Professori Okko Räsänen mallintaa kielenoppimista

Vuosikymmenien tutkimuksesta huolimatta emme vielä tiedä, miten lapset oppivat ymmärtämään ja tuottamaan äidinkieltään. Professori Okko Räsänen tutkii lasten varhaista kielenoppimista laskennallisen mallinnuksen avulla. Räsäsen tavoitteena on rakentaa kokonaiskuva siitä, mitä kielenoppimisen prosessissa tapahtuu. 

Tällä hetkellä varhaisen kielenoppimisen alalla ei ole yleisesti hyväksyttyjä kokonaisvaltaisia teorioita. Kehityspsykologit ja kielentutkijat ovat tutkineet aihetta runsaasti, mutta saatu tieto on sirpaleista ja kokonaiskuva puuttuu.

– Kielenoppimisen ensivaiheet sekä kyky kielenkäyttöön yleisesti ovat yksiä monimutkaisimmista ihmisen kognitiivisista prosesseista, Räsänen sanoo.

Laskennallisen mallintamisen avulla kokonaiskuvaan voidaan kuitenkin päästä kiinni. Räsänen kertoo, että mallintamisessa voidaan esimerkiksi yrittää selittää sitä, miten kielen äänteet, sanat ja sanojen merkitykset voidaan omaksua lapsen kuulemasta kielestä ja muuten havaittavissa olevasta ympäristöstä. 

– Mallintaminen auttaa myös ymmärtämään lasten kielikokemusten, kuten esimerkiksi kuullun puheen määrän ja laadun, sekä kielenoppimisesta vastaavien oppimismekanismien välistä dynamiikkaa, hän sanoo.

Laskennallinen mallintaminen on poikkitieteellistä, tarkkaa työtä

Laskennallinen mallinnus vaatii oppimisprosessin eri tekijöiden yksiselitteisen kuvaamisen – esimerkiksi kuvauksen siitä, mitä on oppijan havaitsema syöte, miten siitä opitaan ja miten oppimista mitataan. Tarkan kuvaamisen avulla mallinnusta voidaankin käyttää erilaisten kielenoppimisen teorioiden testaamiseen käytännössä. 

– Koska nykyaikaisia malleja voidaan opettaa realistilla syötemäärillä ja samalla mitata mallin kielenoppimista useista eri näkökulmista, malleja voidaan käyttää myös kokonaisvaltaisten teorioiden kehittämiseen ja testaamiseen. Tämä tukee niin sanottua perinteistä empiirisiin kokeisiin tai havaintoihin perustuvaa kielenoppimisen tutkimusta, Räsänen avaa.

Hän kertoo, että kun mallit saadaan tulevaisuudessa kuvaamaan riittävän hyvin lapsen kielenoppimista, mallintamisesta voidaan saada suurta hyötyä esimerkiksi kielenkehityksen haasteiden tunnistamisessa ja yksilöllisessä tukemisessa. Lisäksi syntyy tieteellistä ymmärrystä ihmisen kognitiivisesta toiminnasta ja kielestä ilmiönä. 

Mallinnuksessa sovelletaan signaalinkäsittelyä ja koneoppimista. Jotta tutkijat voivat kehittää algoritmeja, jotka oppivat autonomisesti ymmärtämään kieltä, algoritmien täytyy kyetä käsittelemään akustista puhesignaalia ja esimerkiksi visuaalisia syötteitä, jos kyseessä ovat moniaistilliset mallit. 

– Tämä tekee tutkimuksesta erittäin poikkitieteellistä, sillä osaamista vaaditaan samanaikaisesti sekä teknologian että kielentutkimuksen alueelta, Räsänen sanoo.

Aivot ovat ennustuskone

Räsänen on osoittanut Speech and Cognition Research Group -tutkimusryhmänsä kanssa, että kielen rakenteita voidaan oppia ilman esitietoa kielestä.

– Oppijan ei tarvitse tuntea äänteitä, tavuja tai sanoja. Riittää, että oppija pyrkii maksimoimaan aistiympäristönsä ennustettavuuden. Aivomme ovat kuin ennustuskone – ne yrittävät koko ajan ennakoida, Räsänen sanoo.

Hän kertoo, että kyseessä on tutkimusryhmän tärkein tulos, joka on tuonut uutta näkökulmaa puheen kehityksen tutkimukseen ja auttanut hahmottamaan, miksi ja miten kielenoppiminen voisi tapahtua lasten aivoissa.

Tällä hetkellä Räsänen jatkokehittää tutkimusryhmänsä kanssa kielen oppimisen mallinnuksen perustutkimusta Koneen säätiön rahoittamassa L-SCALE-hankkeessa, joka jatkuu vuoteen 2026 asti.

Räsänen kuvaa puhesignaalia haastavaksi tutkimuskohteeksi.

– Akustinen puhesignaali sisältää todella suuren määrän informaatiota. Kielellisen sisällön lisäksi puhe välittää suuren määrän tietoa puhujasta, tilanteesta ja kuulijasta, kuten esimerkiksi identiteettiin, asenteisiin ja tunnetiloihin liittyvää tietoa. Samasta syystä puheen kanssa työskentely on erittäin kiehtovaa ja aina lähellä ihmisyyteen liittyviä kysymyksiä.

Puheanalyysin avoimet työkalut hyödyttävät tutkijoita ympäri maailmaa

Kieli ja puhe kiinnostavat Räsästä laajasti. Hänen tutkimusryhmässään tehdään esimerkiksi tutkimusta tunneilmaisusta suomen kielen puheessa. Räsäsen ohjattava, väitöskirjatutkija Kalle Lahtinen tutkii, miten puhujat ilmaisevat ja miten ihmiset tai koneet havaitsevat tunnetiloja puheesta. 

– Analysoimme suurista suomenkielisistä puhemateriaaleista, mitä tunneilmaisu on suomen kielessä. Kehitämme myös työkaluja, joiden avulla voidaan automaattisesti tulkita suomen kielen tunneilmaisua, Räsänen sanoo.

Kuva: Jonne Renvall / Tampereen yliopisto

Räsäsen tutkimusryhmä on soveltanut puheen tutkimusta moneen. Tutkijat ovat kehittäneet esimerkiksi työkaluja puheaudion automaattiseen analyysiin, jolla voidaan korvata manuaalinen työ lasten kielikokemuksia tutkittaessa.

– Lasten kielenkehityksen tutkimuksissa on nykyään tyypillistä, että tutkittaville lapsille laitetaan mikrofonit taskuun ja ääntä tallennetaan koko päivän. Koska äänimateriaalia voi tällä tavoin kertyä jopa kymmeniä tuhansia tunteja, analyysityökalumme auttavat tutkijoita selvittämään, mitä aineistoissa tapahtuu, Räsänen sanoo.

Räsänen on ladannut ryhmänsä kanssa kehittämänsä työkalut avoimen lähdekoodin kirjastoon GitHubiin, jotta tutkijat löytäisivät työkalut myös hänen verkostojensa ulkopuolelta.

– Audiotyökaluilla on aidosti kansainvälistä käyttöä. Esimerkiksi viime vuonna vierailin lasten varhaiseen kehitykseen keskittyvässä konferenssissa, jossa sain selville, että useat tutkijat olivat hyödyntäneet työkalujamme ja ne mainittiin useassa puheenvuorossakin, Räsänen kuvailee.

Äänisignaalista saadaan myös terveystietoa

Myös terveydestä voidaan saada tietoa puhesignaalin avulla. Räsänen onkin yhdistänyt tutkimuksiinsa myös terveyden näkökulman.

Esimerkiksi vokologien kanssa Räsänen on tutkinut äänen väsymistä laulaessa. Yhteistyössä logopedien kanssa Räsänen on tutkinut, miten puhe muuttuu Parkinsonin taudissa. 

Äänisignaalin automaattinen analyysi kytkeytyy myös erilaisiin etälääketieteen mahdollisuuksiin.

– Teoriassa useiden sairauksien vaikutusta puheeseen voisi mitata automaattisesti. Automaattinen mittaaminen voisi kehittää sekä diagnostiikkaa että seurantaa. Toisaalta on tärkeää kartoittaa, mihin teknologiset ratkaisut todella taipuvat, sillä tutkimusalueeseen liittyy myös paljon hypeä, Räsänen kertoo.

Räsänen on ollut myös mukana älypotkupukuhankkeessa kehittämässä vauvoille suunnatun älyvaatteen analytiikkaa, sillä älyvaatteista saatavat mittasignaalit ovat luonteeltaan aikasarjadataa, kuten puheaudiokin. Älypotkupuvun avulla saadaan tietoa lapsen motorisesta – ja sitä kautta aivojen – kehityksestä. Tarkat kotiympäristöstä kerättävät liiketiedot auttavat arvioimaan varhaisia neurologisen kehityksen poikkeamia, jolloin kehitystä voidaan tarvittaessa myös tukea ajoissa.

– Älypotkupuvulla on aidosti yhteiskunnallista vaikuttavuutta, ja tällä hetkellä sitä testataan kansainvälisesti, Räsänen sanoo.

Teknologian ja ihmistieteiden yhdistäjä 

Räsäsen tausta on tekniikan puolella. Hän on aina ollut kiinnostunut siitä, miten ihmismieli ja aivot toimivat. 

Räsänen opiskeli Teknillisessä korkeakoulussa (nykyisessä Aalto-yliopistossa) alun perin elektroniikkaa ja sähkötekniikkaa. Syvennyttyään pääaineenaan kognitiiviseen teknologiaan, hän päätyi tekemään diplomityötään akustiikan laboratorioon EU-projektiin, jossa tutkittiin professori Unto K. Laineen johdolla uudenlaista ihmisenkaltaista automaattista puheentunnistusta.

– Kyseessä oli väitöskirjatutkijan paikka, mutta minut palkattiin projektiin. Innostuin teknologian ja ihmisnäkökulman yhdistämisestä niin paljon, että tutkimuksen tekeminen jatkui ja kokosin julkaisuista lopulta myös väitöskirjan. Samalla tutkimusalani vaihtui puhe- ja kieliteknologiaksi, ja sillä tiellä olen edelleen. 

Väitöksen jälkeen Räsänen jatkoi työtään aluksi Suomen Akatemian postdoc-tutkijana ja myöhemmin akatemiatutkijana. 

Tampereen yliopistoon hän siirtyi vuonna 2018 apulaisprofessoriksi. Helmikuussa 2025 hänet nimitettiin professoriksi.

Räsänen kokee, että professuuri antaa mahdollisuuden panostaa tutkimukseen, opetukseen ja erilaisiin tiedeyhteisön ja yliopiston toimintaa edistäviin tehtäviin aiempaa monipuolisemmin, sillä tutkijan uran alkuvaiheessa pääpaino on tutkijana pätevöitymisessä ja henkilökohtaisten näyttöjen keräämisessä.

– Professuuri mahdollistaa uralla aivan uudenlaiset vaiheet, hän tiivistää.

Räsänen ajattelee, että tutkijana hänen isoin kädenjälkensä maailmaan tulee todennäköisimmin oman osaamisen jakamisesta.

– Opiskelijoiden ja nuorten tutkijoiden kouluttaminen, ohjaaminen ja opettaminen on erittäin palkitsevaa, hän sanoo.