子どもはAIより効率的に言語を学習

何が起きたか

LLM（大規模言語モデル）は言語を学ぶために子どもよりはるかに多くのデータを必要とする。例えば、MetaのLlama 3.1は事前学習で15兆トークン（単語のような言語の塊）を処理したが、子どもは約1億語で言語を獲得する。

なぜ重要か

この「データ効率のギャップ」は、AI研究と認知科学の両方に影響する。モデルが大きくなるほど学習データが不足し、2030年代には簡単に入手できるデータが枯渇する可能性がある。子どもの学習方法を解明できれば、より少ないデータで学べるAIの開発につながる。国内のAI開発に携わる企業は、少ないデータで学ぶ新たな技術の登場に備える可能性がある。

注目点

BabyLMコンペティションは、子どもが経験する約1億語（幼児向けトラックは1000万語）のデータでモデルを訓練し、文法ベンチマークで評価する。この挑戦は、言語学習の根本的な謎に光を当てる可能性がある。