تا حالا برات پیش اومده که فکر کنی بچهها چطوری یاد میگیرن که مثلاً واژه «پودل» فقط یه جور خاصی از سگها رو نشون میده، نه کل سگها یا نه حتی یه حیوان دیگه؟ خب این دقیقاً یکی از سوالات اساسی تو دنیای یادگیری کلمات برای دانشمنداس.
موضوع اینه: وقتی بچهها فقط چندتا شیء رو میبینن که با یه کلمه بهش اشاره میشه (مثلاً چندتا سگ پودل که اسمشون رو میشنون)، چطور میفهمن این کلمه باید دامنهش کجا تموم بشه؟ یعنی فقط باید برای پودلها بهکار بره یا برای همه سگها هم قابل استفادهست؟
یکی از پدیدههای جالبی که محققها کشف کردن، «suspicious coincidence effect» یا به قول خودمون “اثر تصادف مشکوک” هست. خیلی ساده بخوام بگم یعنی وقتی بچهها چندتا نمونهی شبیه به هم از یه چیزی رو میبینن، بیشتر احتمالش هست که فکر کنن اون کلمه فقط اون دستهی خاص (مثلاً فقط پودل) رو نشون میده، نه چیز گستردهتر (مثل همهی سگها).
تا قبل این، خیلیها فکر میکردن این ماجرا فقط به مدلهای آماری و پیچیدهی استنتاجی مربوط میشه (یعنی باید کلی محاسبه کنن تا بفهمن کلمه مربوط به چیه). اما تحقیق جدید نشون داده داستان میتونه خیلی سادهتر باشه!
یه نکتهی باحال دیگه اینه که زمان و ترتیب نشون دادن اشیا هم تاثیر زیادی روی یادگیری داره. یعنی اینکه این اشیا رو با هم نشون بدن یا یکییکی پشت سر هم، بدون اینکه به تعداد نمونهها هم ربط داشته باشه، روی نتیجه تاثیر میزاره. اینو قبلتر خیلیها بهش دقت نکرده بودن چون همیشه سعی میکردن اینا رو با همدیگه بررسی کنن و تمرکزشون روی تعاملشون بود نه اثر مستقل هرکدوم.
حالا یه مدل محاسباتی جالب به اسم “Naïve Generalization Model” یا همون مدل سادهی تعمیم (NGM) معرفی شده که خیلی خوب میتونه این پدیدهها رو توضیح بده. منظور از مدل محاسباتی اینه که با فرمولبندی و الگوریتم میخوان نشون بدن بچهها چطور میتونن کلمات رو یاد بگیرن، اونم خیلی ساده و بدون این پیچیدگیهای سنگین آماری.
تو این مدل NGM، یادگیری با همون دستهبندی ساده (Category Formation) اتفاق میافته؛ یعنی بچهها به جای اینکه یه عالمه گزینه رو تو ذهنشون حساب و کتاب کنن (global optimization یعنی اینکه همه حالتهای ممکن رو یهجا بسنجن)، قدم به قدم و خیلی محلی یاد میگیرن و هر دفعه با دیدن نمونهی جدید، دستهبندیشون رو یه کمی تغییر میدن. یعنی خیلی هم اتفاق خاص یا فرمول عجیب غریب پشت ماجرا نیست!
توی تحقیق جدید، این مدل رو تو هفت وضعیت مختلف آزمایش کردن، مثل اینکه چندتا شیء نشون باشه، ترتیب نشون دادنشون چطوری باشه و حتی اینکه اشیا چه ارتباط تو طبقهبندی (hierarchical relation یعنی مثلا پودل زیرمجموعه سگ است) باهم داشته باشن. هم نتایج کیفی (یعنی بدون اینکه رو پارامترها زیاد دست ببرن) و هم نتایج کمی (یعنی وقتی پارامترها رو دقیق تنظیم کنن) نشون داد که مدل NGM دستکم اندازهی مدلهای آماری پیچیده جواب میده، تازه با روند طبیعیتر و سادهتر.
در نتیجه، خیلی وقتا ممکنه بچهها (یا حتی ما بزرگترا!) واسه یادگیری کلمات، نیاز نباشه دنبال محاسبات عجیب یا تصادفی باشیم؛ شاید همین فرآیندهای ساده و محلی خودشون به اندازه کافی کارآمدن و کلمات رو بهمون یاد میدن!
پس دفعه بعد که دیدی یه کودک کوچولو با یه نگاه کوتاه به چندتا حیوان خاص، اسم درستش رو گفت و گسترشش نداد به چیزای دیگه، بدون که پشت این کار سادهش کلی ماجرای علمی و مدل ریاضی و آزمایش وجود داره! 😄
منبع: +
