Τεχνητή νοημοσύνη έμαθε τον κόσμο μέσα από τα μάτια ενός μωρού

Σύστημα τεχνητής νοημοσύνης έμαθε να αναγνωρίζει εκατοντάδες αντικείμενα αναλύοντας δεδομένα από κάμερα που είχε τοποθετηθεί στο κεφάλι ενός μωρού, ένα εντυπωσιακό πείραμα που σύμφωνα με τους ερευνητές μπορεί να ρίξει φως στον μηχανισμό της ανθρώπινης γλώσσας.

Η δημοφιλής μηχανή διαλόγου ChatGPT και άλλα γλωσσικά μοντέλα εκπαιδεύονται με ολόκληρους ωκεανούς δεδομένων από το Διαδίκτυο προκειμένου να μάθουν να χειρίζονται την ανθρώπινη γλώσσα.

Τα βρέφη, όμως. δεν χρειάζονται τέτοιες ποσότητες πληροφορίας. Σύμφωνα με τους ερευνητές, τα παιδιά συνήθως ακούν ή διαβάζουν μόνο μερικά εκατομμύρια λέξεις τον χρόνο, αντί τρισεκατομμύρια και βάλε.

«Δεν μας δίνεται ολόκληρο το Διαδίκτυο όταν γεννιόμαστε» λέει ο Ουάι Κιν Βονγκ, πρώτος συγγραφέας της μελέτης στο περιοδικό Science.

Κι όμως, παρά τις δεκαετίες ερευνών, η επιστήμη δεν κατανοεί ακόμα πλήρως πώς τα παιδιά μαθαίνουν να μιλούν.

Κάποιοι υποστηρίζουν ότι πρόκειται για μια γενική διαδικασία μάθησης που βασίζεται στη συσχέτιση ερεθισμάτων όπως οι ήχοι και οι εικόνες, ενώ άλλοι –ανάμεσά τους ο αμερικανός γλωσσολόγος Νόαμ Τσόμσκι- λένε πως στα μωρά πρέπει να υπάρχουν έμφυτες γνώσεις για τη λειτουργία της ομιλίας.

Η νέα μελέτη συνηγορεί υπέρ της δεύτερης υπόθεσης, αφού η μηχανή έμαθε να αναγνωρίζει αντικείμενα απλά συνδέοντας εικόνες με τις αντίστοιχες λέξεις, χωρίς να έχει καμία προηγούμενη γνώση για τη γλώσσα.

Με τα μάτια του Σαμ

Το πείραμα πραγματοποιήθηκε χάρη στη συγκατάθεση των γονιών του Σαμ, ενός αγοριού που ζει στην Αυστραλία. Από την ηλικία των έξι μηνών μέχρι να συμπληρώσει δύο χρόνια, ο Σαμ φορούσε ένα κράνος με ενσωματωμένη κάμερα για περίπου μία ώρα δύο φορές την εβδομάδα.

Συλλέχθηκαν έτσι βίντεο συνολικής διάρκειας 61 ωρών, τα οποία αντιστοιχούσαν μόλις στο 1% του χρόνου που περνούσε ξύπνιος ο Σαμ.

Οι ερευνητές δημιούργησαν στη συνέχεια ένα νευρωνικό δίκτυο –ένα είδος ΑΙ που μιμείται τη δομή του ανθρώπινου εγκεφάλου – το οποίο εκπαίδευσαν με στιγμιότυπα των βίντεο και τις λέξεις που άκουγε εκείνη τη στιγμή ο Σαμ, γραμμένες σε αρχείο.

Το μοντέλο ΑΙ εκτέθηκε σε 250.000 συνδυασμούς λέξεων και αντικειμένων και χρησιμοποίησε μια τεχνική που ονομάζεται αντιθετική μάθηση για να μάθει ποιες λέξεις αντιστοιχούν σε ποιες εικόνες.

Για να ελέγξουν τα αποτελέσματα, οι ερευνητές ζήτησαν από το μοντέλο να αντιστοιχίσει μια λέξη με μία από τέσσερις πιθανές εικόνες, ένα τεστ που χρησιμοποιείται και στα μωρά για την αξιολόγηση των γλωσσικών ικανοτήτων.

Και πράγματι, το νευρωνικό δίκτυο έπεσε μέσα στο 62% των περιπτώσεων, αναφέρει η ομάδα.

Εύκολες και δύσκολες λέξεις

Για ορισμένες λέξεις, όπως «μήλο» και «σκύλος», το μοντέλο μπορούσε να αναγνωρίσει παραδείγματα που δεν είχε ξαναδεί –για παράδειγμα, σκύλους διαφορετικής ράτσας ή μήλα άλλης ποικιλίας.

Σε αυτό το τεστ, τα κατάφερε μόνο στο 35% των περιπτώσεων. Γενικά, του ήταν πιο εύκολο να αναγνωρίσει αντικείμενα που δεν παρουσιάζουν μεγάλη ποικιλία στην εικόνα τους.

Τα ευρήματα υποδεικνύουν ότι τα μωρά μπορούν να μαθαίνουν να μιλούν «με σχετικά γενικούς μηχανισμούς μάθησης όπως αυτοί των νευρωνικών δικτύων» ανέφερε σε δελτίο Τύπου ο Μπρέντεν Λέικ του Πανεπιστημίου της Νέας Υόρκης.

Παρόλα αυτά, η ερευνητική ομάδα αναγνωρίζει ότι η μελέτη πάσχει από περιορισμούς. Μεταξύ άλλων, δεν μπορεί να μιμηθεί τις αλληλεπιδράσεις ενός μωρού με τους γονείς και το περιβάλλον.

Για παράδειγμα, το μοντέλο δυσκολεύτηκε να μάθει τη λέξη «χέρι», μια από τις πρώτες που μαθαίνουν τα μωρά.

Ο λόγος είναι ότι τα μωρά έχουν χέρια που μπορούν να κινήσουν και να παρατηρήσουν, κάτι που για την ώρα απουσιάζει από τη μηχανή.