近(1)日，美國紐約大學(New York University)的人工智慧(AI)團隊，開發出一項能探究嬰兒如何學習語言的工具。其僅透過以嬰兒視角紀錄的大量影像和語音，就訓練出可有基礎語言能力的AI模型，此發現挑戰了「現代語言學與認知科學之父」Noam Chomsky等科學家，對人類語言學習的理論。該研究論文發表於期刊《Science》。

嬰兒普遍在6個月至9個月大時，開始學習第一個單字，且能將口語單字和對應的視覺影像連結起來。為了解該過程，研究團隊將頭戴式攝影機配戴於一名澳洲嬰兒頭部，在該嬰兒6~25個月大的期間，從其視角進行紀錄；該嬰兒每週配戴兩次、每次記錄約一小時(相當於嬰兒清醒時1%的時間)。

最終，他們一共收集了61個小時的視覺語言資料，並以此訓練出一項神經網絡AI。研究人員根據錄下的畫面，及錄音中其他大人對該嬰兒說的話來訓練AI模型，該模型共接觸了25萬個單字和對應的影像，這些影像是在其玩耍、閱讀、吃飯等活動中所錄下的。

該AI模型使用了一項稱為「對比學習」(contrastive learning)的技術，來了解哪些影像和文字可能有連結關係、哪些無連結關係，進而建立出可用於預測某些單字所指影像的資訊。

研究團隊接著對AI模型進行測試，要求AI將單字和候選影像進行配對(1單字配上4選1的影像)，該測試也常用於兒童語言能力評估中。結果顯示，AI配對的成功率為62%，比起1對4的偶然機率25%好相當多。

另外，對於例如蘋果、狗等該模型過去未曾「見」過的例子，其辨識的成功率為35%；對於訓練資料中頻繁出現的物體，AI則能更好地辨識出來；而對外觀變化不大的物體也更容易辨識，但對「可泛指多種物體」的單字，例如：玩具，則較難學習。

未參與此研究的美熹德加州大學(University of California Merced)認知科學家Heather Bortfeld表示，這項AI模型顯示，嬰兒在剛開始學習語言時，僅透過在不同的感官來源間建立聯繫，就可以學到很多東西。

該發現也對美國語言學家Noam Chomsky等科學家提出挑戰，他們認為語言過於複雜，資訊輸入太過稀疏，因此無法透過一般學習過程來習得語言，嬰兒學習語言時需仰賴某些「特殊機制」。但本次研究指出，嬰兒顯然很可能不需特殊機制，就能習得語言。

不過，Bortfeld也表示，這項研究僅仰賴於單一兒童的數據，但每位兒童的成長經驗和環境差異很大，其「普遍性」(generalizability)恐受質疑。

加拿大蒙特利爾大學的機器學習科學家Anirudh Goyal則表示，這項模型只要進一步改善、使其更符合人類學習的複雜性，未來將有很大的潛力促進認知科學發展。

參考資料：

1. 論文原文：https://www.science.org/doi/10.1126/science.adi1374

2. https://www.nature.com/articles/d41586-024-00288-1

(編譯/巫芝岳)