Viimastel aastatel on keeleteadlased kaasatud tulisesse vaidlusse selle üle, kuidas lapsed keelt õpivad. Mõned väidavad, et imikud sünnivad “puhta tahvlina” ja omandavad keelt ainult kogemuste kaudu, samas kui teised väidavad, et beebide ajud omavad sisemist mehhanismi, mis võimaldab keele omandamist.
Tehisintellekti mudelid, nagu GPT-4, pole seda vaidlust lõplikult lahendanud. Nende lähenemine keeleõppele, mis hõlmab mahukate tekstuaalsete andmete sorteerimist internetist, erineb oluliselt sellest, kuidas noored lapsed õpivad meelte kaudu maailmaga suheldes ja avastades.
Siiski otsustas New Yorki ülikooli teadlaste meeskond sellele probleemile valgust heita, treenides AI mudelit, kasutades ühe imiku nimega Sam kogemusi. Kuue kuni 25 kuu vanuselt kandis Sam üks kord nädalas tund aega peas olevat kaamerat, püüdes oma visuaalset ja kuuldavat sisendit, kui ta mängis, lustis pargis ja suhtles oma lemmikkassidega. Salvestatud kaadritest ja transkribeeritud helist kasutati seejärel AI mudeli treenimiseks.
Hoolimata piiratud treeningandmetest näitas AI mudel märkimisväärseid võimeid. Ta suutis tuvastada objekte ja luua nendega vastavad assotsiatsioonid. Mudeli jõudlust testides esitasid teadlased talle objekte, mida Sam oli varem kohanud, nagu tool tema kodust või üks tema mänguasjakera. Hämmastaval kombel suutis mudel objekti 62% tõenäosusega õigesti tuvastada nimekirjast nelja valikuga, ületades juhusliku taseme 25%. Lisaks suutis AI mudel tuvastada ka toolid ja pallid, millega Sam polnud kokku puutunud.
Kuigi AI mudel õppis ligikaudu 40 erinevat sõna, jäi ta lõpuks siiski Sami sõnavara ja keeleoskustega võrreldes alla. See tulemus pani teadlased väitma, et õppimine ainult kogemuste kaudu võib olla piisav sõnade kaardistamiseks objektidele. Siiski jäävad skeptikud skeptiliseks. Nad kaheldavad mudeli võimes õppida abstraktseid nimisõnu või tegusõnu ning kahtlevad õppimisprotsesside võrreldavuses AI ja inimbeebide vahel.
Keele omandamise müsteerium püsib, jättes teadlased innukalt jätkama uurimistööd. Täiendavad uuringud võivad paljastada kogemuste ja kaasasündinud kognitiivsete võimete põimumise ulatuse keerulises keele õppe protsessis.
Korduma kippuvad küsimused (KKK):
Q: Mis on GPT-4?
A: GPT-4 on tehisintellekti mudel, mis õpib keelt analüüsides internetist suures koguses tekstiandmeid.
Q: Kuidas New Yorki ülikooli teadlased AI mudelit treenisid?
A: Teadlased treenisid mudelit salvestuste ja transkribeeritud heliga ühest väikelapsest nimega Sam, kes kandis peas olevat kaamerat, et tema kogemusi jäädvustada.
Q: Millised olid AI mudeli võimed?
A: Piiratud treeningandmetest hoolimata suutis AI mudel tuvastada objekte ja seostada need vastavate märgistega.
Q: Kui hästi AI mudel esines objektide tuvastamisel?
A: AI mudel suutis varem nähtud objekte õigesti tuvastada 62% tõenäosusega, ületades juhusliku taseme 25%.
Q: Kas AI mudel õppis sõnu objektidele, mida Sam polnud kunagi kohanud?
A: Jah, AI mudel suutis tuvastada objekte, nagu toolid ja pallid, mida Sam varem polnud näinud.
Q: Kas AI mudel sobitus Sami sõnavara ja keeleoskustega?
A: Ei, AI mudel jäi lõpuks alla Sami sõnavarale ja keeleoskustele.
Allikad:
– The Economist: www.economist.com
Täiendava teema avamiseks uurigem tööstuse ja turu prognoose ning tehisintellekti keeleõppega seotud küsimusi ja nende tähendust tööstusele või tootele.
AI keeleõppe tööstus on viimastel aastatel märkimisväärselt kasvanud tänu loomuliku keele töötlemise ja masinõppe edusammudele. Turu-uuringufirma MarketsandMarkets prognoosib, et globaalne hariduse valdkonna AI turg, sealhulgas keeleõppe rakendused, jõuab 2025. aastaks 3,7 miljardi dollarini 2020. aastast kuni 2025. aastani kompenseeritud aastakasvumääraga (CAGR) 47,0%. See prognoos rõhutab nõudluse suurenemist AI-põhiste keeleõppe lahenduste järele.
Üheks peamiseks küsimuseks seoses AI keeleõppega on vaidlus AI mudelite tõhususe üle võrreldes inimkeele omandamisega. Kuigi AI mudelid nagu GPT-4 suudavad töödelda suuri koguseid tekstiandmeid ja õppida sõnade ja objektide vahelisi seoseid, erineb nende õppimisviis noorte laste meeli kaudu toimuvast avastamisest ja suhtlemisest. See tekitab küsimusi AI õppimisprotsesside võrreldavuse kohta inimimikute omadega ja selles, kui palju AI mudelid saavad tõepoolest keele keerukusi mõista.
Lisaks tekivad murekohad seoses AI mudelite piirangutega abstraktsete nimisõnade ja tegusõnade õppimisel, mis on keele arengus olulised komponendid. Kuigi õppeksperimentis olnud AI mudel suutis õppida ligikaudu 40 erinevat sõna, jäi see endiselt alla inimbeebi Sami sõnavarale ja keeleoskustele. See viitab sellele, et keeleõppes võib olla sisemisi kontseptuaalseid ja kontekstuaalseid nüansse, mis on AI mudelitele raskemini haaratavad.
Nende leidude tähendused tööstusele või tootele on kahekordsed. Ühelt poolt omavad AI keeleõppe mudelid suurt potentsiaali keele omandamise abistamiseks, kaardistades sõnad objektidele kogemuste põhjal. See võib olla hariduslikes seadetes väärtuslik, kus AI-toega keeleõppe rakendused saavad täiendada traditsioonilisi meetodeid, pakkudes personaalseid ja interaktiivseid keeleõppe kogemusi.
Teiselt poolt rõhutavad AI mudelite piirangud inimkeele omandamise täielikul reprodutseerimisel inimkeele omandamise olulisust erinevate õppimisviiside kaasamisel ja inimeste ainulaadsete kognitiivsete võimete arvestamisel. Need leiud võivad inspireerida edasist uurimistööd ja arendustegevust tööstuses, et sillutada teed AI keeleõppe mudelite ja inimkeele omandamise vahel.
Lisateabe saamiseks AI keeleõppega seotud tööstuse ja turuprognooside kohta võite viidata The Economisti artiklile teemal: The Economist: AI Language Learning.
The source of the article is from the blog elblog.pl