Un’analisi retrospettiva dell’uso degli LLM per studiare l’apprendimento della sintassi nei bambini

Abstract degli autori

I modelli linguistici di grandi dimensioni (LLM) sono sempre più utilizzati per indagare come i bambini acquisiscono la sintassi nelle prime fasi dello sviluppo. Questo è in particolare l’obiettivo scientifico centrale della sfida BabyLM, un’iniziativa che coinvolge l’intera comunità di ricerca e mira a sviluppare modelli con prestazioni sintattiche di livello umano, addestrati su corpora realistici dal punto di vista dello sviluppo. In questo articolo riflettiamo sull’uso degli LLM nello studio dell’apprendimento della sintassi nei bambini, proponendo una valutazione epistemologica di diversi studi che fanno parte di questo programma di ricerca. Esaminiamo come vengono costruiti i dataset, quali modelli vengono implementati, come vengono addestrati e come ne vengono valutate le competenze sintattiche. Rileviamo presupposti metodologici significativi negli studi BabyLM e in quelli correlati, che ne limitano la portata teorica. Rileviamo inoltre che l’uso di corpora realistici dal punto di vista dello sviluppo ha effetti limitati sulle prestazioni dei modelli nei benchmark comunemente utilizzati, il che suggerisce l’esistenza di importanti differenze computazionali tra gli LLM e chi apprende la sintassi durante l’infanzia.