Princetoni kutatók kisgyerekek otthoni beszédkörnyezetéből tanítottak nyelvet egy mesterséges intelligenciának, és a korábban hallott részletek újrajátszása döntőnek bizonyult. A friss eredmény segít megérteni a nyelvtanulás egy darabját, miközben azt is megmutatja, mekkora távolság van a szavak felismerése és egy gyerek tudása között.
Állítsd be a mivagyunk.hu-t kedvenc forrásként a Google-benEgyetlen család beszéde is elég izgalmas feladat
Képzeljünk el egy reggelt egy kisgyerek mellett. Valaki megkérdezi, hol a cipője, közben megszólal a testvére, később ugyanaz a szó egy egészen más mondatban kerül elő. A beszélgetés résztvevőinek mindez természetes. Egy kívülálló tanulónak azonban először azt is fel kellene fedeznie, hol kezdődnek és végződnek a szavak a folyamatos beszédben.
Aki próbált már ismeretlen nyelvű beszélgetést követni, ismeri ezt az élményt. A hangok egybefolynak, a visszatérő részletek lassan válnak ismerőssé. Ha ehhez készítenénk egy gépet, kézenfekvő lenne szótárt és rengeteg példát adni neki. Csakhogy így éppen azt kerülnénk meg, amit meg szeretnénk érteni, hogy hogyan fedezhetők fel a beszéd építőelemei előzetes nyelvtudás nélkül?
A Science november 5-én megjelent tanulmányában nyolc gyerek otthoni beszédanyagára külön-külön tanítottak modelleket. Az adott gyerek környezetében elhangzó beszédet időrendben dolgozták fel, előzetes nyelvi tudás nélkül. A hangfelvételekből azonban előbb átiratot, majd tisztább, géppel előállított beszédet készítettek; a teljes otthoni hangzavart még nem kellett megfejteniük. A rendszerek beszédhangoknak megfelelő egységeket és több ezer szóalakot sajátítottak el. Ez a szó hangzásának felismerését jelentette; a hozzá tartozó jelentés megértését nem vizsgálták ezzel a teljesítménnyel.
A hallottakhoz vissza is kellett térni
A Princeton beszámolója szerint az elsőként vizsgált modell pusztán a naponta érkező beszédből alig őrzött meg valamit. A fordulatot az hozta, amikor minden szimulált nap végén újra feldolgozhatott korábbi részleteket, főként a közelmúltból. Ezt az alvás alatti emlékezeti feldolgozás gondolata ihlette, de a rendszerben alvást nem hoztak létre. Az újrajátszás segítségével már tartósabban épült a tudása. A kísérlet így egy konkrét gépi tanulási eljárás működését mutatja meg; egy kisgyerek alvásának szerepét önmagában nem bizonyítja.
Érdemes megállni ennél a különbségnél. Könnyű lenne úgy továbbadni a hírt, hogy az MI megtanult aludni, és ettől beszélni kezdett. Csakhogy egy ilyen mondat két olyan képességet is hozzáadna a történethez, amelyet a kísérlet nem igazolt. A pontosabb változat kevésbé meseszerű, viszont érdekesebb kérdést hagy maga után.
Mennyit számít a tanulásban, hogyan térünk vissza a már megtapasztalt dolgokhoz?
A „kérem” felismerése még kevés a reggelihez
Egy szemléltető példa megmutatja, hol húzódik a határ. A „kérem” hangsor felismerése más feladat, mint észrevenni, hogy valaki éppen a kenyeret szeretné elérni az asztalnál. Utóbbihoz számít, hová néz, mi van előtte, és mit szeretne a másik embertől. A hétköznapi nyelvhasználatban ezek együtt jelennek meg.
A modell teljesítményét ezért azon a feladaton érdemes megítélni, amelyet kapott. Egy sikeres részmegoldás közelebb vihet a nyelvtanulás megértéséhez, miközben sok további kérdést nyitva hagy. Abból, hogy egy rendszer megtalálja a beszéd visszatérő mintázatait, még nem következik, hogy egy családi reggeliben is elboldogulna.
Magyarul is működne?
Az eredmény angol nyelvű környezetből származik, ezért magyar gyerekek nyelvelsajátítására közvetlen bizonyítékot nem ad. Nálunk például külön vizsgálatot érdemelne, hogyan kezeli egy hasonló rendszer az „autó”, „autóban” és „autóinkkal” alakokat. Felismeri-e a kapcsolatukat, vagy külön megtanulandó hangsorokként kezeli őket? Ez a kutatás magyar alkalmazásából következő kérdés, amelyre a mostani eredmény még nem válaszol.
A hír szülőként sem indokol újabb fejlesztési versenyt. Ebből a kísérletből nem lehet előírni, hány szót halljon egy gyerek naponta, vagy hogyan kellene változtatni az alvásán. A tanulás emberi oldaláról szóló korábbi cikkünkhöz inkább egy új nézőpontot ad – külön kell figyelnünk arra, milyen teljesítményt látunk, és abból milyen tudásra következtetünk.
Ha legközelebb azt olvassuk, hogy egy gép „úgy tanul, mint egy gyerek”, keressük meg a mondat mögött a tényleges feladatot. Beszédhangokat különböztetett meg? Szóalakokat ismert fel? Megértett egy kérést? E különbségek nélkül könnyű olyan emberi képességet tulajdonítani a rendszernek, amelyet még senki sem vizsgált.
