重言 Re-Sinitic：形聲為什麼沒有湧現

2026-08-28 · 15 分鐘閱讀

這篇是「重言 Re-Sinitic」的現況總覽，會隨研究進度持續改寫，不是逐次發表的日誌。想看完整的推導過程、走過的錯路與撤回，見研究日誌（一）、（二）、（三）、（四）、（五）。確認階段已於 2026-08-27 完成，heldout 詞表已一次性用掉，不會再有第二次獨立驗證——下面標成「已確認」的結論來自那次結果，其餘仍是探索階段的觀察。

這個專案在問什麼

固定漢語的語意結構（meaning space）當控制變數，從零重新演化語言的表達層——音韻與書寫。問一件具體的事：

形聲——一個字由表義部件加表音部件組成——是不是雙通道語言系統的必然收斂解？如果不是，它需要什麼前提？

文獻上的空白很具體：現有的符號湧現研究全部停在「圖畫 → 抽象符號」，沒有人碰過形音義三元結構。

「做完」長什麼樣：S1 離散語音層跑出可信的音系 → S2 書寫層檢定形聲是否湧現 → S3 檢定方言壓力的作用，用劑量-反應設計分辨「同音壓力」與「方言壓力」各自的效果。

目前的結論

書寫系統會演化出可泛化的語音編碼：一個只學過 226 個字的讀者，能以 10 倍 chance 的準確率認出 102 個從未存在過的新字的發音（t = +9.43），其中 7.4 個百分點來自語音路（t = +7.35）——這件事在 2026-08-27 的確認階段，用完全未參與任何訓練的 heldout 詞驗證過。 但字形從未分化成「這一半表義、那一半表音」。

本研究區分四件常被混為一談的事：

關於「存在」的宣稱通過確認，關於「函數形式」的宣稱沒有。 「聲符原則會湧現」是一個關於存在的宣稱，「隨同音壓力增強」是一個關於函數形式的宣稱——前者比後者更基本，而通過的是前者。

確認階段：heldout 用掉的那一次

2026-08-27，凍結既有的 Speaker 與 Writer，對 102 個從未出現過的 heldout 詞的語意向量產生發音與字形，再訓練一個只看過 train 226 詞的全新 Reader，問它認不認得這些新字。這些詞的語意、發音、字形都未參與過任何階段的訓練。

主力（語音路開啟）語音辨識   9.9%   = chance 的 10.1 倍   t = +9.43
基線（語音路關閉）語音辨識   2.5%   = chance 的  2.5 倍   t = +2.82
主力 − 基線                  +7.4 個百分點                t = +7.35

零樣本語音優勢 vs 同音率     r = +0.377   t = +1.63（未達顯著）

探索階段的劑量關係是 r = +0.903、t = +6.41，到 heldout 掉到不顯著——方向還在（低劑量平均 +6.4%、高劑量平均 +10.0%），但撐不起「單調增強」這句話。這是一次性資源，heldout 不會再被動用第二次，任何後續分析都要記為「看過確認資料之後」。這次確認也有已知的偏離：沿用了 16 選 1 訓練的舊 artifact，未滿足「訓練候選數等於評估候選數」的修訂要求；每個劑量只有 3 個種子，非原訂的 5 個。

探索階段的正向結果：聲符原則與形符原則都會湧現，而且能共存

以下是探索階段（train 226 詞）的觀察，其中「存在」那部分已如上經 heldout 確認；「隨同音壓力增強」的劑量曲線本身沒有通過確認，下面的數字要在這個保留下閱讀。

凍結 Writer、重新初始化 Reader、只給它 70% 的字，再問剩下的 30%——看到沒學過的字，能不能靠拆解猜出它的音，或猜出它的意思？

劑量點 r = +0.903，逐 run 迴歸（n=36）β = +0.366、t = +6.41、R² = 0.564。基線全程貼著 chance（1.5%）且不漂移。

早期資料裡，同音率極低的一組（v3）曾讓語音路看起來會把語意零樣本能力整個壓掉，像是「形符與聲符互斥」。用 72 個零樣本 run 直接檢定，那個說法不成立：36 個主力 run 裡有 15 個（42%）同時具備語意與語音兩種零樣本泛化。主力臂內部，語音泛化隨同音率上升（r = +0.748），語意泛化隨同音率下降（r = −0.273），兩者互為代價（r = −0.341）——是取捨，不是互斥。v3 之所以看起來像互斥，只是因為它的同音率落在曲線最左端，語音路在那裡幾乎只有干擾、沒有收益。

這兩者合起來是聲符與形符各自的核心功能——系統性的、可泛化到新字的編碼。先前所有指標（共部件率、純度、舊版雙重分離）都測不到它，因為它們建立在「已見過的字之間的關係」上，而差別只在泛化。

但它們從未分工——換一把尺之後看得更清楚

形聲的定義性特徵不是「字形帶語音資訊」，是字形在空間上可分解為兩個功能不同的部分（左形右聲）。最初的操作化是「雙重分離」：消融 Writer 的輸入（把語意向量或語音向量歸零），看 Reader 表現掉多少。這把尺測到的其實是「Writer 有沒有用到那條輸入」，不是「字形本身有沒有分成兩部分」——一個把語音資訊均勻塗滿整條字形的系統，在這個指標上會跟真正的形聲系統長得一模一樣。

換成直接遮字形的空間位置（5×5 網格的左半／右半），再測「同場題」（只靠形符答得出來）與「同音題」（只靠聲符答得出來）：

遮左   同場 −0.584   同音 −0.602
遮右   同場 −0.341   同音 −0.376

遮掉一半造成最多 71 個百分點的傷害——但對兩類題目的傷害幾乎完全相同（差 0.013–0.018）。字形的每一半都同時攜帶語意和語音兩種資訊，比例相同；左半承載的資訊多於右半，所以字形確實有空間結構，但那個結構不是形符和聲符。這是直接測到「沒有分工」，不再依賴會被均勻編碼混淆的代理指標。

⚠ spatial_dd 這個指標本身的雜訊比它要偵測的效應大三倍——同一設定同一種子重跑，數值可以從 −0.137 跳到 +0.040（跨度 0.18，SESOI 只有 0.05），原因是訓練過程的浮點累加順序在不同 batch 形狀下不同，30000 步後被放大成完全不同的解。任何 spatial_dd 的單點數值都不可解讀，包括支持虛無的那些，結論改用多種子平均，或是像上面那樣直接比較同一次評估內部的兩個數字（遮左 vs 遮右的傷害）——那個對比不受訓練過程的混沌影響。

三個階段各自的發現

S1：語音層可以從零演化出來

226 個詞、10 子音 8 母音、CV 音節模板、一個 D3 混淆通道。最佳設定下溝通成功率 85.4%、有同音詞的詞約 0.4%。

齊夫簡短律（M2，越常用的詞越短）成立，但要用 Tobit 迴歸而非 OLS——訊息長度有硬上界，多數詞卡在那個上界，是設限依變數，OLS 會把效果量低估數倍。噪音強度、長度懲罰、相鄰音節重複懲罰三者互相獨立：長度砍掉三成幾乎不影響音節重複率；OCP 懲罰能被最小化但買不到更低的重複率；噪音強度存在一個最適值，太少太多都同時讓溝通變差、重複變多。

S2：同音壓力把字形推向語音編碼，但推的是取捨不是分工

自變數是湧現的同音率（0.013 → 0.496）。訓練候選數必須等於評估候選數（全詞表）——早期在遠比評估任務簡單的候選集上訓練，導致 Reader 準確率被低估三倍，衍生出的門檻式結論不重現，已撤回。隨劑量升高，聲符純度上升而形符純度崩塌——字形越來越像在編碼發音，那是拼音化的方向，不是形聲化的方向。

（先前這裡報過「雙重分離對同音率的迴歸全程為負」，用的是消融 Writer 輸入路徑的舊版指標。那個指標測不到形聲——見上面「換一把尺」——已改用直接遮字形空間的版本，結論見主結論。）

S3：方言壓力讓 Writer 放棄語音路，而不是把它隔離出來

自變數是湧現的跨子群語音距離 D（0 → 0.59），漂變機制是條件化的規律音變——規則對所有詞一致，抽象音韻表徵完全可回復，排除了「對應根本不規律」這個混淆。

最強的訊號是消融：遮掉語音路造成的損失隨 D 單調下降，在最高劑量甚至變負——那條路已經是純粹的噪音，遮不遮都無所謂。跨方言壓力不會讓書寫系統重組成形符加聲符，它讓 Writer 逐步、完全地放棄語音通道。即使跨方言的對應完全規律，「發現那個抽象表徵」仍然比「忽略語音」難，系統選擇後者。

為什麼沒有分工：三個候選解釋，全數直接測過，全數失敗

三個階段的結果指向同一件事：系統從來沒有理由「同時」使用兩條通道。它總是選一條——同音壓力下選語音，方言壓力下選語意。分工要划算，必須有某種力量讓「兩條各做一半」勝過「一條做全部」。論文列了三個候選，現在三個都直接測過了：

「分離曝光」是三個裡最直接的一個：不只是事後測「讀者認不認得沒學過的字」（那是零樣本探針），而是讓 Writer 在訓練當下就知道「有些字讀者永遠學不到，必須靠拆解才讀得懂」。結果：部件複用率衝到全專案最高的 0.966（三個種子 0.969 / 0.938 / 0.991），但 spatial_dd 平均是 0——分工的訊號完全沒有出現。曝光率壓得更低（0.4）時系統直接放棄溝通（部件數剩 4 個，準確率崩到 13.3%）。

三種介入都推動了部件化（複用率 0.736 → 0.805 → 0.966），沒有一個推動分工。可分解性與功能分化是兩件事，而這個系統只會做前者。

這個否定結論也不是只在一兩個劑量點上看到——擴到五個劑量 × 兩個種子的完整掃描，十格全部沒有達到最小有意義效應量，平均 −0.001，範圍 −0.075 到 +0.035，包括同音率最高、聲符原料理論上最充足的那一格。

「模組化是習得性問題」原本是全專案講得最久、最被看好的解釋，直接測試的結果是它不成立。 分散式編碼（語音資訊瀰漫全字形）對神經 Reader 沒有任何劣勢——它看過全部 226 個字形，每個上萬次；對一個已經記住全表的讀者，「形符在左、聲符在右」和「兩者揉在六筆裡」解碼難度一樣，後者甚至更容易，因為參數自由度更高。逼系統面對沒學過的字，它選擇的答案是「把更多零件做成共用的」，不是「把零件分成兩組各司其職」。

目前沒有第四個候選解釋在排隊——這是研究過程裡一個誠實的空白，不是還沒做完的待辦。

這些結論有多硬

heldout 已經用完，不會再有第二次

第三集結尾的決策點——要不要動用 heldout——已經做了，而且是一次性的。之後任何新問題都只能在 train 226 詞或既有分析上回答，不能再拿 heldout 驗證，否則就不再是獨立確認。連確認階段自己留下的已知偏離，後續驗證都刻意改在 train 上做，沒有再碰 heldout。

進行中

• 「為什麼沒有分工」目前沒有候選解釋在排隊——下一步是想出新的候選，不是繼續測已經想到的三個
• 論文草稿中英文版已同步，準備投稿整理中
• S1 音節重複率修好噪音強度後降到 27.9%（仍高於隨機期望約 7%），下一步查架構層面：Speaker 每個位置的輸入夠不夠分化
• v3（極低同音率）設定補種子

最後更新：2026-08-28（三個候選解釋的測試結果、spatial_dd 的雜訊問題同步）。這篇會隨研究進度改寫，目前的標注（哪些結論已確認、哪些還在等驗證）尚未做完，之後的更新會逐步補齊，而不是重寫成新的一篇。