人工智能聊天機械人能迅速寫出完整句子，學會語言所需的資料量卻遠超嬰兒。蘭卡斯特大學參與的研究指出，幼兒在有限語言輸入下仍可掌握新詞、語法和社交含義，學習效率明顯高於大型語言模型；差距不只在大腦規模，而在嬰兒能把聲音、視線、動作和他人反應放在同一情境理解。
大型語言模型通常從龐大文字資料找出詞語之間的統計關係，再預測下一個字詞。嬰兒接觸的語句少得多，輸入亦不完整，卻可透過共同注意、指向、觸摸和反覆試驗，把詞語與具體人物和物件連起來。研究人員認為，這種具身和社交學習，是現有聊天機械人難以複製的部分。
幼兒學習亦會主動選擇資訊。他們會轉頭尋找聲音來源、拿起物件、重複動作，並從成人是否回應判斷自己理解得對不對。同一個詞在餐桌、遊戲和外出等情境反覆出現，兒童可逐步抽取穩定意思。模型訓練則多以預先收集的資料為主，未必能主動改變環境並觀察結果。
研究並非指AI完全不能從幼兒資料學習。較早前刊於《科學》的實驗，曾把幼兒第一視角影像和語音交給較簡單模型，模型可學到部分詞語與物件對應，證明兒童日常經驗本身包含可用線索。不過，模型在泛化、少量樣本和新情境表現，仍與幼兒有差距。
關鍵在社交與情境
語言並不只是詞彙表。成人對嬰兒說話時會調整語速、重複關鍵詞，並以表情和動作提供提示；嬰兒也會用哭聲、眼神和手勢改變照顧者下一步行為。這種雙向迴圈令學習資料隨理解程度改變，而一般模型只接收固定資料，缺少相同回饋。
研究亦提醒，不能只用最終答題分數比較人類與模型。大型模型在大量文字訓練後，可能在特定測試取得高分，但所需運算、能源和資料遠超兒童。若把學習效率計入比較，嬰兒以很少例子形成可轉移概念的能力，仍是人工智能研究的重要參照。
兒童接觸的語料雖少，質素卻有特殊結構。照顧者會因孩子當下注意的物件調整說話內容，同一個詞往往伴隨視線、手勢和即時結果。這些線索讓幼兒排除大量錯誤解釋。文字模型從海量句子學習，資料規模更大，卻未必知道一句話對現場人物造成甚麼影響。
研究團隊亦區分「會生成語句」和「真正學會語言」。聊天機械人可以模仿常見表達，但遇到資料未涵蓋的新物件、新說話者或含糊指示時，表現可能急跌。幼兒則會利用當下目標和對方意圖修正理解，錯一次後往往能在下一次互動調整。（編輯部）
下載APP