ИИ слушал речь два года и не выучил ни слова. Что изменил «ночной повтор»

Учёные Принстонского университета обнаружили, что для освоения языка искусственной модели недостаточно слышать речь. Ей необходимо возвращаться к уже полученному опыту.

Ребёнок начинает осваивать язык задолго до того, как произносит первое слово. Он слышит разговоры взрослых, постепенно различает звуки и узнаёт знакомые сочетания. Исследователи решили воспроизвести этот процесс с помощью искусственного интеллекта. Оказалось, что даже тысячи часов реальной детской речи сами по себе не обеспечивают успешного обучения. Результат резко изменился, когда модели позволили регулярно повторять ранее услышанное. Исследование, опубликованное 5 ноября 2026 года в Science, предлагает новый способ изучать взаимодействие повседневного опыта и памяти в развитии языка.

Светлая семейная гостиная с детским стульчиком, раскрытой книжкой, игрушкой и компактным аудиорекордером на полке.
В проекте First 1,000 Days исследователи записывали повседневную жизнь детей, чтобы изучить естественную среду освоения речи.

Можно ли научиться говорить, просто слушая окружающих?

Представьте младенца, который ещё не знает ни одного слова. Вокруг него непрерывно звучит речь: родители разговаривают за завтраком, обсуждают домашние дела, обращаются к ребёнку, читают книги.

Взрослый человек легко различает в этом потоке отдельные слова. Но для младенца они первоначально не существуют как готовые единицы. Ему предстоит самостоятельно обнаружить, где заканчивается один звук, начинается другой и какие сочетания встречаются особенно часто.

Как мозг решает эту задачу?

На протяжении десятилетий исследователи обсуждают, насколько освоение языка зависит от врождённых особенностей человеческого мозга и насколько — от способности обнаруживать закономерности в окружающей речи.

Проверить эти гипотезы непросто. Обычно учёные наблюдают детей в лаборатории или анализируют относительно короткие записи их повседневной жизни. Но языковое развитие происходит непрерывно, на протяжении тысяч часов.

Команда Принстонского университета под руководством Ури Хассона решила подойти к проблеме иначе: получить исключительно подробную запись раннего опыта конкретного ребёнка, а затем попытаться воспроизвести его обучение с помощью вычислительной модели.

Тысяча дней детства, записанных на камеры и микрофоны

В рамках проекта First 1,000 Days исследователи установили системы аудио- и видеозаписи в 15 американских семьях.

Оборудование фиксировало повседневную жизнь детей с рождения примерно до трёхлетнего возраста, записывая до 12-14 часов аудиовизуальных данных ежедневно.

В отличие от привычных лабораторных наблюдений, исследователи получили возможность изучать реальную языковую среду: разговоры взрослых, обращения к ребёнку, бытовые диалоги и другие речевые события.

Для опубликованного в Science исследования использовали данные восьми детей, по которым обработка записей была завершена.

В зависимости от семьи доступный материал включал примерно 1900-6600 часов речи и от 6 до 27 миллионов автоматически распознанных слов. Продолжительность пригодных для моделирования записей различалась, поэтому не все восемь моделей получили данные за полные 1000 дней.

Для каждого ребёнка исследователи создали отдельную модель искусственного обучения.

У неё не было заранее заданного словаря или знания фонем. Фонемами лингвисты называют звуковые единицы, различающие слова. Например, замена «д» на «т» превращает «дом» в «том».

Модель получала речь в хронологическом порядке, день за днём, подобно тому, как ребёнок постепенно знакомится со своим языковым окружением.

При этом исследователи использовали не исходные шумные аудиозаписи, а очищенную, заново синтезированную речь на основе автоматических расшифровок. Это позволяло сосредоточиться на освоении звуковой структуры языка, не усложняя задачу посторонними шумами.

Первое разочарование: два года без единого слова

Начальный эксперимент проводили на материалах девочки с псевдонимом Корал.

Исследователи ожидали, что огромного количества окружающей речи окажется достаточно для постепенного формирования языковых представлений.

Но произошло неожиданное.

Модель обрабатывала речь день за днём, однако практически не сохраняла результаты предыдущего обучения. Новые данные поступали, а устойчивые знания не формировались.

К эквиваленту второго дня рождения Корал искусственный ученик не освоил ни одного слова.

Это был важный результат.

Проблема заключалась не в отсутствии языкового материала. Речевое окружение ребёнка содержало миллионы слов и многочисленные повторяющиеся закономерности.

Но однократного прохождения через этот поток оказалось недостаточно для успешного обучения модели.

Исследователи предположили, что отсутствует один из механизмов, позволяющих человеческому мозгу превращать кратковременный опыт в долговременные знания.

Почему повторение может быть не менее важным, чем новый опыт

В человеческом мозге память не сводится к пассивному хранению событий.

Исследования показывают, что во время сна и отдыха могут повторно активироваться нейронные последовательности, связанные с предыдущим опытом. Такие процессы рассматриваются как возможный механизм консолидации памяти — закрепления и преобразования недавно полученной информации.

Применительно к освоению языка это особенно интересно.

Представим, что ребёнок несколько раз услышал слово «кошка» в разных ситуациях. Для формирования устойчивого представления недостаточно просто зарегистрировать звуки. Необходимо сохранить обнаруженные закономерности и связать их с последующим опытом.

Исследователи добавили в модель механизм, условно названный ночным повторением.

В конце каждого смоделированного дня алгоритм возвращался к части ранее обработанного речевого материала. Преимущество получали относительно недавние события, хотя более старый опыт также мог повторяться.

Это не была компьютерная имитация настоящего сна. Модель не воспроизводила физиологические стадии сна или работу нейронных сетей мозга.

Учёные проверяли более узкую гипотезу: помогает ли ограниченное повторное использование прошлого опыта последовательному освоению языка?

Результат оказался принципиально другим.

Модель научилась сохранять ранее приобретённые представления и постепенно дополнять их новой информацией.

Сначала она сформировала категории звуков, соответствующие почти всему набору английских фонем. Затем начала обнаруживать устойчивые звуковые последовательности, соответствующие словам.

К эквиваленту 24 месяцев модель Корал накопила примерно 2900 базовых словарных форм.

Причём исследователи обнаружили, что результат сильно зависел от количества повторений: при минимальном повторном предъявлении материала слова практически не усваивались.

Здесь необходимо важное уточнение. Эксперимент не доказывает, что человеческий мозг во сне буквально многократно воспроизводит услышанные слова по тому же алгоритму. Авторы рассматривают такой механизм как проверяемую гипотезу, а не установленное описание работы мозга младенца.

Как искусственный интеллект обнаруживал слова, которых раньше не знал

Самое интересное в эксперименте — модель не получала готовый список слов.

Её обучение было организовано в несколько взаимосвязанных процессов.

Сначала один вычислительный модуль анализировал короткие фрагменты звучащей речи и обнаруживал повторяющиеся акустические закономерности. Постепенно формировались категории, близкие к звукам человеческого языка.

Затем другой модуль учился предсказывать, какой звуковой элемент должен появиться следующим.

Если определённая последовательность становилась достаточно предсказуемой, система могла выделить её как устойчивую словесную форму.

Например, часто встречающаяся последовательность звуков, соответствующая английскому dog, постепенно могла превратиться из набора звуковых элементов в отдельную единицу внутреннего словаря.

При этом никакого изображения собаки модель не видела.

Она распознавала звуковую форму слова, но не знала, что именно это слово обозначает.

Это различие принципиально: научиться распознавать повторяющееся слово и понимать его значение — разные достижения.

Эксперимент показал, что существенная часть первоначальной звуковой организации языка может возникать в процессе обучения на речевом материале без заранее заданного словаря.

Но он не объяснил, каким образом ребёнок связывает услышанные слова с предметами, действиями, эмоциями и намерениями окружающих людей.

Восемь семей показали, что одинаковая среда не обязательна для обучения

Следующий этап исследования позволил проверить, работает ли найденный механизм за пределами одной семьи.

Модели обучали на речевых записях семи других детей.

Семьи заметно различались по объёму речи, темам разговоров и характеру повседневного общения.

Тем не менее одна и та же архитектура успешно формировала звуковые категории и словесные представления во всех восьми случаях.

Но обнаружилась новая проблема.

Реальные дети осваивали слова в разном темпе. По данным родительских опросников, возраст достижения половины контрольного словаря составлял примерно от 12 до 22 месяцев.

Модели же, получившие одинаковые внутренние настройки, достигали аналогичного уровня приблизительно в 16-18 месяцев, независимо от семьи.

Получалось, что различия речевого окружения сами по себе недостаточно объясняли наблюдаемый разброс сроков языкового развития.

Тогда исследователи изменили три внутренних параметра:

  • Объём повторения предыдущего опыта.
  • Частоту обновления модели в процессе обучения.
  • Время перехода к активному освоению словесных последовательностей.

После подбора этих параметров траектории обучения моделей стали значительно лучше соответствовать индивидуальным темпам развития детей.

Это один из наиболее содержательных результатов исследования.

Он показывает, что при моделировании языкового развития необходимо учитывать не только количество и характер услышанной речи, но и особенности обработки информации самим учеником.

Однако подобранные параметры не следует автоматически считать реальными биологическими характеристиками конкретных детей. Исследователи продемонстрировали возможность воспроизвести наблюдаемые различия, но не измерили соответствующие механизмы непосредственно в детском мозге.

Почему большое количество речи действительно имеет значение

Исследователи отдельно проверили, насколько результат зависит от полноты речевого материала.

Для модели Корал сокращение доступных ежедневных записей на 50% приводило к тому, что к 24 месяцам она осваивала лишь около 16% того количества базовых словарных форм, которое достигалось при использовании полного объёма данных.

Такой выраженный эффект объясняется особенностями обычного языка.

Некоторые слова звучат постоянно. Другие встречаются редко, иногда лишь в определённых ситуациях.

Если сократить наблюдения, распространённые слова ещё могут оставаться в обучающем материале. Но редкие выражения и контексты начинают исчезать.

Для алгоритма это означает потерю статистических закономерностей, необходимых для обнаружения менее распространённых слов.

Однако превращать результат в рекомендацию обеспечить ребёнку определённое количество часов речи ежедневно было бы ошибкой.

Учёные измеряли зависимость обучения вычислительной модели от объёма доступных данных. Они не устанавливали оптимальную продолжительность разговоров для детей и не сравнивали различные способы воспитания.

Тем более исследование не доказывает, что длительное пассивное прослушивание записанной речи способно заменить живое общение.

Чего искусственное «детство» пока не объясняет

Несмотря на впечатляющие результаты, модель остаётся гораздо проще настоящего ребёнка.

Она не видит окружающий мир, не наблюдает за движениями взрослых, не показывает пальцем на предметы и не использует речь для достижения собственных целей.

В настоящем развитии язык тесно связан с восприятием, движениями, памятью и социальным взаимодействием.

Кроме того, даже использованная в исследовании речь была существенно упрощена. Её предварительно реконструировали из текстовых расшифровок, поэтому модель не сталкивалась с полной сложностью настоящего звучания, включая естественную интонацию, особенности голосов и наложение разговоров.

Есть и методологические ограничения.

Словарное развитие детей оценивали преимущественно с помощью родительских опросников MacArthur-Bates. После 16 месяцев данные о понимании слов частично продолжали математически рассчитанные траектории, поскольку последующие опросники были ориентированы на произнесение слов.

Для трёх из восьми моделей также потребовалась экстраполяция части траекторий из-за меньшей продолжительности доступных записей.

Таким образом, совпадение кривых модели и ребёнка не равнозначно прямому доказательству одинакового механизма обучения.

Исследование подтверждает возможность определённого вычислительного объяснения раннего освоения звуков и словоформ. Но оно не доказывает, что человеческий мозг использует именно этот алгоритм.

Что исследование может изменить в науке о развитии детей

Главная ценность работы заключается не в создании искусственного ребёнка.

Принстонская команда предложила новый способ проверять теории когнитивного развития.

Вместо того чтобы только наблюдать поведение детей и пытаться восстановить скрытые механизмы обучения, исследователи могут построить модель, предоставить ей сопоставимый жизненный опыт и проверить, насколько её развитие соответствует реальному.

Если модель не воспроизводит наблюдаемые результаты, это помогает обнаружить недостающие механизмы.

Авторы планируют постепенно расширять возможности искусственных учеников: добавить зрительную информацию, взаимодействие с окружающими людьми, собственные действия и связь слов с объектами реального мира.

Особый интерес представляет возможное применение такого подхода для изучения индивидуальных различий речевого развития.

В перспективе модели могут помочь исследователям лучше понимать, какие сочетания внешних условий и внутренних процессов сопровождают различные траектории освоения языка.

Но говорить о готовой технологии ранней диагностики нарушений речи пока нельзя. Исследование не проверяло клиническую эффективность модели и не предназначалось для принятия медицинских решений.

Синтез от АПТЕКИУМ: Принстонский эксперимент показывает, что освоение языка зависит не только от информации, поступающей извне, но и от способности сохранять, повторно обрабатывать и постепенно объединять полученный опыт. Искусственный интеллект пока не научился понимать слова так, как ребёнок, но помог сформулировать более точный вопрос: какие механизмы превращают множество услышанных звуков в устойчивые знания о языке?
18+
Для профессионального сообщества:

Данная публикация предназначена для специалистов здравоохранения и участников фармрынка. Аналитические выводы редакции носят информационный характер и не являются призывом к самолечению или заменой очной консультации врача. При работе с лекарственными препаратами необходимо руководствоваться официальной инструкцией и мнением профильного специалиста. Полный текст дисклеймера.