ทำไมเด็กเรียนภาษาได้เก่งกว่า AI และนี่ยังเป็นปริศนา

บทความของ MIT Technology Review อธิบาย “ช่องว่างด้านประสิทธิภาพข้อมูล” ระหว่างมนุษย์กับโมเดลภาษา ซึ่งเป็นความแตกต่างสำคัญที่ทำให้เด็กเล็กสามารถเรียนรู้ภาษาของมนุษย์ได้อย่างลื่นไหลจากข้อมูลน้อยกว่ามหาศาล ขณะที่โมเดลอย่าง ChatGPT, Claude หรือ DeepSeek ต้องใช้ข้อความระดับมหาศาลจากทั้งอินเทอร์เน็ตเพื่อให้พูดได้คล้ายมนุษย์ ประเด็นนี้สำคัญทั้งต่อวงการ AI และวิทยาศาสตร์ความรู้ความเข้าใจ เพราะหากเข้าใจว่าทำไมเด็กเรียนรู้ภาษาได้ดีนัก ก็อาจนำไปสู่การสร้างโมเดลที่ใช้ข้อมูลน้อยลง และอาจช่วยตอบคำถามเก่าแก่เรื่องธรรมชาติของการเรียนรู้ภาษาของมนุษย์ด้วย

บทความชี้ว่า แม้ LLM ยุคใหม่จะก้าวหน้าอย่างรวดเร็ว แต่กระบวนการฝึกยังต้องพึ่งข้อมูลจำนวนมหาศาลมากจนเมื่อเทียบกันแล้ว เด็กหนึ่งคนใช้คำพูดเพียงเศษเสี้ยวเล็กน้อยของปริมาณที่โมเดลภาษาสมัยใหม่เห็นในการฝึก ผู้เชี่ยวชาญยกตัวอย่างว่าการฝึกโมเดลขนาดใหญ่ต้องผ่านข้อมูลนับล้านล้านโทเคน และในอนาคตอาจติดเพดานเพราะข้อมูลคุณภาพดีบนอินเทอร์เน็ตมีจำกัด ขณะที่มนุษย์กลับเรียนรู้ภาษาแม่จากการได้ยินไม่กี่สิบล้านคำก็สามารถพูดได้อย่างถูกต้องตามหลักไวยากรณ์

แกนกลางของเรื่องนี้คือคำถามว่าทำไมสมองเด็กจึงทำสิ่งที่ดู “เป็นไปไม่ได้” สำหรับเครื่องจักรได้ นักวิจัยยังไม่รู้คำตอบที่ชัดเจน และจึงมีการย้อนกลับไปถกเถียงแนวคิดคลาสสิกระหว่างโนม ชอมสกี กับ บี.เอฟ. สกินเนอร์ ฝั่งชอมสกีเสนอว่ามนุษย์เกิดมาพร้อมความรู้เรื่องไวยากรณ์บางส่วนในตัว จึงอธิบายได้ว่าทำไมเด็กจึงเรียนรู้ภาษาจากข้อมูลที่ไม่สมบูรณ์ได้ ส่วนมุมมองที่เน้นสิ่งแวดล้อมล้วน ๆ อธิบายความซับซ้อนของภาษาได้ไม่เพียงพอสำหรับนักภาษาศาสตร์จำนวนมาก

บทความยังทบทวนประวัติศาสตร์ของวงการ AI ด้วยว่า แนวคิดแบบกฎเกณฑ์ที่ได้รับอิทธิพลจากภาษาศาสตร์เชิงโครงสร้างครองวงการอยู่นาน แต่กลับไม่ค่อยประสบความสำเร็จกับการทำให้คอมพิวเตอร์เข้าใจภาษามนุษย์ได้จริง จนกระทั่งยุคข้อมูลมหาศาลและสถาปัตยกรรม Transformer ทำให้โมเดลแบบสถิติสมัยใหม่เรียนรู้จากตัวอย่างจำนวนมากได้ดีขึ้นอย่างก้าวกระโดด อย่างไรก็ตาม แม้ LLM จะทำงานได้ใกล้เคียงมนุษย์ในบางบริบท แต่มันยังเป็นเพียงเครื่องจักรจับแพตเทิร์น ไม่ใช่สมองที่มีพัฒนาการหรือประสบการณ์แบบเด็กจริง ๆ

สำหรับอนาคต นักวิจัยหวังว่าแนวทาง “เรียนจากเด็ก” จะช่วยออกแบบ AI ที่ใช้ข้อมูลน้อยลง แต่ทำงานได้มีประสิทธิภาพมากขึ้น โดยเฉพาะงานที่ข้อมูลหายาก เช่น การเข้าใจวิดีโอหรือการสร้างแชตบอตสำหรับภาษากลุ่มน้อย นอกจากนี้ การทดลองกับโมเดล AI ยังอาจช่วยให้เข้าใจคำถามพื้นฐานว่า ภาษาเกิดจากสัญชาตญาณที่ติดตัวมาแต่กำเนิดมากน้อยแค่ไหน หรือบางส่วนของภาษาเป็นผลจากข้อจำกัดทั่วไปของการเรียนรู้และการสื่อสารที่มนุษย์มีร่วมกัน บทสรุปของบทความคือ แม้ AI จะก้าวหน้ามาก แต่ยังไม่มีเครื่องจักรใดเทียบความสามารถของเด็กในการเรียนรู้ภาษาจากข้อมูลเพียงน้อยนิดได้ และนี่คือปริศนาที่ทั้งวงการ AI และสมองมนุษย์ยังต้องหาคำตอบต่อไป