在6月龄到9月龄之间，幼儿开始掌握第一个单词，将口头单词与视觉单词联系起来。这些知识中有多少是可以利用相对通用的学习机制从感官输入中学习的，又有多少需要更强的归纳？
研究者使用一个6月龄到25月龄幼儿的纵向头戴式摄像机记录，在61小时的相关视觉语言数据流上训练了一个相对通用的神经网络，学习基于特征的表示和跨模态关联。研究模型获得了幼儿日常经验中存在的许多词指涉映射，实现了对新的视觉指涉的零射击泛化，并使其视觉和语言概念系统保持一致。
这些结果表明，关键基础词义是如何通过一个幼儿输入的联合表征和联想学习来获取的。
相关论文信息：
https://doi.org/10.1126/science.adi1374