لغز كفاءة البيانات: كيف يتفوق الأطفال على الذكاء الاصطناعي في إتقان اللغة؟

لطالما كان إتقان اللغة البشرية حكراً على الأطفال، وهي عملية تحدث بسلاسة مذهلة خلال سنوات قليلة. لكن مع ظهور نماذج اللغة الكبيرة (LLMs) مثل ChatGPT، تغير المشهد، حيث أصبحت الآلات قادرة على محاكاة المحادثة البشرية ببراعة. ومع ذلك، يبرز تحدٍّ عميق يثير حيرة العلماء والمطورين على حد سواء: لماذا لا يزال الأطفال يتفوقون على هذه النماذج المتطورة في تعلم اللغة بكفاءة بيانات لا تُصدق؟ على الرغم من أن نماذج اللغة الكبيرة مثل Claude وDeepSeek ونماذج GPT من OpenAI أصبحت تتمتع بطلاقة ومرونة كافية لإيهامنا بأنها بشر، إلا أن هناك جانبًا خفيًا يكشف عن فجوة هائلة. فتعليم الكمبيوتر استخدام اللغة البشرية لا يزال يتطلب كمية غير إنسانية من البيانات. يمكن لنموذج اللغة الكبير أن يستوعب بسهولة مائة ألف ضعف من الكلمات التي يتعرض لها الإنسان خلال عملية إتقان لغته الأم، وهي كمية تفوق بكثير ما قد يسمعه الأطفال بحلول عيد ميلادهم الأول، وهو الوقت الذي يبدأون فيه عادةً في استيعاب اللغة. يقول مايكل سي. فرانك، عالم الإدراك المعرفي في جامعة ستانفورد، عن نماذج اللغة الكبيرة: "التقدم الأخير كان مذهلاً، لكننا ما زلنا نضطر إلى حرق غابة واستنزاف كامل المعارف البشرية لإعادة إنشاء هذا الإنجاز الذي يحدث في غرف معيشة أطفالنا على مدار عام واحد". هذه الفجوة الشاسعة بين الأطفال والآلات تُعرف بفجوة كفاءة البيانات. تطرح هذه الفجوة سؤالاً محيراً لعلماء الإدراك المعرفي وتحديًا كبيراً لمهندسي نماذج الذكاء الاصطناعي: كيف يمكن للأطفال أن يتفوقوا على أكثر الآلات تطوراً لغوياً على الإطلاق؟ إن إيجاد إجابات لهذا السؤال له تداعيات كبيرة على كل من أبحاث الذكاء الاصطناعي وعلم الإدراك. فعلى مدى العقد الماضي، تحسنت نماذج اللغة بشكل أساسي من خلال زيادة حجمها. على سبيل المثال، استوعب نموذج Llama 3.1 مفتوح المصدر من Meta، والذي صدر قبل عامين، 15 تريليون "وحدة لغوية" (أجزاء شبيهة بالكلمات) في مرحلة التدريب المسبق، وهي الخطوة الرئيسية التي تسبق الضبط الدقيق للنموذج لمهام محددة مثل كونه روبوت محادثة. ومن المتوقع أن تُدرّب النماذج الرائدة المستقبلية على بيانات تزيد عشرة أضعاف هذه الكمية. يُعد سد هذه الفجوة في كفاءة البيانات مفتاحًا ليس فقط لتطوير أجيال أكثر ذكاءً وكفاءة من نماذج الذكاء الاصطناعي، بل أيضًا لفك رموز أسرار التعلم البشري نفسه. إن التحدي القائم بين قدرة الطفل الفطرية على استيعاب اللغة والجهد الهائل الذي تبذله الآلات لتحقيق نفس الإنجاز يفتح آفاقًا جديدة للبحث في كل من علم الإدراك وهندسة الذكاء الاصطناعي، وربما يقودنا إلى فهم أعمق لما يعنيه أن تكون "ذكياً".