上一篇：孩子们比人工智能学得更好-我们仍然不知道为什么

据我们所知，人们互相交谈至少已有10万年的历史。一直以来，世界上只有一种东西可以学习人类语言以达到完美流利的程度：人类孩子。现在有两个了。ChatGPT发布短短四年后，我们中的许多人现在认为我们可以用手机或电脑自然地交谈是理所当然的。Claude、DeepSeek和OpenAI的GPT模型等LLM足够流畅、灵活，可以令人信服地伪装成人类。但窥视计算帷幕背后，会发现一个问题：教计算机使用人类语言仍然需要大量不人道的数据。法学硕士可以轻松地使用比一个人在掌握母语过程中经历的单词多十万倍的单词，而且比孩子在一岁生日时听到的单词多得多，当时他们通常开始掌握语言。“最近的进展非常惊人，”迈克尔·C。斯坦福大学认知科学家弗兰克谈到法学硕士时说道。“但我们仍然必须烧毁一片森林，耗尽所有人类知识的总和，才能重现一年内发生在我们客厅里的这一里程碑。”儿童和机器之间的这种巨大鸿沟被称为数据效率差距。它给认知科学家提出了一个诱人的问题，也给人工智能模型的设计师提出了挑战：孩子们如何仍然能够超越有史以来语言最复杂的机器？寻找答案对于人工智能研究和认知科学都有利害关系。在过去的十年里，语言模型大多是通过变得更大而变得更好的。Meta的开放重量级LLM Llama 3.1于两年前发布，在预训练中仔细研究了（类似单词的语言块）--这是在针对特定任务（例如聊天机器人）进行微调之前训练模型的主要步骤。认知科学家Ethan Gotlieb Wilcox说，前沿模型可以在10倍以上的数据上进行预训练。

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。