Waarom kinderen sneller taal leren dan kunstmatige intelligentie

Je vijfjarige leert spreken door te luisteren naar gesprekken aan tafel. Een kunstmatig intelligenties systeem? Dat heeft honderdduizend keer meer voorbeelden nodig om dezelfde taalvaardigheden te leren.

Dit verschil trekt steeds meer aandacht van wetenschappers. Grote taalmodellen (LLM's)—de AI-systemen achter tools als ChatGPT—werken door gigantische hoeveelheden tekst te analyseren en te voorspellen welk woord hierna komt. Ze werken heel effectief, maar de hoeveelheid data die ze nodig hebben, is enorm vergeleken met hoe kinderen leren.

Het raadsel is dat we nog steeds niet goed begrijpen *waarom* kinderen zoveel beter zijn hieraan. Kinderen lijken taal te leren door echte begrip en context—ze pakken betekenis op uit de wereld om hen heen, niet alleen patronen uit tekst. AI-systemen werken daarentegen door patroonherkenning. Ze vinden wiskundige verbanden in data, zonder echt te begrijpen wat woorden betekenen.

Voor gewone gebruikers is dit onderzoek relevant omdat het laat zien waar huidige AI tegen aanloopt. Als we zouden ontdekken waarom menselijke hersenen zo efficiënt taal leren, zouden we slimmere AI kunnen bouwen die niet het hele internet hoeft in te slikken om een gewoon gesprek te begrijpen.