4月18日下午在六教，pg电子官方网站张一思副教授做客社科大讲堂，以“探索成长之旅：精细量化基于现实世界观测的行为发展”为题，为线上和线下200余名师生讲述如何利用可穿戴技术、机器学习算法等前沿技术，以第一视角在日常环境中观察婴儿的自然行为，深入理解婴儿在学步和语言等关键发展阶段过程中与人和环境的交互，理解婴儿语言发展中阶跃式变化的过程，并分析该领域目前面临的挑战。

主讲人张一思

讲座伊始，张一思以雪花为引阐释科研思路，讲解将机器学习和AI等前沿技术用于在镜头下精细量化人类成长过程中复杂的行为变化，并以语言发展为例进行解读。语言由身体大脑发育和社会反馈两方面共同作用而形成，且易于量化。语言的发展具有阶段性，但该过程中里程碑式的行为变化其实是渐变的过程。

张一思通过研究案例阐释婴儿语言习得的过程。该案例通过捕捉婴儿所处环境的音视频数据，对词语音位长度、词语出现频率、词语性质及词语在不同时空和话题出现的概率分布特征进行量化，并对比婴儿习得词语的预测年龄和真实年龄，首次揭示出词语出现场景对习得时间具有重要影响。该研究认为，词汇的长度与习得时间呈正相关，名词的发生频率与习得时间呈负相关，谓语的发生频率与习得时间关联较弱，冠词、定冠词、连接词等的发生频率与习得时间呈正相关，表明抽象概念难以通过发生频率预测习得时间，给婴儿建立词汇与场景一对一的关联会加速习得过程。

张一思指出，由于婴儿本身身体和大脑的变化，“上帝视角”不足以捕捉婴儿语言发展的全过程。近期的一项研究则采用头戴装备获取婴儿第一人称视角的音视频数据，通过神经网络和训练编码器建立自然语言和图像的关联学习模型，这一分析发现婴儿同时依靠视觉信号和语言信号实现对词语的学习和概念的形成。然而仅凭视觉信息也不足以知悉环境对婴儿认知状态的影响，最新的研究则结合心电穿戴设备收集婴儿的心率，通过建立机器学习模型，对持续的注意状态进行自动检测，从而筛选自然环境下婴儿真正关注的视觉和听觉信息。通过向参与家庭发放操作简便相对廉价的穿戴装置，研究者可以大量收集纵向数据，从更大信息范畴研究语言和情感发展等问题。

最后，张一思讲解了使用狨猴作为非人灵长类动物模型研究社会行为发展过程的精细量化方法。依靠深度学习模型自动识别家庭环境中多只狨猴的姿态，能够实现对社会互动行为的追踪与量化，从而理解婴儿灵长类在发展中如何建立较复杂的社会行为。张一思指出，本行为科学研究范式面临的主要挑战是如何从庞大的多模态数据中提取有价值的信息，以及从追踪行为到理解行为在不同时间尺度上的组织结构等。

在演讲结束后的互动环节，张一思回答了现场听众对于如何获取数据、研究范式的心理学应用以及学科交叉发展等方面的提问。本场讲座系我校大学2024年《社科大讲堂》第三讲。

相关链接：

张一思，pg电子官方网站心理学系副教授。美国宾州州立大学物理学博士、普林斯顿大学神经科学研究所博士后、副研究员。主要研究包括灵长类社会交流行为发展、交流的神经机制、自然环境中行为发展的定量研究方法等。

供稿：国家大学生文化素质教育基地