AI-robot maakt dezelfde taalfouten als kinderen en dat is goed nieuws

Virtuele robots die leren uit nieuwsgierigheid begrijpen taal veel sneller. Dat blijkt uit onderzoek uit Japan. Ze konden taaltaken zelfs twee keer zo snel onder de knie krijgen als conventioneel getrainde robots.

Het systeem gebruikt een architectuur die geïnspireerd is op de menselijke hersenen. Het werkt niet zoals grote taalmodellen, die in essentie gewoon het volgende woord in een tekst voorspellen op basis van de beschikbare data. In plaats probeert het model de wereld rondom zich te voorspellen.

Dit wordt gecombineerd met versterkend leren. Een robot krijgt een externe beloning voor het voltooien van taaltaken. Daarbovenop krijgt het een interne beloning wanneer het nieuwe situaties verkent. Dat laatste kan je zien als een soort ingebouwde 'nieuwsgierigheid'.

Spelen zoals een klein kind

De nieuwsgierige robots leerden taaltaken twee keer zo snel als conventionele robots. Ook vertonen ze spontaan 'speelgedrag'. Ze gooien objecten bijvoorbeeld opnieuw en opnieuw om zoals een kat of klein kind, zonder dat ze daar instructies voor krijgen en nadat ze een taak al beheersen. Dit gedrag versnelde het leerproces.

Bovendien bleek dat robots een U-vormige leercurve hebben, net als menselijke peuters. Ze leren eerst de uitzondering correct, maken daarna fouten als ze woorden breder moeten toepassen en leren uiteindelijk alles correct. Vergelijk het met een kind dat eerst 'goed' leert zeggen, dan incorrect 'goeder' gebruikt, om vervolgens 'beter' te leren.

Een nuance is dat dit virtuele robots zijn, die in een abstracte computeromgeving leven. Het zijn nog geen fysieke robots in de echte wereld. Ze werden getraind op een beperkt aantal woorden. Er is nog veel werk aan de winkel voor echte robots zich zo gaan gedragen.