會員登錄
科學研究：利用計算方法了解嬰兒是如何理解語言的
打賞
推廣
科學研究：利用計算方法了解嬰兒是如何理解語言的
圖片來源：CC0 公共域
詞語的含義會因為說話者的發音不同而發生變化。比如日語並不區分“r”和“l”的發音，因此“rock”和“lock”聽起來發音是一樣的。值得注意的是，嬰兒在開始學習說話前就已經適應了母語的發音。例如生活在日語環境下的一歲嬰兒會比生活在英語環境下的一歲嬰兒更難辨別出“rock”和“lock”的區別。
對於嬰兒早期語言學習的現象，最初一個有影響力的科學解釋提出嬰兒會用一種被稱作“分布學習”的統計聚類機製，把發音歸為類元音和類輔音兩個母語發音種類。
然而，嬰兒學習類輔音和類元音的發音分類這一想法最近被一篇發表於《美國國家科學院院刊》（Proceedings of the National Academy of Sciences）的新研究挑戰了。
圖片來源：Pixabay
這項研究由多家機構的認知科學家和計算語言學家組成的團隊共同完成，研究引入了一個基於大規模模擬嬰兒語言學習過程的定向建模框架。這個方法利用高計算效率的機器學習技術，將學習機製係統性地與關於適應母語發音的可檢驗假設關聯起來。
“關於嬰兒究竟在學什麽的假設在此前激發了研究人員們嚐試，他們希望能了解這個神奇現象，”這項研究的主要作者、馬裏蘭大學馬裏蘭高級計算機研究所（University of Maryland of Maryland Institute for Advanced Computer Studies，UMIACS）的博士後Thomas Schatz說道，“而我們打算從關於嬰兒是如何學習的假設開始。”
除了Schatz，這項研究的作者還包括馬裏蘭大學語言學副教授，同時任職於UMIACS的Naomi Feldman；愛丁堡大學信息學院語言、認知與計算研究所（Institute for Language, Cognition and Computation at the University of Edinburgh's School of Informatics）的Sharon Goldwater教授；巴黎高等師範學院（Ecole Normale Supérieure, ENS）的研究工程師以及初創公司Langinnov和Gazouyi的聯合創始人Xuân-Nga Cao；以及在ENS帶領一個認知機器學習研究組的Emmanuel Dupoux教授。
在這項研究中，研究人員通過在真實的語言輸入上訓練一種具有高計算效率的聚類算法來模擬嬰兒的語言學習過程。從目標語言的自然語言記錄中，以固定時間間隔提取的類似聲譜的聽覺特征，這些特征會提供給這個算法。研究中使用的語言是美式英語和日語。
圖片來源：CC0公共域
研究人員表示，該算法建出一個關於日本嬰兒早期發音星空体育官网入口网站的候選模型。接著，他們關於經過訓練的模型提出了兩個問題：“模型是否可以解釋學習日語和英語的嬰兒辨別說話發音的不同”和“模型是否有學習類似元音和類似輔音的發音分類”。
關於早期的發音學習，占主導地位的科學解釋應該和這些問題的答案是可以匹配的（兩個答案都是“是”或者都是“否”）。事實情況是，研究人員發現第一個問題的答案是肯定的：模型確實解釋了從嬰兒對發音的辨別情況，特別是日本嬰兒在區分“rock”和“lock”二詞時非常困難的現象。然而第二個問題的答案確是否定的：他們發現模型在學習發音單位時方法太過簡單，再加上在單詞發音在聽覺上也不穩定，導致無法去對應類元音和類輔音的發音分類。
這個結果對此前已有的文獻提出質疑，同時重新解釋早期的發音學習模式。將分辨發音類別的分布學習模式擴展到真實學習環境中使用是非常十分困難的，這可能更好地解釋了為什麽質疑“嬰兒學習的是發音類別”的觀點，但讚同“嬰兒如何通過純分布學習（傳統的解釋）來學習發音”的觀點。
Schatz表示，認知科學領域通常不會使用大規模的模型，但是近年來先進的計算能力、龐大的數據集、以及機器學習算法讓使用大規模模型的方法變得比以往更可行了。
Schatz和Feldman都在UMIACS的計算機語言學與信息處理實驗室（Computational Linguistics and Information Procession (CLIP) Laboratory）工作，並且Feldman目前擔任實驗室主任一職。Feldman表示，CLIP實驗室和位於巴黎的認知機器學習實驗室所擁有的穩定強大的計算資源對於該研究項目起到了重要作用。
總而言之，研究人員相信，基於計算的建模方法——以及不斷努力進行的大規模實驗數據采集，包括大規模記錄嬰兒在家的語言學習環境，以及大規模測試嬰兒的語言學習結果——這將會開啟研究人員對早期語言學習更深的探索。
翻譯：雷蘭昕
審校：巢栩嘉
引進來源：University of Maryland
引進鏈接：https://medicalxpress.com/news/2021-01-approach-infants-language.html
本文來自：環球科學
關注【深圳科普】微信公眾號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書籍】，了解最新科普書籍
回複【團體定製】，了解最新團體定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習觀鳥相關科普星空体育官网入口网站
回複【博物學院】，了解更多博物學院活動詳情
圖片來源：CC0 公共域
詞語的含義會因為說話者的發音不同而發生變化。比如日語並不區分“r”和“l”的發音，因此“rock”和“lock”聽起來發音是一樣的。值得注意的是，嬰兒在開始學習說話前就已經適應了母語的發音。例如生活在日語環境下的一歲嬰兒會比生活在英語環境下的一歲嬰兒更難辨別出“rock”和“lock”的區別。
對於嬰兒早期語言學習的現象，最初一個有影響力的科學解釋提出嬰兒會用一種被稱作“分布學習”的統計聚類機製，把發音歸為類元音和類輔音兩個母語發音種類。
然而，嬰兒學習類輔音和類元音的發音分類這一想法最近被一篇發表於《美國國家科學院院刊》（Proceedings of the National Academy of Sciences）的新研究挑戰了。
圖片來源：Pixabay
這項研究由多家機構的認知科學家和計算語言學家組成的團隊共同完成，研究引入了一個基於大規模模擬嬰兒語言學習過程的定向建模框架。這個方法利用高計算效率的機器學習技術，將學習機製係統性地與關於適應母語發音的可檢驗假設關聯起來。
“關於嬰兒究竟在學什麽的假設在此前激發了研究人員們嚐試，他們希望能了解這個神奇現象，”這項研究的主要作者、馬裏蘭大學馬裏蘭高級計算機研究所（University of Maryland of Maryland Institute for Advanced Computer Studies，UMIACS）的博士後Thomas Schatz說道，“而我們打算從關於嬰兒是如何學習的假設開始。”
除了Schatz，這項研究的作者還包括馬裏蘭大學語言學副教授，同時任職於UMIACS的Naomi Feldman；愛丁堡大學信息學院語言、認知與計算研究所（Institute for Language, Cognition and Computation at the University of Edinburgh's School of Informatics）的Sharon Goldwater教授；巴黎高等師範學院（Ecole Normale Supérieure, ENS）的研究工程師以及初創公司Langinnov和Gazouyi的聯合創始人Xuân-Nga Cao；以及在ENS帶領一個認知機器學習研究組的Emmanuel Dupoux教授。
在這項研究中，研究人員通過在真實的語言輸入上訓練一種具有高計算效率的聚類算法來模擬嬰兒的語言學習過程。從目標語言的自然語言記錄中，以固定時間間隔提取的類似聲譜的聽覺特征，這些特征會提供給這個算法。研究中使用的語言是美式英語和日語。
圖片來源：CC0公共域
研究人員表示，該算法建出一個關於日本嬰兒早期發音星空体育官网入口网站的候選模型。接著，他們關於經過訓練的模型提出了兩個問題：“模型是否可以解釋學習日語和英語的嬰兒辨別說話發音的不同”和“模型是否有學習類似元音和類似輔音的發音分類”。
關於早期的發音學習，占主導地位的科學解釋應該和這些問題的答案是可以匹配的（兩個答案都是“是”或者都是“否”）。事實情況是，研究人員發現第一個問題的答案是肯定的：模型確實解釋了從嬰兒對發音的辨別情況，特別是日本嬰兒在區分“rock”和“lock”二詞時非常困難的現象。然而第二個問題的答案確是否定的：他們發現模型在學習發音單位時方法太過簡單，再加上在單詞發音在聽覺上也不穩定，導致無法去對應類元音和類輔音的發音分類。
這個結果對此前已有的文獻提出質疑，同時重新解釋早期的發音學習模式。將分辨發音類別的分布學習模式擴展到真實學習環境中使用是非常十分困難的，這可能更好地解釋了為什麽質疑“嬰兒學習的是發音類別”的觀點，但讚同“嬰兒如何通過純分布學習（傳統的解釋）來學習發音”的觀點。
Schatz表示，認知科學領域通常不會使用大規模的模型，但是近年來先進的計算能力、龐大的數據集、以及機器學習算法讓使用大規模模型的方法變得比以往更可行了。
Schatz和Feldman都在UMIACS的計算機語言學與信息處理實驗室（Computational Linguistics and Information Procession (CLIP) Laboratory）工作，並且Feldman目前擔任實驗室主任一職。Feldman表示，CLIP實驗室和位於巴黎的認知機器學習實驗室所擁有的穩定強大的計算資源對於該研究項目起到了重要作用。
總而言之，研究人員相信，基於計算的建模方法——以及不斷努力進行的大規模實驗數據采集，包括大規模記錄嬰兒在家的語言學習環境，以及大規模測試嬰兒的語言學習結果——這將會開啟研究人員對早期語言學習更深的探索。
翻譯：雷蘭昕
審校：巢栩嘉
引進來源：University of Maryland
引進鏈接：https://medicalxpress.com/news/2021-01-approach-infants-language.html
本文來自：環球科學
關注【深圳科普】微信公眾號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書籍】，了解最新科普書籍
回複【團體定製】，了解最新團體定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習觀鳥相關科普星空体育官网入口网站
回複【博物學院】，了解更多博物學院活動詳情
聽說，打賞我的人最後都找到了真愛。
深圳市龍華區玉翠社區高坳新村小廣場
做科普，我們是認真的！
掃描關注深i科普公眾號
加入科普活動群
- 參加最新科普活動
- 認識科普小朋友
- 成為科學小記者
