Ученые Окинавского института науки и технологий в Японии разработали новую модель искусственного интеллекта (ИИ) под названием PV-RNN, которая исследует процесс изучения первого языка детьми.
Эта модель обучается через концепцию «воплощенного взаимодействия», используя три одновременно работающих входных канала. Первый из них - зрительный, который обрабатывает информацию из видео. Второй - проприоцептивный, реагирующий на углы суставов руки робота во время его движений. Третий канал связан с языковыми инструкциями, например, командой «положи красный кубик на синий».
Основная задача модели заключается в генерации изображений и движений суставов в ответ на языковые инструкции или наоборот - выдать языковую инструкцию на основе сенсорного ввода.
В отличие от нейросетей больших языковых моделей, таких как ChatGPT, которые имеют сложную структуру и мало понятны в своем внутреннем устройстве, PV-RNN обладает менее глубокой архитектурой, что позволяет исследователям визуализировать изменения в ее внутреннем представлении информации.
Изучая, как модель обрабатывает информацию, ученые получили новые сведения об интеграции различных видов данных для формирования действий и языковых ответов. Соавтор исследования, доктор Виджаярагхаван, отметил, что модель лучше усваивает слова, если она сталкивается с ними в различных контекстах. Это схоже с тем, как дети быстрее понимают цвет красного, взаимодействуя с разными красными предметами, чем просто играя с одним красным мячиком.
Модель PV-RNN предлагает решение проблемы «бедности стимулов», возникающей из-за недостатка языкового материала для детей, что может препятствовать быстрому овладению языком. Несмотря на небольшое количество исходных данных, модель сумела связать действия с языком, что подтверждает важность взаимодействия с окружающей средой в процессе изучения языка. Понимание слова «страдание» через языковые инструкции имеет меньший эмоциональный эффект, чем для модели, которая усваивает его значение через практический опыт.
Доктор Виджаярагхаван подытоживает: «Наблюдая за обучением модели в объединении языка и действий, мы получаем insight о базовых процессах, лежащих в основе человеческого познания».
