖在白板上不走。

鲁梅哈特后来还试着把这套机制写成一个公式：某个假设到底有多可信，由两类证据共同决定——一类是"眼睛看到的直接证据"，一类是"上下文给出的情境证据"，两者相乘。也就是说，一个假设只有同时得到"看得见"和"猜得中"的双重支持，才会迅速变得可信；单靠其中一头，撑不起结论。

这套本领，是从哪里来的

阅读的历史只有几千年，对演化来说，这个时间短得几乎可以忽略——大脑根本来不及为"认字"这件事专门进化出一块新皮层。也就是说，鲁梅哈特描述的这支"侦探团队"，并不是专门为读书组建的，他们借用的是一套更古老、用途也更广的本领。

这套本领要解决的是一个几乎所有动物都要面对的老问题：感官传回来的信号，从来都不是干净、完整、毫无歧义的。光线会变化，声音会被噪音盖住，视野边缘的东西天生模糊，一段树枝的晃动可能是风，也可能是埋伏的天敌。如果非要等感官信号彻底确凿了才敢下判断，反应速度跟不上，危险早就扑过来了；可如果完全靠猜、不去核对眼前的证据，又会把一阵风错当成老虎，或者对真正的危险视而不见。能存活下来的策略，是把"手头已有的、哪怕不完整的感官证据"和"过去经验攒下来的预期"放在一起，互相校验，尽快凑出一个足够可靠、能拿来行动的答案——错了可以纠正，但不能慢。19世纪的生理学家赫尔曼·冯·亥姆霍兹，把这种加工方式称为"无意识推理"：我们以为自己是在"看见"世界，其实大脑一直在依据零散的线索做推理，只是这个推理过程快到我们完全察觉不到。

字母识别、单词识别用的正是这同一套推理机制，只是换了一种输入。人类祖先的视觉系统，早就演化出了利用局部线索、结合场景预期来快速辨认物体的能力——一片阴影加一个轮廓，足够让人认出草丛里蹲着的是同伴还是野兽；语言系统也早就演化出了利用上下文猜测被噪音盖住的词语的能力——嘈杂的环境里，哪怕漏听了几个音，也能靠前后文补全整句话的意思。文字是很晚才出现的发明，大脑没有单独为它准备一套新装置，而是直接把这两套现成的老本领——"靠局部线索猜物体"和"靠上下文猜语言"——一起借了过来，套用在这些印刷或手写的符号上。鲁梅哈特笔下那块"消息中心"、那支多层级同时工作的侦探团队，某种意义上说的不是阅读本身有多特殊，而是这套通用的、演化了很久的推理机制，恰好也能被文字这种新东西用上。

它和后来的神经网络是什么关系

今天回头看这篇文章，很容易把"特征—字母—词汇—句法—语义"这几层想象成神经网络里的层，把每个假设想象成一个神经元。这个联想不算错——鲁梅哈特确实在几年后和詹姆斯·麦克莱兰等人一起，把这套思路推向了并行分布式加工理论，还参与了反向传播算法的传播，成了后来连接主义的核心人物之一。

但如果严格按照这篇1985年的原文，白板上的"car""cat""物体"这些还只是认知假设，不是被实验记录到的神经元；那块"消息中心"是不同知识来源交换信息的一个计算空间，并没有被定位到某个具体脑区。鲁梅哈特自己也承认，这套方案离一个完整的模型还差得远。它提供的是一种组织原则，不是一张已经验证过的大脑线路图。

即便如此，这篇文章的前瞻性依然很明显。它把阅读从"一个中央控制器按部就班执行的程序"，改写成"一群专门过程之间的并行商量"；把"看见"从被动记录刺激，改写成对多个候选答案不断评估、淘汰、确认的过程——也把"看见"和"理解"之间原本清楚的界限，模糊了。

这可能是全文最值得记住的一句话：

阅读不是先看清文字，再理解文字；阅读是在理解、预期和感觉证据相互作用的过程中，逐渐确定文字是什么。

回到开头那张便条。你之所以能毫不犹豫地把那个若有若无的一点，一次读成"大"，一次读成"犬"，靠的不是眼睛在两次之间突然变锐利了，而是"那盆花""那条犬"这两个词，早就在你意识到之前，替那一点拍了板。你以为自己"看清楚了"才认出了这个字，可实际发生的，可能刚好相反。