無需海量資料輸入 AI 通過孩子的眼睛和耳朵學習語言

**：科技**。

美國紐約大學的研究人員進行了一項實驗，他們使用孩子從6個月大到2歲生日的頭戴式攝像頭記錄的資料，用孩子的眼睛和耳朵訓練了乙個多模態人工智慧（AI）系統。 這項發表在最新一期《科學》雜誌上的研究表明，該模型或神經網路實際上可以使用有限數量的兒童經驗片段來學習大量的單詞和概念。 也就是說，只有大約 1% 的孩子清醒時間被捕獲，但這對於真正的語言學習來說已經足夠了。

GPT-4 等人工智慧系統現在可以學習和使用人類語言，但它們從大量語言輸入中學習的遠遠超過兒童學習如何理解和表達語言的能力。 最好的人工智慧系統在文字上訓練數萬億個單詞，而兒童每年只能接收數百萬個單詞。

由於資料中的巨大差距，研究人員一直懷疑人工智慧的最新進展是否會揭示人類學習和發展的很多資訊。 這一次，研究團隊從6個月大開始，到25個月大結束，每週通過頭戴式攝像頭捕捉孩子的第一人稱視角**。 他們使用了 60 多個小時的材料，其中包含大約 250,000 個單詞例項（即傳達的單詞數量，其中許多是重複的）。 這些單詞例項與孩子在說出單詞時看到的框架相關聯，包括各種不同的活動，例如吃飯、閱讀和玩耍。

訓練結束後，該團隊對模型進行了測試。 他們為模型提供了乙個目標詞和四個不同的影象，要求它選擇乙個與目標詞相匹配的答案。 結果表明，該模型不僅能夠學習兒童日常經驗中存在的大量單詞和概念，而且還能夠將它們概括為視覺示例，即使這些示例與他們在模型訓練中看到的完全不同。