منذ مائة ألف سنة على الأقل، كانت الأطفال البشرية الكائنات الوحيدة القادرة على تعلم اللغة الإنسانية بطلاقة مثالية. لكن بعد أربع سنوات من ظهور ChatGPT، أصبحت نماذج لغوية مثل Claude وDeepSeek وطرازات GPT قادرة على محاكاة البشر بمرونة مذهلة. غير أن هذا الإنجاز يخفي واقعاً صادماً: تعليم الآلة اللغة البشرية يتطلب كمية بيانات هائلة بشكل مجنون.

يعكف نموذج لغوي معاصر على معالجة مئة ألف مرة من الكلمات التي يتعرض لها الإنسان عند إتقان لغته الأم. هذا يعني أن نموذج Llama 3.1 من Meta، الذي أطلق قبل عامين، تم تدريبه على 15 تريليون رمز لغوي. وقد يعمل نماذج الذكاء الاصطناعي المتقدمة على بيانات تزيد عشرة أضعاف. باختصار: الفجوة بين ما يتعلمه الطفل وما تحتاجه الآلة تسمى بـ "فجوة الكفاءة البيانية"، وهي تطرح سؤالاً محيراً: كيف ما يزال الأطفال يتفوقون على أكثر الآلات تعقيداً في معالجة اللغة؟

طفل في بيئة غنية لغوياً قد يسمع حوالي 100 مليون كلمة، وقد يصل هذا الرقم إلى 300 مليون بعمر 20 سنة عند إضافة القراءة والكتابة. لو طبعت كل البيانات المستخدمة في تدريب نموذج لغوي حديث على الورق، ستصل المكدسة إلى ما وراء محطة الفضاء الدولية، بينما كلمات الطفل لن تتجاوز ارتفاع 20 متراً فقط. يأمل العلماء بكسر هذا اللغز لتطوير نماذج أكثر كفاءة في استخدام البيانات، وهو أمر حيوي لتدريب الذكاء الاصطناعي على الفيديو وإنشاء روبوتات محادثة للغات الأقليات.

يعود اللغز إلى نقاش عميق في علم اللغة: هل يولد الأطفال بمعرفة غريزية بقواعد اللغة كما اقترح اللغوي نعوم تشومسكي في الخمسينات؟ أم أن الأطفال يتعلمون من خلال التجربة البحتة؟ عندما يسمع طفل صغير حوالي 10 ملايين كلمة، يبدأ عادة بتكوين جمل صحيحة نحوياً. لكن عندما يتم تدريب نموذج لغوي على 30 مليون كلمة فقط، ينتج منه مولد كلام عشوائي لا معنى له.

كانت النماذج العصبية البسيطة قادرة على التعلم من الأنماط الإحصائية، لكن الذكاء الاصطناعي الأمريكي اتبع منهجاً قائماً على القواعد المبرمجة بشكل صريح. انهار هذا النهج في ستينات القرن الماضي خلال فترة عرفت بـ "شتاء الذكاء الاصطناعي". عادت النماذج العصبية للظهور القوي في العشرينات من هذا القرن، حين أصبحت البرامج أقوى والإنترنت أضخم. نماذج مثل BERT و GPT-2 وصلت لأداء مذهلة، وثبتت أن التعلم من كمية ضخمة من البيانات الإحصائية يعمل فعلاً. اليوم يسعى الباحثون لفهم كيفية قيام الأطفال بهذه المعجزة اللغوية، على أمل استخلاص دروس تحسّن من كفاءة الآلات.