Children, but not language models, show accelerating returns in word learning
تكشف هذه الورقة أنه في حين يُظهر الأطفال عوائد متسارعة في تعلم الكلمات من خلال زيادة كفاءتهم مع كل وحدة جديدة من الخبرة اللغوية، فإن النماذج اللغوية —حتى تلك المدربة على الكلام الموجه للأطفال— لا تُظهر سوى عوائد نسبية ثابتة تتوافق مع قوانين القياس.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تبدأ اللغة البشرية ببداية بطيئة ومتعثرة. ففي السنة الأولى من العمر، قد يتعلم الطفل بضع كلمات فقط، وغالبًا ما تكون مجرد أسماء لأشخاص أو أشياء مألوفة. ثم يحدث شيء مذهل؛ حيث تتغير وتيرة التعلم بشكل دراماتيكي. فخلال سنوات قلي few قصيرة، يكتسب نفس الطفل مئات الكلمات، منتقلًا من مجرد تسميات بسيطة إلى جمل معقدة بسرعة تبدو وكأنها سحرية. لعقود من الزمن، حاول العلماء فهم آليات هذا الانفجار المعرفي. وقد اشتبهوا طويلاً في أن السر يكمس في كيفية معالجة الأطفال لتدفق الكلمات التي يسمعونها كل يوم. كانت الفكرة السائدة هي أن التعلم عملية ثابتة وخطية: فكلما سمع الطفل أكثر، تعلم أكثر، بمعدل ثابت. ولو كان هذا صحيحًا، لنمَت مفردات الطفل مثل الماء الذي يملأ دلوًا بقطرات منتظمة.
في السنوات الأخيرة، ظهرت برامج حاسوبية قوية تُعرف باسم نماذج اللغة كطريقة جديدة لدراسة هذه العملية. يتم تدريب هذه الأنظمة على كميات هائلة من النصوص، حيث تتعلم التنبؤ بالكلمة التالية في الجملة. ولأنها يمكن تدريبها على كميات محددة من البيانات، يمكن للباحثين استخدامها لاختبار النظريات حول كيفية عمل التعلم. ومع ذلك، ظهرت فجوة محيرة؛ فلكي تصل هذه النماذج الحاسوبية إلى حتى مستوى أساسي من المهارة اللغوية، فإنها تتطلب تريليونات الكلمات من بيانات التدريب. في المقابل، يتعلم الطفل البشري أول آلاف كلماته بعد سماع بضعة ملايين فقط. هذا الاختلاف الهائل في متطلبات البيانات يشير إلى أن الأطفال والآلات يتعلمون بطرق مختلفة جوهريًا، ولكن حتى الآن، لم يكن لدى أحد وصف رياضي واضح لكيفية تجلي هذا الاختلاف بالضبط بمرور الوقت.
شرع باحث في قياس هذا الفرق بشكل مباشر. فقد ركز على نمو المفردات، متتبعًا كيفية تعلم الأطفال لكلمات محددة بمرور الوقت ومقارنة ذلك النمط بكيفية تعلم النماذج الحاسوبية لنفس الكلمات. جمع الباحث بيانات من آلاف الأطفال، باستخدام سجلات مفصلة حيث أفاد الآباء بالكلمات التي يستطيع أطفالهم نطقها في أعمار مختلفة. كما قام بتدريب نماذج حاسوبية على تسجيلات للكلام الموجه خصيصًا للأطفال، لضمان تلقي الحاسوب نفس النوع من المدخلات التي يسمعها الطفل الصغير. ومن خلال تحليل هاتين المجموعتين جنبًا إلى جنب، اكتشف الباحث أن الرؤية القياسية للتعلم باعتباره تراكمًا مستمرًا كانت غير صحيحة بالنسبة للبشر.
كشفت الدراسة أن الأطفال لا يتعلمون بمعدل ثابت؛ بل إن قدرتهم على التعلم تتسارع. في البداية، قد يحتاج الطفل لسماع كلمة ما مئات المرات قبل أن ينطقها. ولكن مع تقدمهم في العمر واتساع مفرداتهم، يحتاجون إلى عدد أقل بكثير من التعرضات لتعلم كلمة جديدة. قد يسمع الطفل الصغير كلمة "كتاب" آلاف المرات قبل نطقها، ومع ذلك قد يسمع طفل الروضة كلمة "وعل" (ibex) بضع مرات فقط في حديقة حيوان ويكررها في اليوم التالي. وجد الباحث أن هذا التسارع ظاهرة حقيقية وقابلة للقياس. فكلما كبر الأطفال، أصبحت كل قطعة جديدة من الخبرة اللغوية أكثر قيمة. إنهم يتعلمون من كل ساعة إضافية من المحادثة أكثر مما تعلموه من الساعة التي سبقتها. أما النماذج الحاسوبية، حتى تلك التي تم تدريبها على الكلام الموجه للطفل، لم تظهر هذا التسارع؛ فقد تعلمت بوتيرة ثابتة وغير متغيرة، حيث تتطلب نفس القدر من البيانات لتعلم كلمة جديدة بغض النظر عن مقدار ما عرفته بالفعل.
يشرح هذا الاختلاف سبب قدرة الأطفال على أن يصبحوا متحدثين بطلاقة ببيانات أقل بكثير مقارنة بالآلات. تعمل النماذج الحاسوبية على مبدأ العوائد الثابتة: فكل كلمة جديدة يتعلمونها تكلف نفس القدر من بيانات التدريب. أما الأطفال، فيحصلون على عوائد متزايدة على استثمارهم. اختبر الباحث ما إذا كان هذا التسارع مجرد نتيجة لتغيير الآباء لطريقة حديثهم مع أطفالهم مع تقدمهم في العمر، أم أنه تغيير داخلي في قدرة الطفل على التعلم. أشارت البيانات إلى أن الأمر يعود للأخير؛ إذ بدا أن أدمغة الأطفال تصبح أفضل في استخراج المعنى من الأصوات التي يسمعونها، ربما لأنهم يتعلمون استخدام الكلمات التي يعرفونها بالفعل لاستنتاج كلمات جديدة.
تتحدى هذه النتائج فكرة أن تعلم اللغة هو مجرد مسألة تراكم للأدلة بمرور الوقت. بدلاً من ذلك، العملية ديناميكية. أظهر الباحث أن النموذج الذي تزداد فيه "قيمة" كل كلمة جديدة مع العمر يناسب بيانات العالم الحقيقي للأطفال تمامًا، بينما النموذج الذي تظل فيه القيمة ثابتة لا يناسبها. هذا التسارع ليس مجرد تفصيل صغير، بل هو اختلاف جوهري بين التعلم البشري وتعلم الآلة. وبينما تعلمت النماذج الحاسوبية الكلمات في النهاية، إلا أنها فعلت ذلك بجمود لا يمتلكه الأطفال البشر. تشير الدراسة إلى أن سر اللغة البشرية لا يكمن فقط في كمية البيانات التي نتلقاها، بل في كيفية تحسن قدرتنا على استخدام تلك البيانات مع نمونا. يقدم هذا الاستبصار اتجاهًا جديدًا لفهم الإدراك البشري وبناء أنظمة اصطناعية قد تتمكن يومًا ما من التعلم بكفاءة تضاهي كفاءة الطفل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.