Des chercheurs du MIT ont mis au point un moyen d’apprendre le langage à un robot similaire à la façon dont les parents apprennent le langage à leurs enfants. En effet, la manière pour enseigner le langage à des systèmes d’intelligence artificielle comprend généralement des annotations décrivant le fonctionnement des mots. Cependant, cela prend du temps et peut souvent paraître contre nature. C’est pourquoi, le MIT souhaite apprendre le langage à son système d’intelligence artificielle comme on l’apprend à un enfant.

Le système de ces analyseurs syntaxiques et sémantiques étudie des vidéos sous-titrées et apprend à relier des mots à des objets puis à des actions en déterminant la description avec exactitude. Par ailleurs, il transforme les significations en expressions mathématiques logiques, en choisissant l’expression qui représente le mieux ce qu’il pense comprendre. Toutefois, l’IA, commence tout naturellement avec une large gamme de significations qu’elle réduira au fur et à mesure qu’elle apprendra. De plus, les annotations aident le système à apprendre et à accélérer le processus, cependant, l’IA n’en a pas réellement besoin. Par la suite, les analyseurs syntaxiques et sémantiques aident les systèmes de reconnaissance vocale comme « Alexa », l’enceinte connectée d’Amazon ou encore « Cortana » de Microsoft.

De plus, pour leurs travaux, les chercheurs ont associé un analyseur sémantique à un composant de vision par ordinateur formé à la reconnaissance d’objets, d’hommes et d’activités en vidéo. Les analyseurs syntaxiques sémantiques sont généralement formés à des phrases annotées avec un code attribuant un sens à chaque mot et aux relations entre les mots. Certaines ont été formées sur des images fixes ou des simulations sur ordinateur. Par ailleurs,  le système observe son environnement, et peut ainsi apprendre le langage courant en plus du langage formel qui lui aura déjà été inculqué. Le MIT envisage également de rendre ces robots capables de s’adapter aux habitudes linguistiques des personnes qui les entourent. Boris Katz, chercheur scientifique principal au CSAIL, déclare que « c’est un casse-tête incroyable de traiter toute cette entrée sensorielle simultanée. Ce travail fait partie d’un élément plus important pour comprendre comment ce type d’apprentissage se produit dans le monde ».

Par ailleurs, les chercheurs du MIT affirment que ce travail pourrait permettre de mieux comprendre la façon dont les enfants découvrent le monde.