في إطار السعي لفهم كيفية معالجة المخ للتركيبات اللغوية، اجتذب البحث في هذا المجال اهتماماً متزايداً من قبل العلماء والمتخصصين. وقد أظهرت دراسات حديثة أن نماذج اللغة الاصطناعية العصبية (Neural Language Models) تطور تمثيلات مختلفة لتركيبات الهيكل الحُججي (Argument Structure Constructions - ASCs) بشكل تلقائي.

في إحدى الدراسات الرائدة، أجرى الباحثون تجربة باستخدام تخطيط كهربية الدماغ (Electroencephalography - EEG) لتسجيل نشاط المخ البشري أثناء استماعه إلى مجموعة من الجمل الاصطناعية. استمع عشرة متحدثين أصليين للغة الإنجليزية إلى 200 جملة عبر أربعة أنواع من التركيبات (مثل التركيب الانتقالي، والتركيب الثنائي، وحركة المُسبب، والتركيب الناتج).

أسفرت تحليلات البيانات باستخدام طرق التردد الزمني واسترجاع السمات عن أنماط عصبية محددة تظهر عند نهايات الجمل، حيث يصبح الهيكل الحُججي مفهومة بشكل كامل، وكان ذلك أكثر وضوحاً في نطاق ألفا.

أظهرت نتائج التصنيف الثنائي تبايناً موثوقاً، خصوصاً بين التركيبات الثنائية والناتجة، مما يعكس أن الأنظمة البيولوجية والاصطناعية تتقاسم طرقًا تمثيلية متشابهة. وهذا يتماشى مع نظرية القواعد التركيبية (Construction Grammar) ويشير إلى وجود تقارب بين الأنظمة البيولوجية والاصطناعية.

بشكل عام، تدعم هذه النتائج فكرة أن أنظمة التعلم تكتشف مناطق مستقرة ضمن الفضاء التمثيلي الأساسي، مما يعزز فهمنا لكيفية ظهور التجريدات اللغوية بشكل فعال.