Roman GłogulskiStudie provedená týmem výzkumníků z Newyorské univerzity poskytla lepší porozumění procesu osvojování jazyka u dětí. Použitím záznamů ze života dítěte během jeho prvního roku vědci potvrdili spojení mezi rozpoznáváním obrazu a slovy s nimi spojenými. Navíc na základě této studie byl vyvinut model umělé inteligence (AI), který dokáže také rozpoznávat různé objekty podobným způsobem jako děti.
Podle profesora psychologie a počítačových věd Waie Keena Vonga „Velké AI systémy jsou trénovány a napájeny obrovským množstvím dat. Mluvíme o [obrovském množství] slov potřebných pro vývoj jazykového systému,“ vysvětluje profesor. „Nicméně člověk potřebuje k efektivnímu komunikačnímu systému pouze několik tisíc slov.“ Studie si kladla za cíl zjistit, zda může AI model naučit se mluvit stejným způsobem jako děti tím, že pozoruje prostředí, poslouchá ostatní lidi a spojuje to, co vidí a slyší.
Dosud se studie zabývající osvojováním jazyka u kojenců prováděly převážně v kontrolovaných laboratorních podmínkách, které často neodrážely dynamické a různorodé kontexty skutečného života. V této studii měli výzkumníci příležitost analyzovat 61 hodin života australského chlapce jménem Sam. Po dobu jednoho a půl roku nosil Sam helmu s kamerou, která zaznamenávala jeho interakce s rodiči a prarodiči každodenně. Ačkoliv tyto interakce tvořily pouze 1% času, kdy byl dítě bdělé, poskytly výzkumníkům stovky obrázků, které přesně odrážely to, co dítě vidělo, spolu s jazykovými projevy členů rodiny, kteří vysvětlovali, co jsou okolní objekty.
Po pozorování chování dítěte zjistili výzkumníci, že se dítě naučilo významy slov tím, že kombinovalo vizuální podněty s reakcemi členů rodiny, kteří opakovali správné slovo. Poté přešli ke druhé fázi experimentu, kde testovali, zda by byl AI model schopen naučit se rozpoznávat objekty stejným způsobem jako Sam. Model AI s názvem CVCL (Pohled dítěte pro srovnávací učení) byl trénován na 64 kategoriích obrázků – nádobí, hračky, zvířata a další – stejně jako na přepisech toho, co Sam slyšel při pohledu na tyto objekty.
Po vytvoření této databáze vědci testovali, zda AI dokáže rozpoznávat obrázky. Podle profesora Vonga tento model „dokáže navazovat spojení mezi obrázky a textovými fragmenty na základě zkušeností jednoho dítěte.“ Klasifikační přesnost tohoto modelu činila 61,6%. Schopnost rozpoznávat objekty zůstala vysoká i tehdy, když byly do systému předloženy obrázky mimo zaznamenaný materiál. „Výsledky potvrzují naši hypotézu, že s dvěma podněty – tím, co dítě vidí a slyší – můžeme dosáhnout a urychlit tento učící proces,“ zdůrazňuje profesor Vong.
Tato studie otevřela nové pohledy na porozumění osvojování jazyka u dětí. Jeden z výzkumníků, Antonio Rodríguez Fornells, upozorňuje na inovativní aspekt studie, který umožňuje lepší porozumění minimálním mechanismům učení jazyka u dětí. „Předchozí studie zaměřené na vývoj jazyka u kojenců poskytovaly cenné informace prostřednictvím experimentů, ale nedostatek neurologického výzkumu bránil ve vývoji kognitivních mechanismů odpovědných za osvojování jazyka,“ vysvětluje Fornells. Tato studie otevírá cestu pro další výzkum mechanismů osvojování jazyka u malých dětí.
