文章核心观点 - 普林斯顿大学研究团队利用8名儿童出生后最初1000天的纵向家庭录音数据训练AI模型,每个模型仅从该儿童可获得的语音中学习并按时间顺序逐日处理,发现日常经验中已包含支持语言学习的充分结构 [4][5][6] - 以这种方式训练的模型约在模拟第一年内学会区分英语语音并构建包含数千个单词的词汇量,其增长与每个儿童实测词汇量紧密同步 [8] - 单个儿童日常接触的语言输入结合受生物学启发的学习与记忆过程,足以提供足够结构以支持语言学习的核心方面 [10] 研究背景与动机 - 大语言模型通常需要先在海量文本上训练才能产生语言输出,但之后能够写出复杂文章,而人类儿童从极为有限的语言输入中学习,起初一次只能说几个词随后逐渐增加 [4] - 大语言模型的训练条件与人类儿童的自然经验存在显著差异,其训练所用输入量远超任何儿童所听到的内容,且训练方案与儿童实际学习方式截然不同 [4][6] - 要理解儿童如何从日常经验中学习语言,需要构建以儿童方式学习的计算模型,从个体儿童可获得的真实世界输入出发并在符合现实发育的时间尺度上进行 [6] 研究方法与数据 - 研究团队使用"最初1000天"项目中的超密集家庭录音,在8名儿童出生后最初1000天内为每名儿童收集了数千小时的日常语音 [7] - 为每个儿童分别构建一个学习模型,模型对语音或词汇没有任何先验知识,仅从该儿童可获得的语音中学习并按语音原本经历的时间顺序逐日处理 [7] - 训练遵循符合发育规律的时间安排,随着儿童清醒时间逐渐增加(即每天睡眠时间逐渐减少),每天语音暴露量也逐步增加,同时在每天结束时回顾近期语音以模拟睡眠在记忆巩固中可能发挥的作用 [7] - 每个AI模型的白天输入相当于每个儿童一天内所听到的内容,夜间则回放截至当时的累积输入 [5] 主要研究发现 - 每个儿童对应的AI模型学习速度与该儿童基本一致 [5] - 模型大约在模拟的第一年内就学会了区分英语语音,并进而构建了包含数千个单词的词汇量,其增长与每个儿童实测词汇量紧密同步 [8] - 从出生到幼儿期,该模型的词汇量增长轨迹与每个儿童实际测得的词汇量增长轨迹高度吻合 [10] - AI模型的学习依赖于密集的每天输入以及对近期输入的回放,表明经验相关过程与记忆相关过程均不可或缺 [5] 关键机制分析 - 输入密度至关重要:仅获得儿童每日录音一小部分的模型学会的单词要少得多,很可能是因为许多日常词汇较为罕见需要反复接触才能掌握 [8] - 夜间回放同样重要:即使每日输入非常丰富,获得很少或没有回放的模型也难以学会单词 [8] - 同一建模框架不经任何修改即可适用于全部8名儿童,该框架内三个内部模型参数控制着学习的速度,既能捕捉个体差异也为学习机制如何与经验相互作用以支持语言习得提供了可解释的说明 [8] 研究意义与贡献 - 该研究表明单个儿童日常接触到的语言输入结合受生物学启发的学习与记忆过程,足以提供足够结构以支持语言学习的核心方面 [10] - 该研究中的方法为将儿童如何学习的理论转化为计算模型提供了框架,这些模型可以直接与儿童在现实世界中的发育进行检验 [10] - 这些发现表明日常经验中已包含支持语言学习的充分结构,并为检验发育理论确立了儿童个体化建模的方法 [5]
Science:让AI学习婴儿生命最初1000天所听到的声音,还原人类是如何学会说话的
生物世界·2026-11-10 12:22