© MIT Media Lab

 

На Восточном побережье США рождается ребенок, и с момента, когда его привозят из роддома домой, за ним (а также за родителями и няней) день и ночь наблюдают 11 камер и 14 микрофонов, вмонтированных в разных углах дома под потолком. За три года накапливается 90 тысяч часов видео и 140 тысяч часов аудиозаписей. Следующие пять лет команда из 70 расшифровщиков — работают от 2 до 15 человек одновременно — тратит только на разбор материалов, относящихся к периоду от девятимесячного до двухлетнего возраста.

Отец ребенка — Деб Рой, профессор Массачусетского технологического института (MIT) и «главный ученый по вопросам медиа» (Chief Media Scientist) в компании Twitter. Его эксперимент над собственным сыном начался 10 лет назад, а сейчас, в сентябре 2015-го, в журнале Proceedings of the NationalAcademy of Sciences напечатана наконец большая академическая статья, подводящая его итоги.

Рой хотел разобраться, откуда берется речь. С подачи Ноама Хомски, классика лингвистики, последние лет сорок принято считать, что в мозгу младенца работает особый «аппарат усвоения языка», который не имеет ничего общего с мучительным и медленным процессом обучения взрослых английскому или китайскому. Этот загадочный «аппарат усвоения» настроен почему-то только на язык. Арифметике, набору простейших действий над числами, семилетнего ребенка приходится учить несколько лет в школе, зато уже трех- или четырехлетний свободно пользуется естественным языком с его зубодробительно сложной системой правил манипуляций знаками (вроде контекстно-свободных грамматик того же Хомского — ваш мозг активно пускает их в ход, даже если сами вы ничего такого не проходили).

/www.colta.ru/assets/citata_top-5c490729fa837d3b7e1a1ab61e36d76f.png" target="_blank">http://www.colta.ru/assets/citata_top-5c490729fa837d3b7e1a1ab61e36d76f.png); background-position: 50% 0%; background-repeat: no-repeat;">

Считается, что младенец слушает разговоры взрослых и впитывает язык как губка. Однако слово «впитывает» создает видимость ясности там, где ясности никакой нет. Достаточно ли усадить младенца на год перед включенным телевизором, где взрослые или герои мультфильмов разговаривают с другими? Если на экране будут одни лекции «Постнауки» и «Арзамаса», произнесет ли он слова «диахрония» и «синхрофазотрон» раньше, чем «мама» и «папа»?

За теоретическим вопросом «как впитывает» может скрываться, например, объяснение, почему из ловушки бедности так трудно выбраться. Равный доступ к образованию не решает проблему: дети из бедных семей хуже учатся (в среднем). Значит ли это, что у них «плохая наследственность», гены тунеядцев и алкоголиков? Вовсе не обязательно. Похоже, классовые различия не заложены в момент рождения, но дают о себе знать уже к 24-месячному возрасту — и связано это как раз с усвоением языка, как показывает эксперимент психологов из Стэнфорда, результаты которого стали известны в 2013 году. Ученых интересовали испаноязычные семьи в США — очевидная группа риска, где бедность часто становится наследственной. Родителей 29 младенцев, которым исполнилось по 19 месяцев, уговорили ненадолго (на срок от дня до шести) положить в карман ребенку диктофон, непрерывно записывающий все звуки вокруг.

В 24 месяца у младенцев сравнили активный словарный запас (с точки зрения когнитивной науки, это не столько про умение говорить, сколько про способность категорно мыслить). Оказалось, что объем словаря у двухлеток прямо зависит не от общего количества слов, которые младенец слышит, а от количества адресованных непосредственно ему. Телевизор или ссоры взрослых друг с другом существенного вклада не вносят.

При чем здесь бедность? В эксперименте участвовали семьи с доходом ниже 25 тысяч долларов в год (по меркам Калифорнии — крайняя нищета) и до 75 тысяч долларов (что тоже не запредельно много), поэтому ученым было что с чем сравнивать. Бедные часто не могут позволить себе тратить много времени на разговоры с младенцем, оставляют его один на один с телевизором — и предопределяют тем самым разницу в способностях задолго до того, как дело дойдет до учебы.

Но если у психологов из Стэнфорда было всего несколько сотен часов диктофонных записей, то Дебу Рою с его десятками тысяч часов аудио и видео были доступны куда более тонкие детали. К примеру, для каждого из 679 слов, освоенных Роем-младшим к двухлетнему возрасту, был точно вычислен момент, когда оно произносится впервые, — «рождение слова». «The Birth of a Word» — это еще и название лекции TED, прочитанной Роем в 2011 году, когда обработка данных была в разгаре; лекцию с тех пор посмотрели 2 миллиона 100 тысяч раз.

На основе видео Рой строил «словесные ландшафты» — сюрреалистические 3D-рельефы поверх карты дома, где высота соответствует тому, как часто слово произносится в том или ином месте. Например, слову «манго» соответствует острый горный пик на кухне, а какой-нибудь неопределенный артикль равномерно размазан по всему дому. При таком анализе видно, что слова типа «манго», привязанные к тому или иному месту, ребенок усваивает легче, а те, которые произносятся то тут, то там, даются с большим трудом. Самые частые слова, вопреки ожиданиям, ребенок осваивает поздно — потому что это прежде всего местоимения и предлоги, абстрактные по смыслу, и младенец отлично сортирует входящую речь по степени абстракции.

Сравнивая «рождение слова» у младенца с хрониками появления того же слова в речи родителей, можно вычислить, сколько у мозга длится «беременность словом». Или наблюдать, как трансформируются звуки: за полгода «вода» у англоговорящего младенца плавно превращается из «gaga» в «water» (в лекции TEDпоказано, как происходит конкретно это превращение: Рой последовательно вырезал формы одного и того же слова из звукозаписей за шесть месяцев и склеил вместе).

/www.colta.ru/assets/citata_top-5c490729fa837d3b7e1a1ab61e36d76f.png" target="_blank">http://www.colta.ru/assets/citata_top-5c490729fa837d3b7e1a1ab61e36d76f.png); background-position: 50% 0%; background-repeat: no-repeat;">

Исследователям пришлось самим изобретать инструменты анализа контента, которые, как оказалось потом, годятся не только для анализа детского лепета. Полуавтоматическая система расшифровки угадывает говорящего — отца, мать, няню или ребенка — по голосу. Сама удаляет интервалы, когда шум есть, а речи нет. А для интерпретации данных в ход пустили и вовсе тяжелую математическую артиллерию: статья перегружена терминами вроде «дивергенция Кульбака—Лейблера» (с ее помощью выясняют, как отклоняются частотные характеристики конкретного слова в речи младенца от характеристик усредненного).

Тот же математический аппарат оказался вполне пригодным для анализа другого сорта лепета, а именно — реакции Твиттера на разные раздражители внешнего мира. Параллельно с экспериментом над сыном Деб Рой создал компанию медиааналитики Bluefin Labs, которая выясняла, как микроблогеры подхватывают слова из телерекламы или как на них влияют сериалы. В 2013 году компанию Роя купил Twitter за 90 миллионов долларов.

Если конкретные методы медиааналитики Bluefin никогда не раскрывались и так и остались коммерческой тайной, то «корпус лепета» — открытые данные, специально подготовленные к тому, чтобы дальше с ними работали другие. Для любопытных авторы статьи создали специальный сайт со статистическими выкладками, а для коллег-исследователей выложили исходники в репозиторий GitHub, где у программистов принято делиться свободно распространяемым кодом. Вряд ли потенциальные пользователи этого кода — одни мамы и папы младенцев, учащихся говорить. У родительской речи, которую «впитывают как губка», в мире информации достаточно аналогов от рекламы до пропаганды, на которых модель как минимум интересно испробовать.