ヘッドカメラを備えたこの赤ちゃんは、子供たちが言語を学ぶ方法を AI に教えるのに役立ちました

この実験では、研究者らはオーストラリアのアデレード近郊に住む子供が着用したヘルメットカメラからの 61 時間のビデオを利用しました。 その子サムは、生後6か月から2歳の誕生日を少し過ぎたころまでの1年半の間、カメラを付けたり外したりしていました。 カメラは、サムが起きている時間の約 1% の間に見たり、注意したりしたものを捉えました。 そこには、サムの2匹の猫、両親、ベビーベッドとおもちゃ、家、食事などが記録されていました。 「このデータセットはまったくユニークでした」とレイク氏は言います。 「これは、一人の子供がアクセスできるものについて、これまで私たちが経験した中で最高の窓です。」

モデルをトレーニングするために、レイク氏らは 600,000 個のビデオ フレームと、画像がキャプチャされたときに部屋にいたサムの両親や他の人々が話したフレーズ (合計 37,500 個の「発話」) を組み合わせて使用しました。 言葉と物が一致することもありました。 そうしないこともありました。 たとえば、ある静止画では、サムが形状選別機を見て、親が「この紐が気に入ったね」と言います。 別の例では、大人がいくつかのブロックを手で覆い、親が「あなたもブロックが欲しいです」と言います。

チームはモデルに 2 つの手がかりを与えました。 物体と言葉が一緒に出現する場合、それはそれらがリンクされている可能性があることを示しています。 しかし、オブジェクトと単語が同時に出現しない場合、それはそれらが一致しない可能性があることを示しています。 ニューヨーク大学の計算認知科学者であり、この研究の著者でもあるワイ・キーン・ヴォング氏は、「モデル内では、この種の引き寄せや押し離しが起こっているのです」と語る。 「親が『ボール』という言葉を言ったときに子供がボールを見ているという例がデータに十分に存在することが期待されます」と彼は言う。

単語とそれが表すオブジェクトを一致させるのは簡単な作業のように思えるかもしれませんが、そうではありません。 問題の範囲を理解するには、幼い子供がいる家族のリビングルームを想像してください。 通常のリビングルームの家具がすべて揃っていますが、子供用の散らかったものもあります。 床にはおもちゃが散乱しています。 コーヒーテーブルの上にはクレヨンが散らばっています。 窓辺にはスナックカップがあり、椅子には洗濯物が置かれています。 幼児が「ボール」という言葉を聞くと、それはボールを指す可能性があります。 しかし、他のおもちゃ、ソファ、ズボン、物の形、色、時刻を指すこともあります。 「どんな単語にも無限の意味が考えられます」とレイク氏は言う。

この問題は非常に手に負えないため、一部の発達心理学者は、子供たちが言語の仕組みを生まれながらにして理解しなければ、これほど早く言語を習得することができないと主張している。 しかし、スキッドモア大学の発達心理学者ジェス・サリバン氏は、サムのヘルメットカメラのデータを収集したチームの一員であったが、実際にはそうではなかったスキッドモア大学の発達心理学者ジェス・サリバン氏は、「この研究は、言語の一部は、その生来の能力がなくても、ごくわずかな経験から学習可能であることを示唆している」と述べている。新しい研究に携わっています。 「それは私にとって、世界観を大きく揺るがすものです。」

しかし、サリバン氏は、言葉とそれが表す対象物を対応させることは、難しい学習問題ではあるものの、言語を構成するものの一部にすぎないと指摘します。 単語がどのように結合されるかを制御する規則もあります。 あなたの犬は「ボール」や「ウォーク」という言葉を知っているかもしれませんが、それは彼が英語を理解できるという意味ではありません。 そして、赤ちゃんが本来持っている言語能力は語彙を超えている可能性があります。 それは、彼らが世界をどのように移動するか、何に注意を払うか、または言語にどのように反応するかに影響を与える可能性があります。 「ニューラルネットが学習するデータセットを赤ちゃんが作成していなかったら、この研究は成功しなかったと思います」と彼女は言う。

レイク氏と彼の同僚の次のステップは、モデルの学習が子供の初期言語学習をより正確に再現するために何が必要かを見つけ出すことです。 「完全に2歳児のような能力を備えたモデルを誕生させるには、まだまだやるべきことがあります」と彼は言う。 それは、より多くのデータを提供することを意味するかもしれません。 現在生後 18 か月のレイク君の子供は、そのデータを提供している次の子供集団の一員です。 彼女は週に数時間ヘルメットカメラを着用しています。 あるいは、モデルは親の視線に注意を払う必要があるか、オブジェクトの堅さの感覚、つまり子供が直感的に把握できるものを理解する必要があるかもしれません。 子どものように学習できるモデルを作成することは、研究者が人間の学習と発達をより深く理解するのに役立ちます。

人間が言語を学習する方法の一部を認識できる AI モデルは、学習効率がはるかに高くなる可能性があります。 これらは、言語学者のノーム・チョムスキーと彼の同僚がかつて ChatGPT のような大規模な言語モデルについて説明したように、「パターン マッチングのための面倒な統計エンジン」ではなく、より人間のように動作する可能性があります。 「AI システムは依然として脆弱で、常識が欠けています」と、レイク氏のチームに資金を提供した米国政府の国防高等研究計画局でプログラムを管理するハワード・シュローブ氏は言う。 しかし、子供のように学習できる AI は、意味を理解し、新しい状況に対応し、新しい経験から学ぶことができるかもしれません。 目標は、AI を人間の知能に一歩近づけることです。