arXiv에 새로 게재된 연구(번호 2610.31842v1)는 아동이 초기 어휘에서 다수의 간단하고 구체적인 단어의 의미를 어떻게 습득하는지 탐구하며, ‘상황 간 학습’ 이론에 주목한다. 이 이론에 따르면, 아동은 특정 단어와 그 지시 대상이 함께 나타나는 통계적 정보를 반복적으로 축적함으로써 단어의 의미를 추론한다.
연구팀은 대조적 시각–언어 모델을 사용하여 BabyView 코퍼스를 기반으로 실험을 수행했습니다. 이 코퍼스에는 48명의 아동이 참여한 2,441시간에 걸친 종단적 제1인칭 시점(egocentric) 영상이 포함되어 있으며, 실제 생활에서의 시각적 및 언어적 입력이 동기화되어 기록됩니다. 실험 결과, 모델이 객체–태그 매핑을 성공적으로 학습할 수 있지만, 성능은 시각적 표현의 품질에 크게 의존하는 것으로 나타났습니다. 인터넷에서 사전 학습된 시각 특성을 활용한 경우, 발달 영상만으로 시각적 표현을 학습한 경우보다 성능이 현저히 우수했습니다.
분석 결과, 학습 신호의 대부분은 가시적 대상을 명확히 묘사하는 소수의 언어 조각에서 비롯된다는 점도 확인되었다. 모델이 학습한 어휘 의미 표현은 인간과 유사한 의미 구조를 보여주지만, 그 학습 과정이 훈련 경험에 따라 진화하는 궤적은 실제 아동의 경우와는 실질적인 차이를 나타낸다. 논문은 상황 간 학습이 초기 명사 습득을 위한 실행 가능한 전략임을 지적하면서도, 발달 규칙에 부합하는 계산 모델을 구축하기 위해서는 자연주의 데이터로부터 고품질 시각적 표현을 효율적으로 학습하는 기술적 한계를 극복해야 한다고 강조한다.