KI-Modelle und Plattformen

Neue Forschungsergebnisse darüber, wie Kinder Sprache lernen, können dem Bereich des maschinellen Lernens helfen

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Ein Team von Forschern an der Carnegie Mellon University hat eine neue Methode entwickelt, um experimentell zu bewerten, wie Eltern ihre Sprache anpassen, wenn sie mit Kindern sprechen, abhängig von dem, was diese bereits wissen. Das Modell ist das erste seiner Art.

Die Forscher fanden heraus, dass Eltern präzise Strukturen der Sprachmodelle ihrer Kinder haben und diese verwenden, um ihre eigene Sprache anzupassen, wenn sie mit den Kindern sprechen.

Die Forschung wurde in der Zeitschrift Psychological Science.

Die Anpassung der Sprache für Kinder

Daniel Yurovsky ist Assistenzprofessor für Psychologie an der Carnegie Mellon University.

“Wir wissen seit Jahren, dass Eltern mit Kindern anders sprechen als mit anderen Erwachsenen, zum Beispiel indem sie ihre Sprache vereinfachen, Wörter wiederholen und Vokale dehnen”, sagte Yurovsky. “Das hilft kleinen Kindern, einen Fuß in die Sprache zu bekommen, aber wir wussten nicht, ob Eltern ihre Art zu sprechen ändern, wenn Kinder Sprache erwerben, und ob sie Kindern Sprachinput geben, der ‘genau richtig’ für das Lernen des nächsten Dings ist.”

Laut dem Team sprechen Erwachsene mit Kindern langsamer und in höherer Tonlage, und sie verwenden auch übertriebene Artikulation, Wiederholung und vereinfachte Sprache. Außerdem verwenden Erwachsene Fragen, um das Verständnis des Kindes zu überprüfen, und dieses gesamte Modell ändert sich, wenn die Sprachflüssigkeit des Kindes zunimmt.

Yurovsky sagt, dass dies ähnlich ist, wie ein Schüler Fortschritte macht, wenn er Mathematik in der Schule lernt.

“Wenn man in die Schule geht, beginnt man mit Algebra und dann mit Plansphäre, bevor man zu Kalkül geht”, sagte Yurovsky. “Menschen sprechen mit Kindern mit der gleichen Art von Struktur, ohne darüber nachzudenken. Sie verfolgen, wie viel ihr Kind über Sprache weiß, und passen ihre Art zu sprechen an, damit Kinder sie verstehen.”

Um zu verstehen, wie Betreuer ihre Interaktionen ändern, wenn ein Kind sich entwickelt, entwickelte das Team ein Spiel, bei dem Eltern ihrem Kind helfen, ein bestimmtes Tier aus einer Gruppe von drei auszuwählen. Die Hälfte der Tiere waren solche, die Kinder normalerweise vor dem Alter von 2 Jahren lernen, während die andere Hälfte Tiere waren, die Kinder normalerweise später lernen.

Insgesamt nahmen 41 Kind-Eltern-Paare am Spiel teil, und die Unterschiede in der Art, wie Eltern über Tiere sprachen, die sie dachten, ihre Kinder würden kennen, wurden gemessen.

“Eltern haben ein unglaublich genaues Wissen über die Sprache ihres Kindes, weil sie es haben wachsen und lernen sehen”, sagte Yurovsky. “Diese Ergebnisse zeigen, dass Eltern ihr Wissen über die Sprachentwicklung ihres Kindes nutzen, um die sprachlichen Informationen, die sie bereitstellen, fein zu justieren.”

Die Forschung fand heraus, dass der Betreuer verschiedene Techniken verwendet, wenn er das “unbekannte” Tier dem Kind mitteilt, wie zum Beispiel zusätzliche Beschreibungen, die das Kind kannte.

“Dieser [Forschungs]Ansatz ermöglicht es uns, experimentell Ideen zu bestätigen, die wir auf der Grundlage von Beobachtungen entwickelt haben, wie Kinder und Eltern zu Hause interagieren”, sagte Yurovsky. “Wir fanden heraus, dass Eltern nicht nur das verwendeten, was sie bereits über das Sprachwissen ihres Kindes wussten, bevor die Studie durchgeführt wurde, sondern auch, dass sie ihre Art zu sprechen änderten, wenn sie herausfanden, dass sie falsch lagen – ihr Kind kannte zum Beispiel nicht ‘Leopard’.”

Nützlich im Bereich des maschinellen Lernens

Laut Yurovsky könnten die Ergebnisse Forschern im Bereich des maschinellen Lernens helfen.

“Diese Ergebnisse könnten uns helfen, zu verstehen, wie wir über Sprachsysteme im maschinellen Lernen nachdenken”, sagte er. “Derzeit trainieren wir Sprachmodelle, indem wir ihnen alle verfügbaren Sprachdaten auf einmal geben. Aber wir könnten es besser machen, wenn wir ihnen die richtigen Daten zur richtigen Zeit geben und sie auf dem richtigen Komplexitätsniveau halten, das sie bereit sind zu lernen.”

Das Team der Forscher umfasste auch Ashley Leung an der University of Chicago und Alex Tunkel an der George Washington University School of Medicine and Health Sciences.

Alex McFarland ist ein KI-Journalist und Schriftsteller, der die neuesten Entwicklungen im Bereich der künstlichen Intelligenz erforscht. Er hat mit zahlreichen KI-Startups und Veröffentlichungen weltweit zusammengearbeitet.