Artificial intelligence (AI) onderzoekers zijn erin geslaagd een machine learning model te creëren dat woorden kan leren door middel van beelden vastgelegd door een peuter met een camera op zijn hoofd. Deze bevindingen, gepubliceerd in het tijdschrift Science, kunnen nieuwe inzichten bieden in hoe kinderen taal leren en mogelijk onderzoekers informeren bij hun pogingen om toekomstige machine learning modellen te bouwen die meer op menselijke wijze leren.
Het onderzoek toont aan dat kinderen doorgaans rond de leeftijd van 6 tot 9 maanden beginnen met het verwerven van hun eerste woorden. Tegen hun tweede verjaardag hebben de meeste kinderen ongeveer 300 woorden in hun vocabulaire. Echter, de precieze mechanismen achter hoe kinderen betekenis associëren met woorden blijven onduidelijk en zijn onderwerp van wetenschappelijk debat. Onderzoekers van het Center for Data Science van de New York University hebben geprobeerd dit grijze gebied verder te verkennen door een AI-model te creëren dat op dezelfde manier probeert te leren als een kind.
Om het model te trainen, gebruikten de onderzoekers meer dan 60 uur aan video- en audio-opnamen van een camera op het hoofd van een kind genaamd Sam. Deze camera werd gedragen vanaf het moment dat Sam zes maanden oud was tot zijn tweede verjaardag. Gedurende deze 19 maanden verzamelde de camera meer dan 600.000 videoframes die verbonden waren met meer dan 37.500 getranscribeerde uitspraken van mensen in de buurt. Het achtergrondgeluid en de videoframes geven een inkijkje in de ervaring van een zich ontwikkelend kind tijdens het eten, spelen en ervaren van de wereld om hen heen.
Met behulp van de beelden en geluiden van Sam hebben de onderzoekers vervolgens een neuraal netwerkmodel gecreëerd om te begrijpen wat Sam zag en hoorde. Het model analyseerde frames van de camera en transcribeerde spraak die gericht was op Sam. Het model leerde door woorden te associëren met specifieke objecten en visuele waarnemingen wanneer deze toevallig tegelijkertijd plaatsvonden.
Om de prestaties van het model te testen, werd het op dezelfde manier geëvalueerd als kinderen. Het model kreeg vier afbeeldingen uit de trainingsset voorgelegd en moest kiezen welke afbeelding overeenkwam met een gegeven woord, zoals “bal”, “wieg” of “boom”. Het model slaagde er 61,6% van de tijd in. Het model benaderde zelfs vergelijkbare niveaus van nauwkeurigheid als twee afzonderlijke AI-modellen die werden getraind met veel meer taalinputs. Bovendien was het model in staat om enkele afbeeldingen correct te identificeren die niet waren opgenomen in de dataset van Sam’s camera, wat suggereert dat het in staat was om te leren van de gegevens waarop het was getraind en deze te gebruiken voor meer algemene waarnemingen.
De bevindingen suggereren dus dat het associëren van visuele waarnemingen met woorden voldoende lijkt te zijn voor kinderen om woorden te leren en een vocabulaire op te bouwen. Deze ontdekking kan waardevol zijn voor toekomstige AI-ontwikkelaars die geïnteresseerd zijn in het creëren van AI-modellen die op vergelijkbare wijze leren als mensen. In plaats van grote hoeveelheden potentieel auteursrechtelijk beschermd of bevooroordeeld materiaal te gebruiken, zou een AI-model dat het leerproces van een kind nabootst een alternatieve manier kunnen bieden om taal te herkennen.
“Ik was verrast over hoeveel hedendaagse AI-systemen kunnen leren wanneer ze worden blootgesteld aan slechts een minimale hoeveelheid gegevens die een kind daadwerkelijk ontvangt bij het leren van een taal”, aldus Brenden Lake, professor aan het Center for Data Science van de New York University.
Veelgestelde vragen (FAQ):
1. Wat hebben AI-onderzoekers bereikt met betrekking tot het leren van woorden door middel van beelden?
AI-onderzoekers zijn erin geslaagd een machine learning model te creëren dat woorden kan leren door middel van beelden, vastgelegd door een peuter met een camera op zijn hoofd.
2. Wat is de mogelijke impact van deze bevindingen?
Deze bevindingen kunnen nieuwe inzichten bieden in hoe kinderen taal leren en mogelijk onderzoekers informeren bij hun pogingen om toekomstige machine learning modellen te bouwen die meer op menselijke wijze leren.
3. Wat is de typische leeftijd waarop kinderen beginnen met het leren van hun eerste woorden?
Uit het onderzoek blijkt dat kinderen doorgaans rond de leeftijd van 6 tot 9 maanden beginnen met het verwerven van hun eerste woorden.
4. Hoeveel woorden hebben de meeste kinderen in hun vocabulaire rond hun tweede verjaardag?
Tegen hun tweede verjaardag hebben de meeste kinderen ongeveer 300 woorden in hun vocabulaire.
5. Wat hebben de onderzoekers gebruikt om het model te trainen?
De onderzoekers gebruikten meer dan 60 uur aan video- en audio-opnamen van een camera op het hoofd van een kind genaamd Sam.
6. Hoe heeft het model geleerd?
Het model leerde door woorden te associëren met specifieke objecten en visuele waarnemingen wanneer deze toevallig tegelijkertijd plaatsvonden.
7. Hoe goed presteerde het model in vergelijking met kinderen?
Het model slaagde er 61,6% van de tijd in om de juiste afbeelding bij een gegeven woord te kiezen.
8. Welke mogelijke toepassingen heeft deze bevinding voor AI-ontwikkelaars?
Deze bevinding kan waardevol zijn voor toekomstige AI-ontwikkelaars die geïnteresseerd zijn in het creëren van AI-modellen die op vergelijkbare wijze leren als mensen, zonder grote hoeveelheden auteursrechtelijk beschermd of bevooroordeeld materiaal te gebruiken.
Belangrijke termen:
– Artificial intelligence (AI): Kunstmatige intelligentie, een gebied van informatica dat zich bezighoudt met het creëren van intelligent gedrag bij machines.
– Machine learning model: Een model dat gebruikmaakt van algoritmen en statistische technieken om computersystemen in staat te stellen te leren en beslissingen te nemen zonder expliciete instructies.
– Neuraal netwerkmodel: Een computernetwerk dat is geïnspireerd op het menselijke brein en bestaat uit verschillende lagen van kunstmatige neuronen die informatie verwerken en doorgeven.
Gerelateerde links:
– Science Daily
– New York University