うん、
多分君は、
かなり聴覚優位な認識を持ってるんだと思うけど、

コンピューターはそもそも、
0と1で記述された
数式しか認識できない。

基本的には、
人間の感覚器官とは別の情報処理をしている。

人間の言語認識が、
音声から入ると言うのは正しいが、

正確には音声と視覚から入っている。

りんごを見て、
りんごを認識するには、
視覚情報の登録がされて、
その後、音声情報が登録される必要がある。

りんごという音声情報が登録されていれば、
見たこともない、りんごを認識できるのか？
と言うとなかなか難しい。

幼少期の絵本の読み聞かせは重要だと言われているが、
幼少期に挿絵のない本の読み聞かせをする親はあまりいない。