Bebekler dil yeteneğine sahip mucizelerdir. Gürültülü ve kaotik bir dünyada doğarlar ve zamanla anlamaz sesleri kelimelere dönüştürürler. İki yıl içinde binlerce kelimeyi tanıyabilir, karmaşık cümleleri takip edebilir ve ihtiyaçlarını haykırabilirler.
Bu başarıyı nasıl başardıkları uzun süredir bilim insanlarını düşündürüyor. Bebekler dillerini samimi bir dünyadan—ebeveynlerinin sesinden, tanımadık insanların konuşmasından, gece uyumadan önce okunan masallardan edinirler. Onları başlatmak için birkaç saatlik konuşma yeterlidir.
Bu, büyük dil modellerinin (LLM) insan konuşmasını taklit etmek için milyarlarca kelime yemesiyle keskin bir karşılaştırma oluşturuyor. Sohbet botları ve yapay zeka ajanları dijital dünyayla etkileşim kurma biçimimizi dönüştürüyor. Ancak su ve enerji israf ediyorlar ve “veri merkezleri yasak” yazılı tabelalar artık mahalle sokaklarını süslüyor.

Bebekler gibi dil öğrenen yapay zeka modelleri geliştirmek, erken yıllarımızın sırlarını ortaya çıkarabilir—öğrenmenin yolundan çıktığında ne olduğunu da dahil etmek üzere—ve daha verimli makine zekâlarını ilhamlandırabilir.
Princeton Üniversitesi’nden gelen alışılmadık bir çalışma, bizi bir adım daha yaklaştırıyor. Sekiz hane kameraları ve mikrofonlarından kaydedilen sesler kullanılarak, ekip çocukların doğumdan yaklaşık üç yaşına kadar günlük hayatlarını çevreleyen sesleri kaydetti. Bu ses günlükleri, uyanık oldukları yaşamın yoğun bir kaydını oluşturdu. Araştırmacılar ardından her çocuk için bir yapay zeka öğrenmecisi geliştirdi. Bir dijital klon gibi, her model çocuğun dil ortamını zaman içinde gelişirken deneyimledi; tüm verilerle tek seferde eğitilmek yerine. Bu yaklaşım, mühendislerin LLM’leri eğittiği biçimden büyük bir ayrılıktır.
“Yüzyıldan fazla bir süreden beri psikoloji gelişimi büyük ölçüde dışarıdan çalıştı,” dedi çalışma yazarı Uri Hasson bir basın açıklamasında. “Şimdi tamamlayıcı bir yaklaşım benimseyebiliriz: Bir öğrenme sistemi kurun, çocuga ait gerçek deneyimi ona verin ve onun çocuk gibi gelişip gelişmediğini sorun.”
Küçük İstatisyenler
Onlarca yıllık araştırma, bebeklerin bir dili anlayabildikleri much daha erken dönemlerde dile tepki verdiklerini gösteriyor. 1970’lerde gerçekleştirilen ve ekolpisa olarak bilinen bu çalışmalar, bebeklerin emme alışkanlıklarını ölçmek için emzikler kullanmış ve yeni bir konuşma sesi duyduklarında—örneğin “b”den “p”ye geçiş yaptıklarında—daha hızlı emdiklerini ortaya koymuştur.
Sekiz aylık bebekler, yapay bir konuşma akışındaki kelimeleri, aralarında duraksama olmasa bile ayırt edebilir. Bir şekilde seslerdeki istatistiksel örüntüleri yakalamayı öğrenmişlerdir. Göz hareketlerini izleyen çalışmalar ise bebeklerin konuşulan kelimeleri tanıma yeteneğinin 15 ile 25 aylık dönem arasında, onları tekrarlayabildikleri much daha erken bir dönemde hızla geliştiğini göstermektedir.
Son yıllarda bilim insanları, bebeklerin günlük hayatına mikrofonlar ve giyilebilir kaydedicilerle kulak misafili olmuş, ortaya çıkan kelime dağarcığını gerçek dünya sesleriyle ve sosyal etkileşimlerle ilişkilendirmiştir. Bu arada, dil gelişimini gevşek biçimde taklit eden hesaplamalı modeller, öğrenme sürecinin bazı yönlerini haritalandırmaktadır; ancak genellikle belirli dil becerilerine özel olarak uyarlanmaktadırlar.
Daha güçlü yapay zekâ modelleri—“dikkat etme” yeteneğine sahip olanlar—dil edinimini daha iyi çözebilir. Hollanda’daki Max Planck Psikodillik Enstitüsü’nden Zara Harmon ve Caroline Rowland, çalışmaya katılmamalarına rağmen, “artan ölçüde gerçekçi koşullar altında öğrenmeyi modellemenin artık mümkün olduğunu” yazmışlardır.
Yeni çalışma, Princeton’ın 1.000 Gün projesinin bir parçası olarak tam da bunu gerçekleştirmiştir.
Coral’ın Yolculuğu
Yeni doğan bir bebeği ağırladıktan kısa bir sonra evinize kamera ve mikrofon kurmak zor bir teklifdir. Araştırmacı ekip, ebeveynlere kayıtları geri alma veya silme hakkını sürekli olarak kullanma imkanı tanıyan bir etik çerçeve geliştirmiştir. Sonuçta, farklı sosyoekonomik arka planlara, günlük rutinelere ve dil ortamlarına sahip 15 aile ile çalışmışlardır.
Her eve, günde yaklaşık 12 saat boyunca 4 ile 14 arasında cihaz yerleştirilmiş ve bu cihazlar birlikte milyonun üzerinde saat ses ve video kaydetmiştir. Bir yapay zekâ hattı, bu veri selini işlemiş; bebeklerin kameraya çıktığı anları tespit etmiş ve konuşmayı algılamıştır.
Gürültüden, uzun sessizlik periyotlarından ve üst üste binen konuşmalardan arındıktan sonra ekip, bireysel modelleri eğitmek için her çocuk için 6.600 saate kadar ses kaydı çıkardı; bu süreç Coral ile başladı.

Yapay zekâ, çevrimi kaynaklara erişimi olmayan, önceden tanımlanmış İngilizce sesleri bilinmeyen ve bir kelimenin nerede bitip diğerinin nerede başladığına dair ipucu vermeyen bir boş levha olarak başladı. Nispeten küçük modelin iki ana bileşeni vardı. Bir ses kodlayıcı konuşmayı 20 milisaniyelik parçalara böldü, öngörücü bir kod çözücü ise sıradan seslerin muhtemelen hangileri olacağını tahmin etmeyi öğrendi. (Bu, tanıdık bir şarkının ilk notalarını duymanın, sonrasında neler geleceğini bilmeniz için yeterli olmasıyla biraz benziyor.)
Yapay zekâ tüm kayıtları aynı anda eğitilmek yerine, Coral’ın yaptığına çok benzer şekilde, Coral’ın dil dünyasını gün gün “deneyimledi”.
İşe yaramadı.
“Tek bir çocuktan gelen muazzam miktarda konuşmaya rağmen öğrenme sonuçlarının umutsuz olduğunu görmek bizleri şaşırttı,” diyordu çalışmanın yazarlarından Hadas Raviv. “Coral’ın modelini günlük konuşmanın zengin akışına maruz bırakmak yeterli değildi.”
Çözüm, tekrar oynattı. Beynin her günün öğrenmesini uyku sırasında uzun süreli belleğe kazımasından ilham alan ekip, yapay zekâya simüle edilen her günün sonunda yakın zamanda duyduğu konuşma parçalarını tekrar gözden geçirme fırsatı verdi. “Bu, [öğrenmeyi artırmak] için yeterliydi,” yazdı yazarlar bir blog gönderisinde.
Tekrar oynatmayla yapay zekâ, Coral’ın öğrenme izini izledi. Önce konuşmanın yapı taşları olarak adlandırılan fonemleri kavradı ve sonunda tekrarlayan kelimeleri tanıdı. Öğrenme yavaş başladı. Ancak Coral büyüdükçe ve uyanık geçirdiği saatler arttıkça, hem bebek hem de yapay zekâ ikizi giderek hızlanan bir hızla yeni kelimeleri kavrayabildi. Yaklaşık 1.000. günde, sözcük dağarcıkları binlerce kelimeye ulaştı.
Suç çocuk boyunca modeller, 15 ay içinde yaklaşık 37 fonemi öğrendi ve iki yaşından önce kelimeleri tanıma başladı, ancak çok farklı hızlarda. Her çocuğun öğrenme izine uyum sağlamak için ekip, her gece ne kadar konuşmanın tekrar oynatılacağı dahil olmak üzere model ayarlarını iyileştirdi.
“Çocukların gelişimsel ortamlarının karmaşık olduğunu uzun süredir biliyoruz,” dedi çalışma yazarı Casey Lew-Williams. “Ancak şimdi bu günlük karmaşıklığı gerçekten görebiliyoruz.”
Bu, yapay zekânın bir bebeğin beyninin kopyası olduğu anlamına gelmiyor. Bilgiyi nöronların karakteristik olduğu gibi paralel ve enerji verimli şekilde işlemiyor. Ve yalnızca sesle öğrendi; bebekler ayrıca sözsüz ipuçlarından—bakışlar, jestler, yüz ifadeleri ve başkalarıyla etkileşim—de yararlanıyor.
Ekip için önemli bir sonraki adım, modelin hangi yönlerinin gerçekten bebek öğrenmesini yansıttığı ile makine zekâlarını ilham verebilecek hesaplama kısayolları olabilecek yönlerin ayrıştırılması.
“Mevcut model yalnızca başlangıç,” dedi Hasson. Eşlik eden görüntüler, “çocukların dünyayı nasıl gördüğü, işittiği, etkileştiği ve nasıl davrandığına dair olağanüstü miktarda bilgi sağlıyor. Amacımız, modellere bu kapasiteleri kademeli olarak daha fazla vermek ve ortaya ne çıktığını görmek.”
Bu Gelişmeyi Toplulukta Değerlendirin
Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.
Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.
Foruma Katıl & Yanıtla ➔




Söz sizde.
Deneyiminizi, sorularınızı ve katkılarınızı paylaşın. E-posta adresiniz yayımlanmaz.