Modélisation exploratoire à grande échelle de l'acquisition du langage précoce: intégration de l'apprentisage prosodique et phonétique

Large-scale exploratory modeling of early language acquisition: integration of prosodic and phonetic learning

• Auteur / Autrice : Ambre Balleroy
• Direction : Ricard Marxer, Thomas Schatz
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole Doctorale Mathématiques et Informatique de Marseille
• Partenaire(s) de recherche : Laboratoire : LIS Laboratoire d'Informatique et Systèmes

Mots clés

Mots clés libres

Apprentissage prosodique et phonétique

Acquisition du langage

Modélisation computationnelle

Prosodic and phonetic learning

Language acquisition

Computational modeling

Résumé

L'un des derniers défis de la recherche sur le développementale est de relier les mécanismes d'apprentissage aux résultats d'apprentissage observables qu'ils prédisent dans un environnement écologique à des échelles de temps développementales. Nous proposons de tirer parti des récentes avancées en matière de modélisation computationnelle pour étudier systématiquement deux étapes fondamentales de l'acquisition précoce du langage : la découverte du rythme et la découverte du système sonore de la langue maternelle. Nous simulerons l'apprentissage sur de la parole naturelle dans des quantités correspondant aux échelles de temps du développement afin de délimiter les principes computationnels critiques pour l'acquisition du langage, et nous évaluerons les prédictions des modèles à l'aide de données comportementales et neurophysiologiques empiriques. Dans un premier volet, nous proposons, pour la première fois, de modéliser la perception prénatale du rythme et l'apprentissage prosodique, afin d'étudier directement l'impact de l'exposition fœtale sur l'acquisition de la prosodie. Dans un deuxième volet, nous mènerons une modélisation exploratoire de l'apprentissage phonétique précoce. Nous comparerons une variété d'algorithmes d'apprentissage de représentations qui mettent en parallèle certains mécanismes hypothétiques de l'apprentissage phonétique afin d'identifier quels paramètres sont essentiels pour capturer les effets bien caractérisés dans la littérature développementale. Dans le dernier volet, nous construirons un algorithme d'apprentissage prosodique et phonétique intégré afin d'étudier l'impact du traitement prosodique sur l'apprentissage phonétique et de vérifier s'il explique mieux les données comportementales et neurophysiologiques des nourrissons que les modèles de reconnaissance de la parole les plus récents. Dans l'ensemble, ce projet favorisera les interactions entre les communautés des sciences du développement et de la modélisation informatique, en informant les théories cognitives de l'acquisition du langage et en promouvant le développement d'algorithmes d'apprentissage inspirés par les nourrissons.

One of the remaining challenges in developmental research is to link learning mechanisms to the observable learning outcomes they predict in ecological environment at developmental timescales. We propose to leverage the recent breakthroughs in computational modeling to systematically investigate two fundamental milestones in early language acquisition: the discovery of the rhythm and the discovery of the sound system of the native language. We will simulate learning on naturalistic speech in amounts relevant to developmental timescales in order to delineate critical computational principles for language learning, and we will evaluate the models' predictions using empirical behavioral and neurophysiological data. In a first work package, we propose, for the first time, to model pre-natal rhythm perception and prosodic learning, in order to directly investigate the impact of fetal exposure on the acquisition of prosody. In a second work package, we will conduct an exploratory modeling study of early phonetic learning. We will contrast a variety of representation learning algorithms that parallel some hypothesized phonetic learning mechanisms to identify which parameters are critical to capture well-characterized effects in the developmental literature. In the last work package, we will build an integrated prosodic and phonetic learning algorithm in order to investigate how prosodic processing impacts phonetic learning, and to test whether it explains infant behavioral and neurophysiological data better than state-of-the-art speech recognition models. Overall, this project will foster two-way interactions between the developmental science and computational modeling communities, both informing cognitive theories of language acquisition in a principled way and promoting the development of infant-inspired learning algorithms.