الأطفال يتفوقون على الذكاء الاصطناعي – لغز تعلم اللغة

الأطفال يتفوقون على الذكاء الاصطناعي – ولا نعرف السبب بعد

يقول فرانك: “إنها معجزة تمامًا”. “إذا قمت بتدريب GPT-2 على 30 مليون كلمة، ستحصل على مولد هراء؛ لن تحصل على طفل.”

كيف يتمكن الأطفال من تحقيق ذلك هو لغز. يعرف الباحثون الكثير عن ما يتعلمه الأطفال وكيف يستخدمون اللغة في مراحل مختلفة من التطور، لكن لا يزال هناك الكثير مما لا نعرفه. ربما يكون السؤال الأكثر ديمومة هو لماذا يمكن للأطفال تعلم اللغة على الإطلاق. تشمل بنية اللغة البشرية – القواعد التي تجمع الكلمات في جمل – هياكل متكررة ومتداخلة تسمح لنا بالتعبير عن أفكار لا حصر لها باستخدام مفردات محدودة من الكلمات وقطع الكلمات. يبدو أن هذا يجب أن يكون مشكلة للأطفال. إنهم يغوصون فقط في ضفاف محيط لا قاع له من اللغة. ومع ذلك، somehow، هذا يكفي. من قطرة، يستنتجون الأعماق.

نظرية تشومسكي

أحد الحلول، الذي طرحه عالم اللغة في معهد ماساتشوستس للتكنولوجيا نعوم تشومسكي في الخمسينيات، هو أن الأطفال يولدون بمعرفة مسبقة بالقواعد. كان تشومسكي يتفاعل مع وجهة نظر منافسة، دافع عنها عالم النفس ب.ف. سكينر، التي تقول إن اكتساب اللغة يعتمد بالكامل على البيئة. اعتقد سكينر أن اللغة تُكتسب من خلال التعزيز والتكييف، تمامًا كما يتعلم الكلب كيفية الجلوس أو المصافحة للحصول على المكافآت. رد تشومسكي بالاستشهاد بـ “فقر المحفز” – الفكرة التي تقول إن اللغة، خاصةً القواعد، معقدة للغاية وأن تعرض الأطفال لها “محدود” جدًا لدرجة أنهم لا يمكنهم التعلم تمامًا من التجربة. “حجته الرئيسية كانت، في الأساس، أن اللغة لا يمكن تعلمها فقط بناءً على الإحصائيات”، يقول ريتشارد فوترل، عالم اللغة وعالم الإدراك في جامعة كاليفورنيا، إيرفين. بدلاً من ذلك، افترض تشومسكي أن اللغة تعتمد على مجموعة من القواعد المنطقية و argued أن الأطفال يحتاجون إلى معرفة فطرية بتلك القواعد لاستنتاج قواعد لغتهم من قصاصات الكلام.

“إنها معجزة تمامًا … إذا قمت بتدريب GPT-2 على 30 مليون كلمة، ستحصل على مولد هراء؛ لن تحصل على طفل.”

مايكل سي. فرانك، عالم الإدراك، جامعة ستانفورد

سيطرت وجهة نظر تشومسكي حول اللغة على علم اللغة في الولايات المتحدة لعقود تحت شعار القواعد التوليدية. وكانت لها تأثير كبير على علوم الكمبيوتر في الخمسينيات والستينيات، عندما كانت الذكاء الاصطناعي يشهد أول ازدهار له وذابت الحدود بين علم اللغة ومعالجة اللغة الطبيعية في سيل من التمويل العسكري؛ أراد البنتاغون أجهزة كمبيوتر يمكنها فهم الإنجليزية وترجمة الروسية.

على الرغم من النجاحات المبكرة للشبكات العصبية البسيطة، التي تتعلم التعرف على الأنماط الإحصائية وإعادة إنتاجها، اعتمد باحثو الذكاء الاصطناعي في الولايات المتحدة إلى حد كبير على إطار عمل قائم على القواعد تأثر بنظريات تشومسكي. حاولوا تعليم اللغة للكمبيوتر من خلال ترميز القواعد بشكل صريح في البرامج – فكر في الأمر كأقل تجربة غمر، وأكثر كفصل قواعد. هذا النهج، الذي هو جزء من اتجاه أوسع يسمى الذكاء الاصطناعي الرمزي، ساد لعقود. كما أنه فشل إلى حد كبير في إنتاج نماذج قادرة فعلاً على التعامل مع اللغة البشرية على نطاق واسع. تباطأ الاهتمام بمعالجة اللغة الطبيعية في “شتاء الذكاء الاصطناعي” الذي بدأ في السبعينيات.

بعد ذلك، بدأت الشبكات العصبية في العودة. لكن لم يكن حتى العقد الثاني من القرن الحادي والعشرين، عندما أصبحت أجهزة الكمبيوتر رخيصة وقادرة والإنترنت أصبح كبيرًا، أن أدائها بدأ يجذب الانتباه. بحلول عام 2018 و2019، كانت النماذج BERT وGPT-2، التي بُنيت على بنية جديدة – المحول – وتدربت على مليارات الرموز، قد أوضحت للمطلعين أن التعلم من غزارة هائلة من البيانات يمكن أن يعمل للغة. في عام 2022، مع النجاح الباهر لروبوت الدردشة ChatGPT من OpenAI، أصبح ذلك واضحًا للجميع.

تعتبر نماذج اللغة الكبيرة ليست أدمغة. ما هي إلا متعلمين إحصائيين أقوياء – آلات تعلم الأنماط الساذجة بدون أي من الخصائص البيولوجية المتطورة المدمجة في قشرة الدماغ البشرية. بعبارة أخرى، هم بالضبط النوع من الأشياء التي كان عالم اللغة التوليدي قبل عقدين من الزمن سيعتقد أنها لا يمكن أن تتعلم اللغة. ومع ذلك، ها هم، يكتبون سوناتات قابلة للتصديق واجتياز اختبارات القواعد.

يقول أليسون جوبنيك، عالم النفس التنموي في جامعة كاليفورنيا، بيركلي: “بغض النظر عن مدى تشككك في الذكاء الاصطناعي، فإن الشيء الذي أعجب به الجميع حقًا هو: هذه الأشياء تتعلم القواعد النحوية”. “لم أكن أعتقد أن ذلك سيتحقق. وأعتقد أن معظم الناس لم يعتقدوا أنه يمكنك فقط النظر إلى إحصائيات عينة كبيرة من اللغة واستنتاج القواعد النحوية.”