孩子們通過觀察周圍的環境，傾聽周圍的人，以及把所看到和聽到的聯系起來來學習語言。除此之外，這有助于孩子們建立語言的詞序，比如主語和動詞在句子中的位置。

　　在計算中，學習語言是語法和語義分析器的任務。這些系統被訓練成由人類注釋的句子，這些句子描述了單詞背后的結構和意義。解析器在網絡搜索、自然語言數據庫查詢以及Alexa和Siri等語音識別系統中越來越重要。不久，它們還可能用于家用機器人。

　　但是，對于不太常見的語言來說，收集注釋數據既費時又困難。此外，人們對注釋并不總是意見一致，而且注釋本身可能不能準確反映人們自然的說話方式。

　　在本周的自然語言處理經驗方法會議上發表的一篇論文中，麻省理工學院的研究人員描述了一種通過觀察來學習的解析器，它可以更緊密的模仿兒童的語言學習過程，這可以極大的擴展解析器的功能。為了了解語言的結構，解析器觀察字幕視頻，沒有其他額外的信息，并將文字與記錄的對象和動作聯系起來。給定一個新句子，解析器就可以使用它所學到的關于語言結構的知識來準確預測句子的意思，而不需要視頻。

　　這種“弱監督”的方法，意味著它需要有限的訓練數據來模擬孩子們如何觀察周圍的世界和學習語言，而不需要任何人提供直接的背景。研究人員稱，這種方法可以擴展數據類型，減少訓練解析器所需的工作量。例如，一些直接注釋的句子可以與許多字幕視頻結合使用，這些視頻更容易獲得，以提高性能。

　　將來，該解析器可用于改善人類和個人機器人之間的自然交互。例如，配備了解析器的機器人可以不斷觀察周圍環境，以加強對口頭命令的理解，包括口語句子的語法或詞句不夠清晰。人們用部分的句子、即興的想法和混雜的語言相互交談。

　　解析器還可以幫助研究人員更好的理解幼兒如何學習語言。“一個孩子能以不同方式獲得補充信息，包括聽父母和兄弟姐妹談論世界，以及觸覺信息和視覺信息，來理解世界，”，處理所有這些同時進行的感官輸入是一個令人驚奇的難題。這項工作是理解世界上這種學習是如何發生的更大的一部分。