Como aprende uma criança a falar? Muito antes de conseguir pronunciar as primeiras palavras, o cérebro já está a processar sons, a identificar padrões e a reconhecer regularidades na voz das pessoas que a rodeiam. As conversas em casa, as palavras repetidas pelos familiares e os sons que fazem parte do dia a dia são uma fonte contínua de informação.

Apesar de a aprendizagem da linguagem ser um dos processos mais estudados do desenvolvimento humano, continua a existir uma questão fundamental: como consegue uma criança transformar o fluxo contínuo de sons que ouve em unidades reconhecíveis, palavras e, mais tarde, estruturas linguísticas?

Um grupo de investigadores associado ao Princeton Neuroscience Institute e ao Departamento de Psicologia da Universidade de Princeton desenvolveu um modelo computacional para estudar este processo. O trabalho, intitulado The First 1000 Days: An Agent-Based Model of Early Language Acquisition, utiliza gravações longas das experiências de crianças nas suas próprias casas para simular a aprendizagem da linguagem ao longo dos primeiros anos de vida.

Mil dias de experiências dentro de casa

A investigação recorreu ao projeto First 1,000 Days (1kD), que acompanha o desenvolvimento linguístico de crianças através de gravações audiovisuais realizadas nos seus ambientes familiares.

Foram instalados equipamentos de gravação em 15 habitações de famílias norte-americanas, permitindo recolher entre 12 e 14 horas de áudio e vídeo por dia, ao longo dos primeiros 1000 dias de vida das crianças.

Para o estudo agora apresentado, os investigadores analisaram os dados de oito crianças. As gravações permitiram obter entre 3 e 7,5 horas diárias de fala de qualidade suficiente para análise, acumulando milhares de horas de áudio por criança.

O volume de informação foi muito grande: os registos analisados deram origem a conjuntos de dados com aproximadamente 6 a 27 milhões de palavras por criança.

Esta abordagem permitiu acompanhar não apenas a quantidade de palavras ouvidas, mas também a evolução da experiência linguística de cada criança ao longo do tempo, respeitando as diferenças entre os ambientes familiares.

Um modelo que aprende sem conhecer previamente as palavras

Com estes dados, os investigadores desenvolveram um agente de aprendizagem baseado em inteligência artificial, concebido para aprender progressivamente a partir da fala.

Ao contrário de um sistema que recebe previamente uma lista de palavras ou regras gramaticais, este modelo começou com parâmetros aleatórios e sem conhecimento prévio dos fonemas, dos limites entre palavras ou do vocabulário específico de cada família.

O processo foi organizado em duas etapas principais.

Na primeira, um componente do modelo, denominado codificador (encoder), procurou identificar unidades sonoras na fala contínua. Estas unidades, inicialmente sem significado linguístico definido, foram adquirindo regularidades que correspondiam progressivamente a características dos fonemas da língua inglesa.

Na segunda etapa, um descodificador (decoder) aprendeu a prever qual seria a próxima unidade sonora, tendo em conta as que já tinham sido ouvidas. À medida que identificava sequências previsíveis, o sistema começou a construir um vocabulário de palavras.

Assim, os investigadores procuraram reproduzir computacionalmente uma parte do processo pelo qual uma criança passa de uma sucessão de sons para o reconhecimento de unidades linguísticas.

O modelo acompanhou a evolução das crianças

Os resultados mostraram que o sistema conseguiu aprender unidades sonoras correspondentes a 38 dos 39 fonemas do inglês no caso analisado em maior detalhe. Ao fim de aproximadamente 15 meses de aprendizagem simulada, quase todo o inventário fonético estava representado no modelo.

A investigação foi depois alargada às restantes sete crianças. Os agentes treinados com os dados de cada família aprenderam, em média, 37,5 dos 39 fonemas, num período semelhante, entre os 12 e os 15 meses.

Mas os resultados mais interessantes surgiram também na aprendizagem das palavras.

Para comparar o modelo com o desenvolvimento real das crianças, os investigadores utilizaram avaliações mensais preenchidas pelos cuidadores, baseadas nos inventários MacArthur-Bates de desenvolvimento comunicativo. Estes instrumentos permitem acompanhar as palavras que uma criança compreende e aquelas que já consegue produzir.

No caso de uma das crianças, identificada no estudo pelo pseudónimo Coral, os investigadores observaram uma evolução bastante próxima entre o vocabulário registado pelos cuidadores e aquele que o modelo conseguiu aprender.

Aos 12 meses, Coral compreendia 97 palavras da lista utilizada na avaliação, enquanto o modelo tinha aprendido 91. Aos 24 meses, as estimativas apontavam para 632 palavras compreendidas pela criança e 614 aprendidas pelo sistema.

Quando compararam as trajetórias das oito crianças com as dos respetivos modelos, os investigadores encontraram uma diferença média de aproximadamente 22 dias na estimativa dos momentos em que eram atingidos determinados níveis de aquisição do vocabulário.

Estes resultados indicam que o modelo conseguiu acompanhar de perto vários aspetos da evolução linguística individual, apesar das diferenças existentes entre as crianças.

A importância de repetir experiências

Um dos resultados mais interessantes do trabalho relaciona-se com a repetição.

Os investigadores observaram que o modelo tinha dificuldades em aprender palavras quando processava cada experiência linguística apenas uma vez. Para melhorar o desempenho, introduziram um mecanismo que permitia voltar a processar segmentos de fala anteriormente ouvidos, sobretudo os mais recentes.

Este procedimento, designado replay, foi inspirado em mecanismos de fortalecimento da memória estudados na neurociência, incluindo processos associados ao sono.

Ao incorporar esta repetição diária, o modelo conseguiu melhorar significativamente a aprendizagem do vocabulário.

É importante esclarecer que esta experiência não demonstra diretamente que o cérebro das crianças utiliza exatamente o mesmo mecanismo. O que mostra é que a repetição de experiências anteriores pode desempenhar um papel importante na aprendizagem computacional e sugere uma hipótese relevante para estudar os processos de consolidação da memória durante o desenvolvimento humano.

O que ainda falta compreender?

Apesar dos resultados, os próprios investigadores identificam limitações importantes.

Uma das principais prende-se com a forma como os dados foram preparados. As gravações originais continham ruído ambiente, vozes sobrepostas e outros sons domésticos. Para simplificar a análise, os investigadores utilizaram transcrições da fala para produzir novamente sinais de áudio através de um sistema de síntese de voz.

Assim, o modelo não aprendeu diretamente a partir de toda a complexidade acústica das gravações originais.

Além disso, a versão atual não junta toda a informação visual, os gestos, as expressões faciais ou o contexto social que acompanham as interações entre crianças e adultos. Também não procura explicar ainda a aquisição de estruturas gramaticais mais complexas ou a utilização da linguagem em diferentes situações sociais.

Estas limitações são relevantes porque aprender a falar não significa apenas reconhecer sons e memorizar palavras. Envolve também compreender intenções, associar palavras a objetos e acontecimentos e aprender a comunicar com outras pessoas.

Compreender como nasce a linguagem

O estudo oferece uma nova abordagem para investigar a relação entre as experiências quotidianas e os mecanismos internos de aprendizagem.

Ao utilizar gravações prolongadas de crianças reais, em vez de depender exclusivamente de experiências laboratoriais curtas, os investigadores conseguiram construir modelos que acompanham o desenvolvimento ao longo de períodos mais próximos dos tempos reais de aprendizagem.

Mais do que criar uma máquina capaz de falar como uma criança, o objetivo é compreender como as regularidades presentes no ambiente linguístico podem contribuir para a formação dos primeiros sons e palavras.

Os primeiros anos de vida continuam a ser um período fundamental para o desenvolvimento da linguagem. E, embora ainda existam muitas perguntas por responder, esta investigação mostra como a combinação entre observações prolongadas e modelos computacionais pode ajudar a compreender um dos processos mais complexos do desenvolvimento humano.

Imagem de destaque: Foto de Colin Maynard na Unsplash

Autor: Prof. Nuno Nascimento

Professor de Informática e apaixonado pelo conhecimento científico.

Partilhar:
Partilhar traduzido: EN ES

English Español