Bagaimana AI Mempelajari Kata-Kata Baru Dari Anak Kecil
Para ilmuwan telah membuat terobosan dalam mengajarkan model kecerdasan buatan (AI) untuk mempelajari kata-kata menggunakan rekaman audiovisual berdurasi 61 jam dari kamera yang dipasang di kepala seorang balita. Studi yang ditampilkan dalam Science ini menunjukkan bahwa proses pembelajaran bahasa mungkin bisa lebih mudah dari yang kita duga. Brenden Lake—penulis senior dari studi tersebut dan seorang profesor di Universitas New York—mengatakan, "Kami menunjukkan, untuk pertama kalinya, bahwa Anda dapat melatih model AI untuk mempelajari kata-kata melalui mata dan telinga seorang anak."
Model AI
Tim peneliti menggunakan model pembelajaran mesin dengan Vision Encoder dan Text Encoder untuk memproses gambar dan bahasa tertulis guna pemahaman AI. Mereka memberi model gambar diam dari rekaman kamera balita tersebut bersama dengan teks transkripsi dari audio. Metode ini memungkinkan AI menghubungkan kata-kata dengan objek dan visual, seperti cara anak-anak belajar.
Metode Pelatihan
Dalam melatih model tersebut, para peneliti memanfaatkan lebih dari 60 jam rekaman video/audio yang ditangkap melalui perangkat berbentuk helm ringan yang dikenakan oleh anak tersebut. Perangkat tersebut sesekali dipakai oleh balita sejak usia enam bulan hingga ulang tahunnya yang kedua. Selama periode 19 bulan ini, perangkat tersebut mengumpulkan lebih dari 600.000 bingkai video yang berkorelasi dengan lebih dari 37.500 transkripsi ucapan dari orang-orang terdekatnya. Pengambilan percakapan sekitar dan bingkai video memberikan wawasan tentang pengalaman sehari-hari dari anak yang sedang tumbuh.
Pengujian Dan Hasil
Untuk menguji model AI, peneliti menggunakan metode serupa dengan evaluasi pembelajaran bahasa anak. AI diperlihatkan empat gambar dari set pelatihan dan diminta untuk mengidentifikasi objek tertentu, seperti bola. Model yang dilatih dari kamera bayi ini mencapai akurasi 61,6%, lebih baik daripada tebakan secara acak. Perangkat ini juga mengidentifikasi objek dalam gambar baru yang tidak ada dalam rekaman balita, menunjukkan kemampuannya menerapkan apa yang dipelajarinya. Penulis utama makalah tersebut, Wai Keen Vong, berkata, "Kami cukup terkejut dengan hal itu."
Implikasinya Bagi Pembelajaran Bahasa Manusia
Studi ini menantang gagasan bahwa anak-anak memerlukan mekanisme kompleks untuk memahami kata secara efisien. Jessica Sullivan, seorang profesor di Skidmore College yang tidak terlibat dalam penelitian ini, mengatakan, "Sekarang saya melihat bahwa, setidaknya dalam satu kasus, hal tersebut mungkin terjadi." Penelitian ini tidak membuktikan bagaimana anak-anak mempelajari kata-kata, namun menunjukkan apa yang mungkin dilakukan oleh mesin dan juga manusia. Faktor-faktor lain di luar pengenalan pola, berperan besar dalam pembelajaran manusia, menurut Linda Smith, seorang profesor di Indiana University Bloomington.
Potensi Dan Dampaknya Terhadap Pengembangan AI
Penelitian ini dapat membantu menciptakan model AI yang belajar lebih seperti manusia dan menawarkan cara pembelajaran baru. Model bahasa besar (LLM) saat ini memerlukan data astronomi untuk pelatihan. Studi tersebut menunjukkan bahwa dengan data yang tepat, kesenjangan antara pembelajaran mesin dan pembelajaran manusia dapat menyusut secara signifikan. Lake mengatakan, "Saya terkejut betapa sistem AI saat ini mampu belajar ketika terpapar pada jumlah data yang sangat minim seperti yang diterima anak-anak ketika mereka belajar suatu bahasa."
