The first 1000 days: Modeling language learning from individual children’s everyday speech
8个小孩子录音,登上《Science》
2026年11月5日,普林斯顿大学研究团队在 Science 上发表研究,使用8名儿童数千小时的日常录音训练模型,发现仅凭孩子真实接触到的输入和符合发育节律的学习方式,模型能学会音素和词汇,强调“多听”和“睡好”是关键。研究提示AI语言学习不应仅依赖大量数据,生物启发的学习节律和稀疏输入同样重要。
来源:iNature 2026-11-09 17:19
研究提示AI不必只靠堆数据——生物启发的学习节律、记忆巩固、稀疏但真实的输入,可能同样关键。对早教实践也有温和的提醒:语言环境的质量与密度,以及睡眠,都是学习的一部分。
儿童学语言,靠的是日常听到的那点话。可这点话到底够不够?大语言模型给了一个诱人的类比:语言可以从数据里学出来。但差距也扎眼——模型读的是万亿级文本,孩子听到的不过是每天几万词、还夹杂着打断、噪音和重复。所以真正的问题不是“能不能学”,而是:仅凭一个孩子真实接触到的输入,加上符合发育节律的学习方式,能不能学出音素和词汇?

2026年11月5日,普林斯顿大学Hadas Raviv等人在Science 在线发表题为The first 1000 days: Modeling language learning from individual children’s everyday speech的研究论文,这项研究用“生命最初1000天”项目的超高密度家庭录音来回答。八名儿童,出生后一千天里数千小时日常语音,被用来为每个孩子单独训练一个模型。
关键设定很克制:模型训练前对语音、词汇一无所知,没有预训练,没有共享语料,只吃这个孩子自己听到的内容,而且按原始经历的顺序逐日输入。训练日程也照着发育走——随着孩子睡眠时间变化,每日接触的语音量逐步增加;每天结束时回放近期输入,模拟睡眠在记忆巩固中的可能作用。

从一个孩子日常的言语经验中,词汇逐渐形成(图源自Science )
结果相当扎实。大约模拟第一年内,模型学会了区分英语音素,并逐步积累出数千词的词汇表,增长速度与每个孩子实测的词汇量高度吻合。同一个框架用在八个孩子身上,不需要任何改动。
两个发现尤其重要。第一,输入密度不能省。只给模型孩子每日录音的一小部分,学到的词远少于预期——因为大量日常词本身罕见,需要反复接触才能掌握。第二,夜间回放不能省。即便白天输入充足,若几乎没有回放,模型学新词照样吃力。换句话说,“多听”和“睡好”不是育儿口号,而是模型里可拆解的两个必要组件。
更细的一层是:三个内部模型参数决定了学习速度,能体现个体差异。这意味着“为什么有的孩子学得快”不必诉诸笼统的“聪明”,而可以落到经验与机制的交互上。
这项工作的价值有两层。科学上,它把儿童语言习得理论变成了可与真实发展轨迹逐日比对的计算模型,而不是事后解释。更广地说,它提示AI不必只靠堆数据——生物启发的学习节律、记忆巩固、稀疏但真实的输入,可能同样关键。对早教实践也有温和的提醒:语言环境的质量与密度,以及睡眠,都是学习的一部分。
当然,八名儿童样本有限,词汇理解与语法生成还没完全覆盖。但方向已经清楚:孩子日常听到的那些话,结构其实够用——前提是,别删掉重复,也别删掉睡眠。
参考消息:https://www.science.org/doi/10.1126/science.aeh9311
版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
来源:生物谷·资讯 · news.bioon.com