Modelos y plataformas de IA

Nueva investigación sobre cómo los niños aprenden el lenguaje puede ayudar en el campo del aprendizaje automático

mm
Añade Unite.AI a tus fuentes preferidas en Google

Un equipo de investigadores de la Universidad Carnegie Mellon ha desarrollado un nuevo método para evaluar experimentalmente cómo los padres alteran su lenguaje cuando hablan con los niños dependiendo de lo que estos ya saben. El modelo es el primero de su tipo.

Los investigadores encontraron que los padres tienen estructuras precisas de los modelos de lenguaje de sus hijos, y que estas se utilizan para ajustar su propio lenguaje cuando hablan con los niños.

La investigación se publicó en la revista Psychological Science.

Ajuste del lenguaje para los niños

Daniel Yurovsky es profesor asistente de psicología en la Universidad Carnegie Mellon.

“Hemos sabido durante años que los padres hablan con los niños de manera diferente a como lo hacen con otros adultos en muchos sentidos, por ejemplo, simplificando su habla, repitiendo palabras y estirando los sonidos de las vocales”, dijo Yurovsky. “Esto ayuda a los niños pequeños a tener una base en el lenguaje, pero no sabíamos si los padres cambian la forma en que hablan a medida que los niños adquieren el lenguaje, dándoles entrada de lenguaje que es ‘justa’ para aprender la próxima cosa”.

Según el equipo, los adultos hablan con los niños más lentamente y a un tono más alto, y también confían en la enunciación exagerada, la repetición y el lenguaje simplificado. Además de todo esto, los adultos también utilizan preguntas para evaluar la comprensión de un niño, y este modelo cambia a medida que aumenta la fluidez lingüística del niño.

Yurovsky dice que esto es similar a cómo un estudiante progresa cuando aprende matemáticas en la escuela.

“Cuando vas a la escuela, comienzas con álgebra y luego tomas geometría plana antes de pasar a cálculo”, dijo Yurovsky. “La gente habla con los niños utilizando la misma estructura sin pensarlo. Están rastreando cuánto sabe su hijo sobre el lenguaje y modificando cómo hablan para que los niños los entiendan”.

Para comprender cómo los cuidadores alteran sus interacciones a medida que un niño se desarrolla, el equipo desarrolló un juego en el que los padres ayudan a sus hijos a elegir un animal específico de un conjunto de tres. La mitad de los animales eran aquellos que los niños suelen aprender antes de los 2 años, mientras que la otra mitad eran animales que los niños suelen aprender más tarde.

Hubo un total de 41 parejas de niños y adultos que jugaron el juego, y se midieron las diferencias en cómo los padres hablaban sobre los animales que creían que sus hijos conocían.

“Los padres tienen un conocimiento increíblemente preciso del lenguaje de su hijo porque lo han visto crecer y aprender”, dijo Yurovsky. “Estos resultados muestran que los padres aprovechan su conocimiento del desarrollo del lenguaje de sus hijos para afinar la información lingüística que proporcionan”.

La investigación encontró que el cuidador utilizó varias técnicas al transmitir el animal ‘desconocido’ al niño, como descripciones adicionales que el niño conocía.

“Este enfoque nos permite confirmar experimentalmente ideas que hemos desarrollado basadas en observaciones de cómo los niños y los padres interactúan en el hogar”, dijo Yurovsky. “Encontramos que los padres no solo utilizaron lo que ya sabían sobre el conocimiento lingüístico de sus hijos antes del estudio, sino que también que si descubrían que estaban equivocados, su hijo no conocía en realidad ‘leopardo’, por ejemplo, cambiaban la forma en que hablaban sobre ese animal la próxima vez”.

Útil en el campo del aprendizaje automático

Según Yurovsky, los resultados podrían ayudar a los investigadores en el campo del aprendizaje automático.

“Estos resultados podrían ayudarnos a entender cómo pensar en los sistemas de lenguaje de aprendizaje automático”, dijo. “Actualmente, entrenamos los modelos de lenguaje dándoles todos los datos de lenguaje que podemos obtener de una vez. Pero podríamos hacerlo mejor si pudiéramos darles los datos correctos en el momento correcto, manteniéndolos al nivel de complejidad adecuado para que estén listos”.

El equipo de investigadores también incluyó a Ashley Leung en la Universidad de Chicago y a Alex Tunkel en la Escuela de Medicina y Ciencias de la Salud de la Universidad George Washington.

Alex McFarland es un periodista y escritor de inteligencia artificial que explora los últimos desarrollos en inteligencia artificial. Ha colaborado con numerosas startups y publicaciones de inteligencia artificial en todo el mundo.