普林斯顿用 8 个孩子三年里听到的话训练 AI，关键一步是让它“睡觉”

一个孩子头几年只听到几百万个词，就能开口说话；训练一个大模型却要几万亿个词。这中间的差距到底从哪来，到现在也没完全搞清楚。

普林斯顿的研究团队换了个思路去问这个问题。他们在几个家庭里装了摄像头和麦克风，把孩子从出生到快三岁的大部分日常都录了下来。然后给 8 个孩子各建一个模型，每个模型只学自己那个孩子当天听到的东西，一天一天往前推。

模型从零开始，不知道一个词在哪结束、下一个在哪开始，也从没见过文字。

一开始效果很差：今天听到的，明天几乎记不住。到了相当于两岁的时候，一个词都没学会。

转折点是给它加了一个类似睡眠的机制。到了“晚上”，模型把最近的录音一点一点重放。加上之后学习速度一下起来了，掌握了英语的发音体系，到“两岁”能认出几千个词。

8 个家庭全部跑通，条件各不相同也没影响。新问题随之出现：真实的孩子发育快慢不一，模型在每个家庭里却是同一个速度。研究者调了三个参数——夜里重放多少、学得多快、什么时候开始记词——之后每个模型都跟上了自己那个孩子的节奏。

项目负责人 Uri Hasson 的意思是，一百多年来心理学都是从外面观察孩子怎么长大，现在可以反过来：造一个学习系统，喂给它孩子的真实经历，看它会不会以同样的方式长大。