Bold, fugl, mor og far. Barnets første ord er ekstremt betydningsfulde. Måske især for forældre der ønsker, at deres børn skal kunne ytre deres behov så hurtigt som muligt.
Men hvordan lærer og forstår børn egentlig deres første ord?
Det har et amerikansk forskerhold gjort os lidt klogere på i et nyt studie, udgivet i tidsskriftet Science. Her præsenterer de en ny model baseret på kunstig intelligens (AI), som via kameraoptagelser af et enkelt barn, fra det var seks til 26 måneder, kobler de ting, barnet ser, med ord fra forældrene.
Modellen er baseret på en algoritme, der forbinder ting, som barnet ser, såsom en gryde, et par sko, en spand, en bold eller lignende, med udtalelser fra eksempelvis forældre, der snakker med barnet, når det spiser, læser eller leger.
Et eksempel kunne være, at barnet sidder på skødet af sin mor og kigger i en bog. Moren siger, »se, der er en baby«, og peger på et billede af en baby i bogen. Efter et par gentagelser begynder barnet selv at pege på billedet af babyen, når moren siger ’baby’, hvilket tyder på, at barnet forstår sammenhængen mellem billedet og ordet.
AI-modellen kan, ud fra kameraoptagelsen af situationen, parre ord med bestemte billeder og for eksempel adskille kategorien ’baby’ fra kategorien ’kat’. På den måde giver modellen os viden om, hvilke ting og ord barnet kæder sammen.
Ifølge hovedforfatteren bag studiet, Brenden Lake, giver studiet også nye og værdifulde »perspektiver på den klassiske debat om, hvilke ingredienser der skal til, før børn kan lære ord«.
Brenden Lake er lektor på Center for Data Science på New York Universitet og udtaler sig i form af en pressemeddelelse.
Studiet bygger som nævnt på optagelser af et enkelt barn, der er blevet udstyret med et kamera fastgjort på hovedet i én procent af dets vågne timer i en periode på cirka to år. Det er blevet til 61,5 timers kameraoptagelser, svarende til omkring en kvart million ord, der er blevet koblet til de ting, som barnet ser og interagerer med i hverdagen.

»Selvom studiet kun er lavet på et enkelt barn i én procent af barnets vågne timer, er det stadig det største datasæt af denne type til dato, og det giver os et unikt perspektiv på, hvordan vi kan studere tidlig sprogtilegnelse,« siger Wai Keen Vong, der er forsker på Center for Data Science på New York Universitet og er medforfatter til studiet.
Kan være med til at afgøre strid om, hvordan vi lærer sprog
Det nye studie er »bestemt interessant« i forhold til at undersøge, hvordan børn lærer sprog, mener Laila Kjærbæk, der er lektor på Institut for Kultur- og Sprogvidenskaber på Syddansk Universitet.
»I de seneste mange årtier har vi diskuteret, om børn har et medfødt anlæg for at udvikle sprog, eller om sproget er noget, de tilegner sig gennem generelle indlæringsmekanismer, som eksempelvis kategorisering,« forklarer hun.
Et medfødt anlæg betyder ikke, at man som barn fødes med et fuldendt sprog, understreger Laila Kjærbæk.
»I stedet er det en idé om, at der er et område i hjernen, der er særligt indrettet til sprog, og at nogle grundlæggende sproglige strukturer er medfødte. Den anden gren i forskningen handler om, at man tilegner sig sprog via de samme kognitive evner, vi bruger til at tilegne os alt muligt andet. Det er eksempelvis kategorisering, hvor barnet sammenkæder alt, hvad der hører til kategorien ’hund’ eller ’fugl’,« siger hun og tilføjer:
»En computermodel som den i det nye studie, kan være med til, at vi kommer nærmere et svar på en af de store debatter i sprogforskning, nemlig spørgsmålet om arv versus miljø.«
\ Svagheder ved studiet
Ifølge Isabelle Augenstein, der er professor på Datalogisk Institut på Københavns Universitet, har studiet flere væsentlige svagheder.
»Undersøgelsen er udført på et enkelt barn, hvilket gør det meget svært at generalisere om, hvordan børn udvikler sprog. Derudover analyserer forskerne ikke konkret, hvilke ord der bliver sagt. Så der er behov for flere studier med flere børn, før vi kan sige noget generelt,« siger hun.
Resultaterne af det nye studie peger ifølge de amerikanske forskere på, at børn primært lærer via en simpel indlæringsmekanisme, nemlig associativ læring, og i mindre grad er afhængig af medfødte anlæg for at lære sprog.
»Vores studie viser, at selv den mest simple associative læringsmekanisme – at knytte ord til ting – er et tilstrækkeligt signal, når det gælder tilegnelsen af de basale sprogkundskaber,« lyder det fra Wai Keen Vong.
Unikke data fra et ægte børneliv
Teknologien bag det nye studie er allerede kendt ifølge Tuukka Routsalo, der er lektor i maskinlæring på Datalogisk Institut på Københavns Universitet.
»Modellen er ikke revolutionerende i sig selv. Studiet adresserer heller ikke, hvad barnet konkret lærer, eller hvordan informationen bliver lagret i hjernen,« forklarer han og tilføjer:
»Det unikke og nye i studiet er til gengæld, at data bygger på virkelige oplevelser fra barnets hverdag. Det er virkelig spændende.«
Han bliver bakket op af sprogforsker Laila Kjærbæk, der også er begejstret for typen af data i studiet.
»Normalt undersøger man, hvilke ord børn forstår, ved at bede deres forældre notere det i et spørgeskema. Men forældrene er jo ikke inde i hovedet på barnet, så de ved reelt ikke, hvad det forstår og ikke forstår. Derfor er denne metode virkelig interessant at supplere med, fordi den tillader, at man tager udgangspunkt i, hvad barnet ser og kobler med bestemte ord og lyde,« siger hun.
Derudover kan AI-modellen gøre forskningen mere effektiv, fordi den er i stand til at danne mønstre og sammenhænge på tværs af millioner af ord og billeder af ting.
»Det er generelt ekstremt ressourcekrævende at gennemføre studier af børns sprogforståelse. Bare en enkelt times videooptagelser skal først transskriberes og analyseres af en enkelt eller flere forskere,« siger Laila Kjærbæk og slutter:
»Derfor er AI-modellen virkelig et spændende tiltag, fordi den kan gøre det muligt at lave sammenhænge mellem ord og visuelle indtryk langt mere effektivt, end hvis jeg selv eller en kollega skulle gøre det fra bunden.«
\ Kilder
Grounded language acquisition through the eyes and ears of a single child, Science (2024), doi/10.1126/science.adi1374



































