Bár a statisztikai tanulás elmélete eredetileg a nyelvelsajátítás kontextusában alakult ki, és a korai vizsgálatok elsősorban a szótanulásra fókuszáltak, az azóta lefolytatott nagyszámú vizsgálat bebizonyította, hogy egy általános mechanizmusról van szó, mely bármilyen modalitású (például képekből álló) ingersor feldolgozásában szerepet játszik, és egyaránt érvényesül az alacsonyabb (például szavak) és magasabb rendű ingeregységek (például kifejezések) elhatárolásában és elsajátításában (Aslin, 2016). A statisztikai tanulás további fontos tulajdonságai közé tartozik, hogy nem igényel explicit instrukciókat, azaz elegendő hozzá, hogy az alany találkozzon az adott strukturált ingersorral, akár úgy is, hogy nem figyel rá. Ráadásul a statisztikai tanulás igen gyorsan végbemegy: a struktúra bonyolultságától függően lehet néhány másodperc (például egy ismétlődő hangsor), de legfeljebb néhány órát vesz igénybe (például egy ismeretlen nyelvben milyen fonémák követik szokásosan egymást egy szón belül). Ezek a tulajdonságok alapvetően szükségesek ahhoz, hogy a bennünket körülvevő változó, zajos környezetben ki tudjuk emelni egy ingersor szabályosságait. Az anyanyelv elsajátítása során például meg kell küzdeni a beszéddel párhuzamosan a környezetben előforduló zajokkal, az egyes beszélők egymástól eltérő, a beszéd tartalmához, a beszélő belső állapotához és a közlés érzelmi töltéséhez alkalmazkodó, időben is változó artikulációjával (csecsemőknél részletesebben lásd Winkler, 2015).

 

Sok kutatás foglalkozott a nyelvelsajátítás statisztikai tanuláson túli jelzőmozzanataival (az összefoglalót lásd Winkler–Lukács, 2017). A legjelentősebb közülük a prozódia (Gervain, 2018), mely önmagában is elegendő a szóhatárok kijelölésére csecsemőknél (Fló et al., 2019). Azonban a prozódia nem egy elemi hangvonás, hanem a beszéd során több független hangtulajdonság (például hangerő, hangmagasság, időzítés) együttes modulációjával alakítjuk ki, mondandónknak, érzelmi állapotunknak, a partnerrel való kapcsolatunknak megfelelően. Ezért érdemes megvizsgálni, hogy a csecsemők a prozódia jelzőmozzanatai közül mely hangtulajdonságokat használják fel egy hangsor strukturálására.

Újszülötteknél kimutatták, hogy képesek szabályosságokat kinyerni hangsorokból, mind az egyes hangok szabályos sorrendjének kiemelésével (lásd fentebb, az összefoglalót lásd Kushnerenko et al., 2013), mind pedig a hangsor idői periodicitásának kinyerésével (Winkler et al., 2009). Utóbbit a zenei irodalomban ritmus- vagy ütemérzékelésnek nevezik. Azonban a két különböző típusú szabályosság gyakran összekeveredik az azonos időközönként bemutatott hangokból álló (egyenletes ütemű) hangsorokban, mivel mind az átmeneti valószínűségekre alapuló statisztikai tanulás (hangsúlyos hangot mindig hangsúlytalan követ), mind az ütemérzékelés (a hangsúlyos és a hangsúlytalan hangok azonos idővel követik egymást) hatékony lehet a hangsúlyos és hangsúlytalan hangok rendszeres váltakozása esetén. Ennek a két folyamatnak az elkülönítéséhez egy elektroenkefalográfiai (EEG) vizsgálatban (Háden et al., 2024) manipuláltuk a hangsorok bemutatásának egyenletességét, hogy elkülönítsük a statisztikai tanulást az ütemérzékeléstől alvó újszülötteknél, ahogy azt korábban felnőtteknél (Bouwer et al., 2016) és makákó majmoknál (Honing et al., 2018) már megtették. Egy felváltva hangsúlyos/hangsúlytalan hangsorozatot használtunk, amely egyenletes ütemben bemutatva erőteljes ütemérzetet idéz elő, de véletlenszerű időzítéssel nem kelti ugyanezt a benyomást. Ezután összehasonlítottuk a deviánsokkal kiváltott eltérési válaszokat (EV), attól függően, hogy a deviánsok hangsúlyos vagy hangsúlytalan pozíciókban jelentek-e meg a hangsorban. Az eredmények egyértelmű különbséget mutattak a hangsúlyos és hangsúlytalan pozíciók között az egyenletesen bemutatott hangsorban. Nem találtunk azonban ilyen különbséget a hangok sorrendjében azonos, de véletlenszerű időzítéssel bemutatott hangsorban. Ez az eredmény további bizonyítékot szolgáltat arra, hogy az ütemfeldolgozás újszülötteknél is megtörténik (Winkler et al., 2009), és a hangnak a hangsor ritmusában betöltött szerepe jelentősen befolyásolja a hang feldolgozását. Annak ellenére, hogy a statisztikai tanulás működését újszülötteknél több korábbi kísérlet eredményei is alátámasztják (lásd fentebb; az összefoglalókat lásd Kujala et al., 2023; Winkler–Lukács, 2017), ebben a vizsgálatban nem találtunk erre bizonyítékot a véletlenszerű időzítéssel bemutatott hangsorok esetén: a deviáns hangok ekkor nem váltottak ki statisztikailag jelentős EV-t. Mivel a korábbi statisztikai tanulási vizsgálatok csecsemőknél egyenletes időzítéssel bemutatott hangsorokat alkalmaztak, a jövőben megvizsgálandó, hogy vajon az egyenletes időzítésű bemutatás hogyan támogatja a statisztikai tanulást csecsemőknél. Mindenesetre a jelen vizsgálat eredményei azt mutatják, hogy a ritmusérzékelés az újszülötteknél nem magyarázható kizárólag a hangok sorrendjének statisztikai tanulásával. Eredményeink arra utalnak, hogy a hangsorok idői szerkezetének kiemelése és a statisztikai tanulás valószínűleg kölcsönösen kiegészítik egymást a hangsorok észlelési/kognitív feldolgozásában és ezen belül a sorban várható hangok előrejelzésében.

 

Vizsgálataink eredményei egyértelműen arra mutatnak, hogy a statisztikai tanulás fontos szerepet tölt be a környezetből érkező, idői-sorrendi sorba rendezhető információk szerkezetének felderítésében, és az ezeken alapuló előrejelzések kialakításában. Különösen fontosnak látszik az az eredmény, mely szerint a statisztikai tanulás újszülött kori minősége előre jelzi az anyanyelv elsajátításának minőségét. Ugyanakkor a szűk értelemben vett statisztikai tanulás csak egy elem a különböző tanulási képességek rendszerében. Független tőle az ingerek idői struktúrájának felderítése, mely egyben segíti a statisztikai tanulást. A másik oldalon a statisztikai tanulás elősegíti az ingersorok magasabb rendű szerkezetének kiemelését. A magasabb rendű szerkezet (hierarchia) felépítéséhez szükséges, hogy az agy teljes ingersorokat is képes legyen egységként kezelni. Ez lehetővé teszi azt is, hogy az egymást nem közvetlenül követő ingerek összefüggéseit is detektáljuk, és ezáltal ezekre is készülhessenek előrejelzések. Hozzá kell tenni, hogy a statisztikai tanulás fogalmának kiterjesztésével a cikkben vizsgált egyéb tanulási formákat is lehet statisztikai tanulásnak tekinteni, hiszen az idői struktúra is leírható statisztikai jellemzők segítségével, illetve az egység fogalmát az egyedi ingerről ingersorokra általánosítva a statisztikai tanulás az összetett struktúrák egymás közötti viszonyának leírásában is értelmezhető. Kérdés azonban, hogy az emberi agy ezekre a képességekre külön mechanizmusokkal rendelkezik-e, avagy egy általános statisztikai tanulási mechanizmust működtetünk, melyhez különböző előkészítő utak szolgáltatnak bemenetet.

E cikk megírásához támogatást nyújtott a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal (ANN131305 pályázat T. B. számára, FK139135 H. G. P. számára és K147135 pályázat W. I. számára) és a Bolyai János Kutatási Ösztöndíj (BO/00523/21/2 H. G. P. számára). A cikk a Kulturális és Innovációs Minisztérium ÚNKP-23-5-BME-429 kódszámú Új Nemzeti Kiválóság Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával (H. G. P. számára) készült.