4月18日下午在六教，beat365張一思副教授做客社科大講堂，以“探索成長之旅：精細量化基于現實世界觀測的行為發展”為題，為線上和線下200餘名師生講述如何利用可穿戴技術、機器學習算法等前沿技術，以第一視角在日常環境中觀察嬰兒的自然行為，深入理解嬰兒在學步和語言等關鍵發展階段過程中與人和環境的交互，理解嬰兒語言發展中階躍式變化的過程，并分析該領域目前面臨的挑戰。

主講人張一思

講座伊始，張一思以雪花為引闡釋科研思路，講解将機器學習和AI等前沿技術用于在鏡頭下精細量化人類成長過程中複雜的行為變化，并以語言發展為例進行解讀。語言由身體大腦發育和社會反饋兩方面共同作用而形成，且易于量化。語言的發展具有階段性，但該過程中裡程碑式的行為變化其實是漸變的過程。

張一思通過研究案例闡釋嬰兒語言習得的過程。該案例通過捕捉嬰兒所處環境的音視頻數據，對詞語音位長度、詞語出現頻率、詞語性質及詞語在不同時空和話題出現的概率分布特征進行量化，并對比嬰兒習得詞語的預測年齡和真實年齡，首次揭示出詞語出現場景對習得時間具有重要影響。該研究認為，詞彙的長度與習得時間呈正相關，名詞的發生頻率與習得時間呈負相關，謂語的發生頻率與習得時間關聯較弱，冠詞、定冠詞、連接詞等的發生頻率與習得時間呈正相關，表明抽象概念難以通過發生頻率預測習得時間，給嬰兒建立詞彙與場景一對一的關聯會加速習得過程。

張一思指出，由于嬰兒本身身體和大腦的變化，“上帝視角”不足以捕捉嬰兒語言發展的全過程。近期的一項研究則采用頭戴裝備獲取嬰兒第一人稱視角的音視頻數據，通過神經網絡和訓練編碼器建立自然語言和圖像的關聯學習模型，這一分析發現嬰兒同時依靠視覺信号和語言信号實現對詞語的學習和概念的形成。然而僅憑視覺信息也不足以知悉環境對嬰兒認知狀态的影響，最新的研究則結合心電穿戴設備收集嬰兒的心率，通過建立機器學習模型，對持續的注意狀态進行自動檢測，從而篩選自然環境下嬰兒真正關注的視覺和聽覺信息。通過向參與家庭發放操作簡便相對廉價的穿戴裝置，研究者可以大量收集縱向數據，從更大信息範疇研究語言和情感發展等問題。

最後，張一思講解了使用狨猴作為非人靈長類動物模型研究社會行為發展過程的精細量化方法。依靠深度學習模型自動識别家庭環境中多隻狨猴的姿态，能夠實現對社會互動行為的追蹤與量化，從而理解嬰兒靈長類在發展中如何建立較複雜的社會行為。張一思指出，本行為科學研究範式面臨的主要挑戰是如何從龐大的多模态數據中提取有價值的信息，以及從追蹤行為到理解行為在不同時間尺度上的組織結構等。

在演講結束後的互動環節，張一思回答了現場聽衆對于如何獲取數據、研究範式的心理學應用以及學科交叉發展等方面的提問。本場講座系beat3652024年《社科大講堂》第三講。

相關鍊接：

張一思，beat365社科學院心理學系副教授。美國賓州州立大學物理學博士、普林斯頓大學神經科學研究所博士後、副研究員。主要研究包括靈長類社會交流行為發展、交流的神經機制、自然環境中行為發展的定量研究方法等。

供稿：國家大學生文化素質教育基地