从以儿童为中心的音频数据中建模早期的语音获取
Marvin Lavechin1, Maureen de Seyssel2, Marianne Métais3
1Laboratoire de Sciences Cognitives et Psycholinguistique, Département d'Etudes Cognitives, ENS, EHESS, CNRS, PSL University, Paris, France; Cognitive Machine Learning Team, INRIA, Paris, France; Meta AI Research, Paris, France.
Cognition
|February 9, 2024
概括
婴儿的语言学习依赖于对话语的感知调和. 模型需要生态有效的数据和特定的诱导偏差来复制这种复杂的学习过程,模仿婴儿发育.
科学领域:
- 认知科学 认知科学
- 发展心理学 发展心理学
- 计算语言学 计算语言学
背景情况:
- 婴儿在说话之前很快就能将他们的感知调整到母语上.
- 这种感知调整的机制和条件尚未完全理解.
研究的目的:
- 使用现实世界以儿童为中心的音频数据,研究语言学习中的感知调和.
- 确定计算模型表现出感知调整所需的条件.
主要方法:
- 利用生态儿童为中心的音频数据进行分析.
- 采用了一个预测算法,首先是清洁的音频书数据,然后是自然主义数据.
- 在算法中引入了感应偏差,专注于语音段和不变表示.
主要成果:
- 一个简单的预测算法显示了对清洁的音频书数据的感知调整.
- 同样的算法未能调整到生态有效的以儿童为中心的数据上.
- 调整只有当算法将语音焦点和不变学习的感应偏差纳入时才出现.
结论:
- 生态有效的输入信号对于建模婴儿语言学习至关重要.
- 诱导性偏见,反映婴儿学习策略,是模型实现感知调整所必需的.
- 输入数据的特点深深地影响语言学习中的模型学习和发展.
更多相关视频
14:05Behavioral Assessment of Hearing in 2 to 4 Year-old Children: A Two-interval, Observer-based Procedure Using Conditioned Play-based Responses
Published on: January 23, 2017
29.1K
08:32Ultrasound Images of the Tongue: A Tutorial for Assessment and Remediation of Speech Sound Errors
Published on: January 3, 2017
21.8K
