AI 自動翻訳
arXivに新たに掲載された研究（番号2610.31842v1）は、子どもが初期の語彙において多数の単純で具体的な語の意味をどのように習得するかを検討し、『文脈間学習』という理論に焦点を当てています。すなわち、子どもは語とそれが指し示す対象が共に出現する統計的情報を繰り返し蓄積することで、語の意味を推論するのです。
研究チームは対照的な視覚–言語モデルを用いて、BabyViewコーパス上で実験を行った。このコーパスには、48人の子どもによる2,441時間にわたる縦断的で第一人称視点（エゴセントリック）の映像が含まれており、日常生活における視覚と言語の入力が同時に記録されている。結果として、モデルは物体–ラベルの対応関係を効果的に学習できることが示されたが、その性能は視覚表現の質に大きく依存しており、インターネット上で事前学習した視覚特徴を用いる場合、発達映像のみから視覚表現を学習する場合に比べて著しく優れていることが明らかになった。
分析はまた、学習信号の大部分が、視覚的に観察可能な対象を明確に記述するごく一部の言語フレーズから生じていることを明らかにした。モデルが獲得した語義表現には人間のような意味構造が見られるものの、その学習過程が訓練経験に伴って進化する軌跡は、実際の子どもと実質的な差異を示している。論文では、状況を跨ぐ学習が初期段階の名詞習得において有効な戦略である一方、発達の法則に沿った計算モデルを構築するためには、自然主義的データから高品質な視覚表現を効率的に学習する技術的課題を克服することが急務であると指摘されている。