【消化】
纽约大学的研究人员使用 6 个月大的婴儿训练了一个人工智能模型。该研究旨在了解儿童如何通过婴儿的眼睛看世界，将新单词与特定物体联系起来。研究小组给一个名叫萨姆的孩子安装了头部摄像头记录仪，记录他从六个月到两岁生日期间的日常活动。他们将这段录音中的 250,000 个单词和相应图像输入到人工智能模型中，该模型教会它如何识别不同的物体，类似于 Sam 识别物体的方式。
这项研究旨在解决有关儿童学习单词所需因素的经典争论。研究人员正在探索是否需要特定于语言的偏见、先天知识或简单的联想学习。纽约大学数据科学中心和心理学系助理教授、该研究的主要作者 Brenden Lake 强调了使用人工智能模型研究儿童语言学习问题的价值。
通过 Sam 眼睛捕捉到的 61 小时的镜头（约占他清醒时间的 1%）被用来训练儿童视角对比学习 (CVCL) 模型。该 CVCL 模型成功链接图像和文本，准确率约为 61.6%。
【新闻评论】
纽约大学的一个研究团队做出了一项开创性的尝试，记录了 6 个月至 2 岁婴儿的日常生活，并利用这些数据来训练人工智能模型。这项研究的目标是了解儿童如何关联新单词和物体，并训练人工智能学习这个过程。该项目专门使用了一个名叫“Sam”的孩子的视角的视频和音频数据。
本研究旨在加深我们对儿童语言习得过程基本要素的理解。具体来说，这涉及探索特定语言的偏见、先天知识或简单的联想学习在儿童学习单词时是否发挥重要作用。这项研究使得利用人工智能技术更加贴近儿童语言学习的实际问题成为可能，有望为长期以来关于语言学习的争论提供新的线索。
该项目中开发的儿童对比学习视角 (CVCL) 模型成功地将图像和文本关联起来，准确率约为 61.6%。这表明人工智能有能力模仿人类儿童的学习过程，并根据学习过程识别物体。这一成果为人工智能学习方法开启了新的可能性，未来有望应用于教育和作为语言习得支持工具。
然而，此类研究也伴随着伦理问题。尤其是儿童隐私保护和数据处理方面的问题。还需要仔细考虑人工智能模仿人类学习过程的长期影响。随着这项技术的发展，需要制定法规和指南。
这项研究是人工智能技术进步及其应用范围不断扩大的一个例子，并为理解人类学习过程提供了一种新方法。这项技术将如何发展以及对社会产生怎样的影响仍将是一个需要持续关注的问题。