你能看懂上面那句话，不是因为你以前见过它。这一句你多半是头一回读到，写它的人也不是从记忆里翻出来的。每个人每天都在造和听从没出现过的句子，一个两岁多的孩子已经开始做同一件事。
难处在于他手上有什么：只有身边人说的话——没有课本，没有规则表，也几乎没有人在他说错时逐句纠正。有一派说，光凭这些不够，所以脑子里得预装点东西。另一派说够，是我们低估了那些话里带的信息，也高估了孩子一开始就有的抽象程度。
这期看三件事：说「不够」的一方拿什么当证据、说「够」的一方拿什么反驳、以及这场争论今天变成了什么形状。
英语把陈述句变成一般疑问句，动作是挪：The man is tall（那个男人个子高）里的 is 挪到最前面，就成了 Is the man tall?
把句子加长一点，麻烦就来了。The man who is beating the donkey is mean（那个正在打驴的男人是坏人）里有两个 is。挪哪个？
一条规则是按位置数：挪你遇到的第一个 is。这条简单得多，不需要知道什么叫从句，从左往右数就行。它给出的是 Is the man who beating the donkey is mean，一个英语使用者一眼看出不对的句子。
另一条要先把句子切块：「那个正在打驴的男人」整个是一块，是在讲谁；挪的是这块外面的那个 is。结果是 Is the man who is beating the donkey mean，对的那句。这种「不看位置、看结构块」的性质叫结构依赖（structure dependence）。
怎么知道孩子不选它？1987 年 Crain 和 Nakayama 找了三十个三到五岁的孩子，让他们对着一个玩偶提问：「问问 Jabba，那个正在打驴的男人是不是坏人。」孩子出了各种错——最常见的是把 is 说了两遍——但没有一个孩子说出按位置数的那种错句。
这就是刺激的贫乏（poverty of the stimulus）这个论证的样子：孩子做出的区分，超出了他听到的材料能支持的范围；那么多出来的部分从哪来？
后来这块地基松了两处。一是语料：Pullum 和 Scholz 2002 年去数，发现这类句子并非绝迹，在一份典型语料的疑问句里能占到百分之一上下；Legate 和 Yang 同年回应说要看孩子实际听到的那部分——在儿向语料里它稀少到近乎为零。二是实验本身：Ambridge、Rowland 和 Pine 2008 年重做，把 is 换成 can、should 这类情态动词以及复数的 are，孩子真的说出了按位置数的错句。
所以准确的说法不是「孩子从不犯这种错」，是「这种错很少，且和用哪个助动词有关」。证据强度：原实验被复制过，但换一个词结论就动。还得补一句：汉语的一般疑问句谁也不挪，句末加个「吗」就行——这道题在汉语里根本不出现，上面那条证据是英语给的。
EN English yes/no questions can be described by a linear rule (front the first auxiliary) or a structure-dependent one (front the auxiliary outside the subject constituent); the two diverge only when the subject contains a relative clause. Crain & Nakayama (1987) elicited such questions from thirty 3-to-5-year-olds and found no linear-rule errors. The evidence has since loosened: Pullum & Scholz (2002) found the crucial sentence type is not absent from corpora, Legate & Yang (2002) replied that it is near-absent from child-directed speech, and Ambridge, Rowland & Pine (2008) did elicit linear errors using modals and plural copulas.
另一边的入口不在句法难题上，而在一份日记里。Tomasello 1992 年逐日记录自己女儿会说的动词，发现同一个星期里，有的动词她已经能用好几种说法，刚学会的那个她只会一种。会的不是「怎么造句」，是「cut 这个词怎么用」「draw 这个词怎么用」，一个词一个岛，这叫动词孤岛（verb island）。这一侧的整套主张叫用法为本（usage-based）：结构是从一个个具体说法里慢慢磨出来的抽象，不是先有框架再往里填词。
1999 年 Akhtar 做了一个干净的检验。她给两岁、三岁、四岁的孩子各教一个生造的动词，演示时故意用怪语序——英语正常是「谁 + 做 + 什么」，她说成「谁 + 什么 + 做」这样的顺序。然后拿新玩偶问孩子发生了什么。两岁的孩子大约一半照着怪语序说了出来；四岁的孩子几乎都改成了英语的正常语序。语序这条规则不是一次到位的，它是从见过的动词一个个攒出来的。
但这一侧也挨了一记。2006 年 Gertner、Fisher 和 Eisengart 换成看的任务：给二十一个月大的孩子听「The duck is gorping the bunny」——gorp 是生造词，孩子从没听过——两边屏幕一边放鸭子推兔子，一边放兔子拉鸭子。孩子更多看向前者。也就是说，光凭语序，他就把生词的施事和受事分对了。
这两个结果一个说抽象来得慢，一个说来得早，而它们其实测的不是一件事：一个要孩子开口造句，一个只要他多看一眼。理解那一侧跑在前面，产出那一侧拖在后面，这条差距本身现在也是研究对象。
更有意思的是换一门语言就变样。Dittmar 等人 2008 年测德语孩子。德语除了语序还有格标记（case marking，用冠词和词尾标出谁是施事），语序也比英语松。结果：两岁的德语孩子只有在语序和格标记都指向同一边时才理解得对；五岁能单靠语序；要到七岁，两条线索冲突时他才像成年人那样信格标记。孩子抽象出什么、多快抽象出来，跟着这门语言里哪条线索最靠得住走。证据强度：这几项都是被复制过的实验室结果，分歧在解释，不在数据。
EN The usage-based case starts from item-specific productivity: Tomasello's (1992) diary study found early grammar organised verb by verb, the "verb island" pattern. Akhtar (1999) taught novel verbs in non-English word orders and found two-year-olds reproduced the odd order about half the time while four-year-olds corrected it. But Gertner, Fisher & Eisengart (2006) showed 21-month-olds already use word order to interpret a novel verb in preferential looking — comprehension runs ahead of production. Dittmar et al. (2008) found German two-year-olds succeed only when word order and case marking agree, and rely on case over order only at seven: what gets abstracted tracks which cue the language makes reliable.
这场争论真正的变化不是谁赢了，是问题换了形状。原来问「语法知识是不是先天的」，这个问法没法被数据裁决。现在问：一个学习器要带多强的偏好，才能从孩子那么多的材料里学到结构依赖？那个偏好是语言专用的，还是任何序列学习器都有的？这两问可以拿计算机跑。
2011 年 Perfors、Tenenbaum 和 Regier 做了一边。他们给一个理想的贝叶斯学习器喂真实的儿向语料，让它在「按位置数」和「按结构块」两类语法之间挑。它挑了后者——不是因为被预装了偏好，而是在这份数据上按结构块整体更划算：规则复杂一点，但把语料解释得省得多。至少在这个设定下，「材料不足以裁决」不成立。要打的折扣是：候选语法的集合由研究者事先给定。
2023 年 Yedetore、Linzen、Frank 和 McCoy 做了另一边，而且做得更贴。他们不用理想学习器，用两类本身不带层级偏好的神经网络（一类是循环网络，一类是 Transformer），拿儿向语料的文本训练，量和内容都接近孩子听到的。结果分成两半：表面统计学得很好，一到造疑问句，它们按位置数那条规则推广。
往大了推也没翻盘。Lan、Chemla 和 Katzir 2024 年把测试搬到六个模型上——两个循环网络加四个 Transformer，含当时公开的通用大模型——测英语疑问词移动里更精细的一类现象。合格线放得挺松，模型仍然常常过不去。
所以今天的局面是：同一份材料，理想学习器能挑出结构依赖，实际的网络挑不出。差在哪里是个能做的实验，不是个立场。两边都有一步不能白跳——模型只拿到文字，没有语调、没有场景、没有来回的反馈，孩子三样都有；把模型的失败读成人类先天性的证据，和把模型的成功读成「所以不需要先天」，跳的是同一步。
用法为本这一侧也在把话说得可量。孩子会造出「Don't giggle me」（别把我弄笑）这种没人说过的句子，再在几年里悄悄收回。收回靠两条：抢占（preemption，在同一个位置反复听见别人用了另一种说法）和固化（entrenchment，一个说法听得够多就把竞争者挤出去）。两条都是频次的函数，能从语料里先算出预测值再拿去测。
EN The question has changed shape: not whether syntactic knowledge is innate, but how strong a learner's bias must be and whether it is language-specific — both computable. Perfors, Tenenbaum & Regier (2011) showed an ideal Bayesian learner fed child-directed speech prefers a hierarchical grammar on grounds of overall economy. Yedetore, Linzen, Frank & McCoy (2023) trained LSTMs and Transformers on comparable CHILDES text: good surface statistics, but linear-rule generalisation on questions. Lan, Chemla & Katzir (2024) found larger models still fail on wh-movement phenomena. Meanwhile the usage-based side has made retreat from overgeneralisation quantitative through preemption and entrenchment.
一种读法是它被证伪了；另一种是它从「绝对不出现」退成「出现得远比随机低」，而后者仍然需要解释。这两种读法要用不同的下一步来分：前者再找几个错例就够，后者需要一条基线——如果孩子完全按位置数来，错句该有多少？拿什么算这条基线，本身就是难题。
值得警惕的是它可能什么都不是——两组用的是不同任务、不同材料、不同实验室。要让这个跨语言比较有意义，需要怎样的配平？如果配平之后差异还在，你会把它归到线索的可靠性上，还是归到线索出现的位置上（格标记长在词尾，语序摆在句首）？
如果层级偏好真是一件事，它不该只在疑问句上现身。还有哪些地方要求「先切块再操作」——代词指谁、否定管到哪、并列的两项得是同一类东西。一个说法要是只在被测的那个现象上成立，多半测的是那个现象，不是那个说法。