一組研究者は、好奇心を促進することで言語をより効果的に学習する人工知能ベースの仮想ロボットを開発し、子供が言語を習得する方法に関する新たな洞察を提供しました。沖縄科学技術大学院大学（OIST）の研究者たちは、探求と好奇心を満たすように訓練されたロボットが、言語に基づくタスクを実行するのに必要な時間が、従来の訓練を受けたロボットの約半分であることを発見しました。この脳に触発されたシステムは、自発的な遊び行動を示し、未知の状況に対処する能力が向上していることから、好奇心に基づく学習が将来の人工知能システムをより適応的で人間的にする可能性があることを示唆しています。
研究の第一著者であり、OISTの認知神経ロボティクス研究ユニットの博士課程学生であるセオドア・ティンカー（Theodore Tinker）は、「訓練過程で自発的に現れる遊び行動と例外処理のパフォーマンスに驚かされました。」と述べています。
人工知能ロボットが好奇心を通じて言語学習の効率を向上
OISTチームは、好奇心を駆動力とする人工知能システムを開発し、仮想ロボットが子供のように言語を学習できるようにしました。これは人工知能と人間の言語習得に対する新たな洞察を提供します。大規模言語モデル（LLMs）が膨大なデータセットから最も可能性の高い次の単語を予測することで応答を生成するのとは異なり、研究者たちは予測符号化に触発された変異回帰神経ネットワーク（PV-RNN）という脳に触発されたアーキテクチャを使用しました。このモデルは、二つの競合する目標をバランスさせることで「自由エネルギー」を最小化することを目的としています：予測の正確性を高めると同時に、内部の信念の変化を最小化します。
言い換えれば、ロボットは世界を正しく理解することを目指しながら、安定した内部モデルを維持します。
探求を促すために、チームはPV-RNNを強化学習と組み合わせました。ロボットは言語指導タスクを完了することで外部報酬を得て、内部理解を更新する必要がある未知の状況を探求する際には内部報酬を得ます。この安定性と探求のバランスにより、ロボットは複雑なタスクの新しい解決策をより効果的に発見できるようになります。訓練過程で、これらの好奇心旺盛なロボットは予想外の遊び行動を示しました。指示されたタスクを習得した後でも、直接の指示がなくても物体を倒すことで実験を行いました。
研究者たちは、この自発的な探求が言語学習を加速させることを発見し、好奇心に駆動された遊びが知識の獲得にとって重要である可能性を示唆しています。これは幼い子供と同様です。
研究は好奇心と語言環境の関連性を明らかにする
研究の上級著者であり、OISTユニットの責任者である谷俊（Jun Tani）は、「これらのロボットは子供のように考えるわけではなく、彼らの状況は子供の非常に密な言語環境と比べて非常に抽象的です。しかし、この抽象的な環境は、好奇心の影響を非常に信頼できるモデルで研究することを可能にし、このモデルは人間が言語を処理する方法を示しています。」と述べています。
この研究はまた、ノーム・チョムスキーの「刺激貧困」問題という言語学における長年の問題に対する洞察を提供します。この問題は、子供が不完全で不正確な入力を受け取った場合にどのように迅速に言語を学習するかを探求しています。研究者たちは、好奇心だけでは不十分であり、それは豊かで多様な言語環境と組み合わさる必要があることを発見しました。48種類の言語の組み合わせにしか接触していないロボットは、約25%の一般化能力に達しました。それに対して、180種類の組み合わせで訓練されたロボットは約85%に達し、多様な言語の曝露が未見の指示を理解する能力を大幅に向上させることを示しました。
もう一つの驚くべき発見は、これらのロボットが幼児のようなU字型学習曲線を示すことです。これをテストするために、研究者たちは意図的に二つの言語タスクの意味を反転させました。最初、ロボットは例外を正しく学習しましたが、より広範な言語規則を一般化するにつれて、そのパフォーマンスは一時的に低下し、例外を習得した後に回復しました。これは、子供が不規則動詞を最終的に正しく学習する前に「goed」や「runned」と言うことがよくあるのと似ています。研究者によれば、この行動の出現は完全に予想外であり、この人工知能モデルには例外や過度の一般化を処理する明確なメカニズムが含まれていませんでした。
ロボットの言語学習を改善するだけでなく、PV-RNNの透明な設計により、科学者は人工知能の内部意思決定プロセスをリアルタイムで観察することができます。巨大なブラックボックスの人工知能システムとは異なり、研究者はロボットがどのように信念を更新するかを直接検査できるため、このモデルは人間の認知や言語獲得の背後にあるメカニズムを研究するための貴重なプラットフォームとなっています。