کودکان در یادگیری زبان از هوش مصنوعی قویترند
به گزارش خبرگزاری آنا بخش بزرگی از پیشرفت هوشمصنوعی بر این فرض بنا شده است که هرچه داده بیشتر و توان محاسباتی بالاتر باشد، عملکرد مدل نیز بهتر خواهد شد. مدلهای زبانی بزرگ با تکیه بر همین رویکرد توانستهاند حجم عظیمی از متن را پردازش کند و در بسیاری از آزمونها عملکرد چشمگیری داشته باشد. با این حال، مقایسه آنها با کودکان یک تناقض را آشکار میکند. آن هم اینکه کودک بدون دسترسی به میلیاردها جمله و کتابخانهای عظیم از متن، زبان را یاد میگیرد. پژوهشگران از این تفاوت با عنوان «شکاف بهرهوری داده» یاد میکنند. یک مدل زبانی برای کشف الگوهای زبان به حجم عظیمی از متن نیاز دارد، در حالی که کودک از گفتوگوهای اطراف، رفتار دیگران و اتفاقهای روزمره یاد میگیرد. گزارش مؤسسه فناوری ماساچوست (MIT) نیز بر همین تفاوت تمرکز دارد و چرایی این مسئله را بررسی میکند.
کودک فقط واژه دریافت نمیکند
یکی از پاسخها ممکن است در تفاوت میان «داده» و «تجربه» باشد. وقتی یک مدل زبانی واژه «توپ» را میبیند، آن را در کنار مجموعهای از واژههای دیگر در یک متن دریافت میکند، اما کودک هنگام شنیدن همین واژه ممکن است همزمان توپ را ببیند، لمس کند، آن را پرتاب کند یا صدای افتادنش را بشنود؛ بنابراین برای کودک، توپ فقط صرف یک کلمه نیست؛ این واژه به یک شیء، حرکت، صدا و مجموعهای از تجربههای واقعی متصل است. زبان در خلأ یاد گرفته نمیشود، بلکه در دل زندگی روزمره شکل میگیرد. همین ارتباط میان زبان و جهان واقعی، یکی از تفاوتهای مهم میان یادگیری انسان و مدلهای زبانی است.
تلاش برای بررسی این تفاوت در پروژههایی مانند چالش «BabyLM» دنبال شده است. در این رقابت، پژوهشگران حجم داده آموزشی مدلها را به حدود ۱۰۰ میلیون واژه و در نسخهای کوچکتر به حدود ۱۰ میلیون واژه محدود کردند. این مقیاس بسیار نزدیکتر به میزان ورودی زبانی کودک در سالهای نخست زندگیاش است.
پژوهشگران میخواستند ببینند آیا با انتخاب بهتر دادهها، معماری مناسبتر و روش آموزش متفاوت میتوان از اطلاعات محدود استفاده مؤثرتری کرد یا خیر. نتایج نشان داد که محدود کردن داده لزوماً به معنای عملکرد ضعیفتر نیست و وقتی هدف، یادگیری با داده محدود باشد، بزرگتر کردن مدل به تنهایی راهحل نیست. مدل میتواند همان داده محدود را بارها در فرایند آموزش مرور کند، اما کودک با تجربههای تازه روبهرو میشود؛ او یک واژه را در موقعیتهای مختلف میشنود و هر بار با تجربه زیستی خود آن را به چیزی که میبیند و تجربه میکند ربط میدهد.
وقتی هوشمصنوعی وارد دنیای کودک میشود
پژوهشهای دیگری تلاش کردهاند این بخش از تجربه کودک را نیز وارد فرایند آموزش کنند. در یک مطالعه، بیش از ۶۱ ساعت تصویر و صدای ثبتشده از دید یک کودک ۶ تا ۲۵ ماهه در اختیار یک مدل قرار گرفت. مدل توانست ارتباط میان برخی واژهها و اشیای موجود در محیط را یاد بگیرد و در مواردی آموختههای خود را به تصاویر جدید تعمیم دهد.
پروژه «BabyView» نیز با گردآوری ویدئوهایی از منظر اولشخص کودکان، دادههایی طبیعیتر از زندگی روزمره آنها فراهم کرده است، در این دادهها تصویر، صدا، حرکت و گفتوگو همزمان اتفاق میافتند. این نوع داده نشان میدهد مسئله فقط «دیدن بیشتر» نیست. زندگی واقعی کودک شلوغ، نامرتب و غیرقابل پیشبینی است. افراد وارد و خارج میشوند، صداهای مختلف همزمان شنیده میشوند و اشیا دائماً تغییر موقعیت میدهند. پژوهشهای مربوط به BabyView نشان داد مدلها در رویارویی با چنین محیط طبیعی، بهویژه در بخشهای بصری، با دشواری بیشتری روبهرو میشوند؛ دقیقا در بخشی که برای کودک قسمتی عادی از زندگی است.
شاید مشکل کمبود داده نباشد
این یافتهها در شرایطی اهمیت بیشتری پیدا میکنند که ادامه اتکا به داده بیشتر، نیز با محدودیت مواجه شده است. پژوهشی ارائهشده در کنفرانس «ICML» در سال ۲۰۲۴ پیشبینی کرد که اگر روند فعلی ادامه پیدا کند، متن عمومی تولیدشده انسانی ممکن است حدود سالهای ۲۰۲۶ تا ۲۰۳۲ به نقطه اشباع برسد. این اعداد قطعی نیستند، اما یک مسئله را روشن میکنند؛ افزایش بیپایان حجم داده نمیتواند تنها مسیر پیشرفت هوشمصنوعی باشد.
کودک برخلاف هوشمصنوعی برای یادگیری منتظر دریافت داده بیشتر نمیماند؛ او محیط را جستوجو میکند، سؤال میپرسد، به اشیا دست میزند، واکنش دیگران را میبیند و تجربههای قبلی را با موقعیتهای تازه مقایسه میکند. یادگیری او حاصل جمع ساده واژههایی نیست که شنیده است، بلکه نتیجه تعامل مداوم با جهان اطراف است.
انتهای پیام/
