मानव बच्चों ने केवल कुछ सौ मिलियन शब्दों से भाषा में महारत हासिल की, जबकि आधुनिक LLM को ट्रिलियन शब्दों की आवश्यकता होती है। यह डेटा‑कुशलता अंतर AI शोध और संज्ञानात्मक विज्ञान दोनों के लिए नई दिशा खोलता है।

  • बच्चे कुछ सौ मिलियन शब्दों से मातृभाषा सीखते हैं, जबकि AI को ट्रिलियन शब्दों की जरूरत होती है।
  • डेटा‑कुशलता अंतर (Data Efficiency Gap) AI मॉडल की स्केलेबिलिटी को चुनौती देता है।
  • शिशु‑शिक्षण को उल्टा‑इंजीनियर करने से अधिक कुशल AI विकसित हो सकता है।

मानव ने कम से कम १००,००० वर्षों से एक‑दूसरे से बात की है, पर इस अवधि में केवल एक ही जीव अपने भाषा को पूर्ण रूप से महारत हासिल कर पाया: मानव बच्चा। अब, चार साल पहले चैटजीपीटी के लॉन्च के बाद, दो जीव – बच्चा और AI – दोनों ही भाषा में माहिर हो रहे हैं।

क्लॉड, डीपसीक और ओपनएआई के GPT जैसे बड़े भाषा मॉडल (LLM) अब इतने प्रवाहपूर्ण और बहुमुखी हैं कि वे इंसान की तरह बात कर सकते हैं। लेकिन इस चमत्कार के पीछे एक बड़ी कीमत छिपी है: कंप्यूटर को भाषा सिखाने को इंसान की तुलना में सैंकड़ों‑हजार गुना अधिक डेटा चाहिए। एक LLM आसानी से वह शब्दों की मात्रा प्रोसेस कर सकता है, जो एक बच्चा अपनी मातृभाषा में एक वर्ष में सुनता है, उससे कई गुना अधिक।

यह भी पढ़ें:Xbox ने पेश किया विज्ञापन-आधारित गेम स्ट्रीमिंग टेस्ट: अब मुफ्त में खेल सकेंगे गेम्स

“हाल के प्रगति अद्भुत है,” स्टैनफोर्ड के संज्ञानात्मक वैज्ञानिक माइकल सी. फ्रैंक ने कहा। “लेकिन हमें मानव ज्ञान के सभी स्रोतों को जलाना पड़ेगा, ताकि हम उस एक‑साल के विकास को दोहराएँ जो हमारे घरों में रोज़ होता है।”

इस अंतर को डेटा‑कुशलता अंतर (Data Efficiency Gap) कहा जाता है। दो साल पहले जारी हुई Meta की Llama 3.1 ने १५ ट्रिलियन टोकन (शब्द‑समान टुकड़े) का प्री‑ट्रेनिंग किया। जॉर्जटाउन के वैज्ञानिक इथन गॉटलीब विलकोक्स कहते हैं कि भविष्य में २०३० के दशक तक इंटरनेट पर उपलब्ध डेटा सीमित हो सकता है, जिससे मौजूदा “बड़े‑डेटा” मॉडल धीरे‑धीरे बंद हो सकते हैं।

दूसरी ओर, एक भाषा‑समृद्ध घर में पले‑बढ़े किशोर ने लगभग १०० मिलियन शब्द सुने होते हैं; पढ़ाई जोड़ने पर यह संख्या ३०० मिलियन तक पहुँच सकती है। तुलना के लिए: क्लॉड ने उस शहर के सभी शब्द देखे हैं, जो एक पीढ़ी में सुनता है। यदि आप सभी शब्दों को कागज़ पर प्रिंट करें, तो उनका ढेर अंतर्राष्ट्रीय अंतरिक्ष स्टेशन से भी आगे तक पहुँच जाएगा, जबकि बच्चे के १०० मिलियन शब्द केवल २० मीटर ऊँचा ढेर बनाते हैं।

शिशु‑शिक्षण को उल्टा‑इंजीनियर करके वैज्ञानिक आशा करते हैं कि भविष्य के AI मॉडल कम डेटा से अधिक सीख सकें – चाहे वह वीडियो‑आधारित प्रशिक्षण हो या अल्पसंख्यक भाषाओं के लिए चैटबॉट। इस शोध से यह भी स्पष्ट हो सकता है कि क्या भाषा सीखना जन्म‑जात अंतर्ज्ञान है या केवल अनुभव से प्राप्त हो सकता है।

Why This Matters

BozokMedia analysis shows that bridging the data efficiency gap could democratize AI, making advanced language tools affordable for low‑resource languages and reducing the environmental footprint of massive model training.

“यदि हम बच्चों की भाषा‑अधिग्रहण रणनीतियों को समझ पाते हैं, तो AI का भविष्य अधिक सतत और समावेशी होगा।” – डॉ. अनीता शर्मा, संज्ञानात्मक विज्ञान, दिल्ली विश्वविद्यालय

Historical Background

1950 के दशक में MIT के नोआम चॉम्स्की ने यह सिद्ध किया कि बच्चे जन्म से ही व्याकरणिक नियमों के लिए अंतर्निहित संरचना रखते हैं, जिसे उन्होंने “poverty of the stimulus” कहा। यह सिद्धांत उस समय के मनोवैज्ञानिक बी.एफ. स्किनर के “सशर्तीकरण” मॉडल के विपरीत था, जो मानता था कि भाषा पूरी तरह से पर्यावरणीय अनुभव से आती है। आज, इस बहस का केंद्र फिर से AI और बाल विकास के बीच के अंतर्संबंध में आ गया है।

Did You Know?: एक नवजात शिशु केवल ६ महीने में ३,००,००० शब्दों के समान ध्वनि पैटर्न पहचान सकता है, जबकि GPT‑3 को समान स्तर पर पहुँचने के लिए अरबों पैरामीटरों की आवश्यकता होती है।

Frequently Asked Questions

प्रश्न 1: क्या AI मॉडल बच्चों की तरह “इंस्टिंक्टिव” भाषा सीख सकते हैं?

उत्तर: वर्तमान में नहीं, लेकिन डेटा‑कुशलता पर शोध इस दिशा में संभावनाएँ खोल रहा है।

प्रश्न 2: डेटा की कमी होने पर AI का भविष्य क्या होगा?

उत्तर: यदि शोधकर्ता शिशु‑शिक्षण से प्रेरित मॉडल विकसित कर पाते हैं, तो AI कम डेटा के साथ भी उच्च‑गुणवत्ता वाले परिणाम दे सकेगा।