Graded strength of comparative illusions is explained by Bayesian inference

Resumo Técnico: Explicação da Força Graduada de Ilusões Comparativas por Inferência Bayesiana

Problema
As ilusões comparativas (ICs) são fenômenos linguísticos onde os compreendentes percebem sistematicamente sentenças semanticamente anômalas como aceitáveis (ex: Mais estudantes foram à Rússia do que eu fui). A sentença é absurda porque a cláusula do que falha em fornecer um grau comparável, mas os compreendentes frequentemente a julgam como natural. Pesquisas anteriores propuseram que as ICs resultam de inferência de "canal ruidoso" (noisy-channel), onde os compreendentes usam o raciocínio Bayesiano para inferir o significado pretendido pelo falante ($s_i$) a partir de um sinal corrompido ($s_p$). A probabilidade posterior $p(s_i|s_p)$ é proporcional à probabilidade a priori do significado pretendido $p(s_i)$ e à verossimilhança da corrupção $p(s_p|s_i)$.

No entanto, o suporte empírico anterior para esta teoria (ex: Zhang et al., 2025) apresentava limitações significativas:

1. Não modelou quantitativamente a distribuição posterior completa, falhando em considerar as probabilidades a priori ($p(s_i)$).
2. Focou primariamente nos tipos de IC mais ilusórios (sujeitos pronominais) e não conseguiu explicar a força graduada das ilusões encontradas em outros tipos de IC (ex: aqueles com sujeitos de sintagma nominal completo).
3. Carecia de um arcabouço quantitativo unificado para prever como variações na morfossintaxe (ex: pronome vs. sintagma nominal, singular vs. plural) afetam a força da ilusão.

Metodologia
Os autores conduziram dois experimentos e uma fase de modelagem estatística para testar a hipótese do canal ruidoso quantitativamente.

• Experimento 1 (Julgamento de Aceitabilidade):

  • Participantes: 494 falantes nativos de inglês (um aumento de dez vezes em relação a estudos anteriores).
  • Design: Uma manipulação intra-sujeito 2x2 do sujeito da cláusula do que: Forma (Pronome vs. Sintagma Nominal) e Número (Singular vs. Plural).
  • Tarefa: Os participantes avaliaram a naturalidade de 30 sentenças críticas de IC e sentenças de controle em uma escala Likert de 7 pontos.
  • Objetivo: Estabelecer uma linha de base comportamental da força graduada da ilusão através de diferentes tipos de IC.

• Experimento 2 (Correção de Sentença):

  • Participantes: 199 falantes nativos de inglês.
  • Tarefa: Os participantes atuaram como editores, realizando o menor número possível de edições para transformar as sentenças anômalas de IC do Experimento 1 em sentenças plausíveis e significativas.
  • Análise:
    • Qualitativa: As sentenças corrigidas foram categorizadas em tipos de interpretação (ex: "comparação de evento", "comparação de indivíduo", "negação de evento").
    • Quantitativa: A distância de Damerau-Levenshtein (DLD) entre a sentença anômala original e a sentença corrigida foi calculada para servir como um proxy para a verossimilhança do ruído $p(s_p|s_i)$.

• Modelagem Estatística:

  • Aproximação da Posterior: Os autores construíram uma aproximação quantitativa da posterior de canal ruidoso $p(s_i|s_p)$ usando a regra de Bayes:
    $$\hat{p}(s_i|s_p) = \frac{\hat{p}(s_i)\hat{p}(s_p|s_i)}{\hat{p}(s_p)}$$
    • Priors ($\hat{p}(s_i)$) e Evidência ($\hat{p}(s_p)$): Estimados usando as probabilidades de sentença de dois modelos de linguagem estatísticos (GPT-2 Small e OPT).
    • Verossimilhança ($\hat{p}(s_p|s_i)$): Estimada como proporcional a $e^{-\text{DLD}}$, baseada nas distâncias de edição do Experimento 2.
  • Funções de Ligação: Duas hipóteses foram testadas sobre como a posterior influencia a aceitabilidade:
    • Ligação Máxima (Max Link - $f_{max}$): A aceitabilidade é impulsionada pela interpretação mais provável.
    • Ligação Média (Mean Link - $f_{mean}$): A aceitabilidade é impulsionada pela probabilidade média de múltiplas interpretações plausíveis.
  • Regressão: Modelos de regressão ordinal cumulativa multinível bayesianos foram usados para prever as classificações de aceitabilidade do Experimento 1. Os modelos incluíram as estimativas da posterior do canal ruidoso como preditores, controlando para a Razão de Log-Odds Sintática (SLOR), ordem de tentativa e aceitabilidade basal das sentenças de controle.

Principais Contribuições

1. Replicação e Expansão: O estudo replica o achado central de que as ICs são avaliadas como altamente aceitáveis quanto os controles felizes, mas expande significativamente o escopo ao demonstrar a força graduada da ilusão. Especificamente, sujeitos pronominais singulares produzem a ilusão mais forte, enquanto sintagmas nominais plurais produzem ilusões mais fracas.
2. Modelagem Quantitativa da Posterior: Os autores fornecem a primeira aproximação quantitativa da distribuição posterior completa do canal ruidoso para ICs, integrando probabilidades de modelos de linguagem estatísticos com dados comportamentais de edição humana.
3. Predição de Efeitos Graduados: O modelo quantitativo prevê com sucesso a variabilidade na força da ilusão entre diferentes condições morfossintáticas, um fenômeno não explicado por teorias anteriores.
4. Mecanismo de Integração: O estudo identifica que a função de ligação média (agregando múltiplas interpretações plausíveis) supera a função de ligação máxima (dependendo da interpretação única mais provável) na predição dos julgamentos de aceitabilidade humana.

Resultos

• Achados Comportamentais: O Experimento 1 confirmou que as ICs de pronome singular são indistinguíveis dos controles em termos de aceitabilidade, enquanto as condições de pronome plural e sintagma nominal mostram uma diminuição mensurável e graduada na aceitabilidade.
• Padrões de Correção: O Experimento 2 revelou que ~80% das correções foram "plausíveis", sendo "comparação de evento" e "comparação de indivíduo" as interpretações dominantes.
• Desempenho do Modelo:
  • As estimativas da posterior do canal ruidoso predisseram significativamente as classificações de aceitabilidade das ICs acima dos controles fortes (SLOR, ordem, baseline).
  • A função de ligação média ($f_{mean}$) forneceu o melhor ajuste, indicando que a aceitabilidade é influenciada pela probabilidade agregada de múltiplas interpretações plausíveis, não apenas pela mais provável.
  • Este resultado manteve-se em dois modelos de linguagem diferentes (GPT-2 Small e OPT) e dois conjuntos de dados (o presente estudo e um conjunto de dados público de Zhang et al., 2025).
  • A função de ligação máxima ($f_{max}$) mostrou um poder preditivo mais fraco e, quando incluída com a função média, frequentemente resultou em um coeficiente negativo, sugerindo que a "melhor" interpretação única é insuficiente para explicar os dados.

Significância e Alegações
O artigo alega que esses achados fornecem forte suporte empírico para a inferência de canal ruidoso como uma teoria de nível computacional unificada da compreensão da linguagem. Especificamente:

• Racionalidade das Ilusões: O estudo argumenta que as ICs não são meramente falhas de processamento (ex: processamento "bom o suficiente" ou heurísticas rasas), mas refletem uma interpretação de sentença Bayes-ótima. O cérebro do compreendendo está funcionando corretamente ao integrar entrada sensorial ruidosa com priors top-down.
• Teoria Unificada: Os resultados convergem com evidências de outras ilusões linguísticas e contextos não ilusórios, sugerindo que a inferência de canal ruidoso é um mecanismo geral para diversos fenômenos de processamento de linguagem.
• Avanço Metodológico: O trabalho demonstra que os julgamentos de aceitabilidade capturam um espaço rico de processamento de sentença probabilístico, estendendo-se além dos julgamentos binários de gramaticalidade. Ele valida o uso de modelos de linguagem estatísticos combinados com dados comportamentais para aproximar os processos de inferência humana.
• Distinção do Processamento "Bom o Suficiente": Embora reconhecendo que o processamento "bom o suficiente" (nível algorítmico) e a inferência de canal ruidoso (nível computacional) podem ser compatíveis, os autores enfatizam que a natureza graduada dos efeitos de IC é melhor explicada pela estrutura matemática da inferência Bayesiana (a distribuição de probabilidade posterior) do que por restrições de esforço cognitivo isoladas.

Os autores mantêm-se modestos quanto ao modelo de ruído específico usado (baseado em DLD) e à dinâmica temporal exata da interpretação, observando que trabalhos futuros são necessários para refinar o termo de verossimilhança do ruído e as funções de ligação entre as probabilidades posteriores e as medidas comportamentais. No entanto, eles afirmam que o achado central — que a força graduada da ilusão rastreia a probabilidade posterior quantitativa das alternativas plausíveis — é uma confirmação robusta da teoria do canal ruidoso.