要学习措辞，要踏入人类集体聪慧的大门，孩子们须要互换，大量的互换。

不难想象，在未来，父母在孩子睡前给他盖被子时，可以用一个APP来讲睡前故事，同时还可以吸引孩子进行温和的对话。
或者是，幼儿园老师不再把一大群孩子赶到地毯上围成一圈，而是给每个孩子准备一个平板电脑，根据孩子的词汇量、措辞水平和把稳力程度来教授课程。

机器天生的措辞和人的措辞对儿童大脑的是否有相同的影响呢？答案并不是那么显而易见。
关键在于儿童的学习办法与谈天机器人的学习办法截然不同。
二者的实质差异在于，谈天机器人的学习办法完备来自措辞数据库，而儿童的学习办法则来自利用措辞的人。

大型措辞模型（LLMs），如 ChatGPT 背后的模型，须要学习大量的数据，才能辨别出措辞的统计模式。
儿童也有进行统计学习的能力。

但是儿童有一种大措辞模型缺少的超能力。
从一开始，儿童的措辞学习便是社会性的，是在与教他们的人的密切关系中发展起来的。
这就提高了儿童学习的效率。
人们故意识地利用措辞，努力使彼此的想法保持同等，纵然最小的孩子对此也深有体会。

有一个很经典的实验，给 16 到 19 个月大的幼儿玩一个玩具，同时把另一个物体塞进一个桶里，藏在幼儿看不见的地方。
当孩子注目动手中的玩具时，大人说：“这是一个玩具——Modi”正常的孩子不会认为这个人说的是他手里拿着的这个玩具，而是会根据说话者的视线去探求，将说话者把稳的东西和这句话联系起来。

宝宝们明白说话者的目的在于把他们的把稳力吸引到说话者关注的东西上面。
之后再让他们辨认“Modi”时，他们更多地是选择桶里的东西，这解释他们已经把这个词和这个东西联系起来了。

在没有明显互换意图的情形下，孩子们很难把听到的词和看到的东西联系起来。
例如当孩子注目着一个物体时，扬声器里传来一个单词，孩子就不会把这个词映射到这个物体上。
仅有干系性是不足的，儿童须要的是正面的反馈。
在这方面，纵然是机器人做的可能也不足好。
一项研究报告指出，虽然儿童能够跟随机器人目光所及之处，并把稳到机器人不雅观察的工具，但是却很难记住机器人不雅观察的工具的名称。

不丢脸出，判断说话者互换意图的能力对提高措辞学习的效率多么有帮助。
它能让儿童缩小把稳力的范围，忽略眼中的天下与听到的措辞之间的许多虚假关联，而这正是人工智能目前必须通过蛮力打算才能办理的问题。

但是，这种社会性很强的学习形式也有风险。
有些说话者并不可靠，他们可能会误导或直接欺骗你。
如果你的大部分认知都是基于他人的言行，而不是你自己的所见所闻，那么明智的做法是对这些东西进行一些过滤。

只管孩子们渴望向身边能说会道的大人们学习，但他们在学习过程中也会带着一些疑惑态度。
如果说话者之前犯了一个明显的缺点，比如把苹果叫做“狗”，那么他们就不太可能接管一个新词或新事实。
如果说话者在表达不愿定性时说：“嗯，我以前从没见过这种东西。
我以为这叫‘blick’”，他们就会不愿意向这样的人学习。
比起从未见过的老师，他们更乐意向熟习的老师学习。

简但来说，他们不会一味地接管周围的措辞，而是会衡量说话者的水平——我能相信这个人有能力吗？无论是从年事、自傲心，或是句子的繁芜程度，穿着打扮来判断，说话者越有威信，孩子就越随意马虎向他们学习。
有证据表明，说话者与孩子属于同一个社会群体——属于同一个民族、有着同样的口音，乃至有着相同的肤色——都会增加孩子向他们学习的意愿。

当孩子们与一个听起来像人类，但却无法准确辨别其善恶的人工智能互动时，会发生什么？基于大措辞模型的人工智能在根本上不存在意识或情绪，但是这些人工智能互换的过程中却又彷佛充满情绪，这是由于演习这些人工智能的措辞数据总是具有人类的情绪的。
但是，人工智能的措辞和内心状态之间存在着根本性的脱节。

目前正在开拓的一些人工智能工具认识到，儿童须要的是互动，而不仅仅是措辞环境。
措辞与技能学者徐颖和她的同事们开拓了一款为儿童讲述图书的机器人，同时还能与儿童进行对话，谈论人物的动机或者接下来剧情的发展方向。

但是，我们对儿童与人工智能互动的理解还处于早期阶段，掉队于技能本身的发展。
大部分研究都是针对Siri等不太繁芜的语音助手，或根据脚本事情的“社交”机器人进行的，对付儿童如何回应由大措辞模型驱动的更繁芜的对话机器人，险些还没有任何研究。

随着孩子们措辞环境的改变，新的问题产生了。
就像我们社会中的很多东西一样，措辞的分配并不公正。
富余的父母每每有更多的韶光与孩子交谈，他们可以包袱得起更高质量的托儿做事。
几十年的研究表明，许多家庭经济条件较差的孩子不太可能打仗到丰富多彩的互动性的措辞。

这些差异对孩子发展是有影响的。
儿童的措辞发展依赖于他们所处的环境，反过来，根据儿童词汇量和所节制语法的繁芜程度来衡量他们进入幼儿园时的措辞技能，也能预测他们日后的学业成绩。

不过研究表明，儿童对人工智能的理解与成年人不同，他们方向于把机器大家格化，并授予它们意识。
这样做实际上有助于强化学习。

想做朋友吗？孩子们不会像成年人那样理解人工智能。
一些研究表明孩子们方向于把机器大家格化，并授予它们意识。
图源：Chadd Balfour / Shutterstock

这就让人们陷入了伦理困境。
如果孩子们对人工智能建立了信赖关系，他们可以更好地学习，但同时，人们也要保护孩子们不受人工智能不可靠和缺少关爱本能的侵害。
他们可能须要学习，在把人工智能当作乐于助人的人类来对待的同时又能意识到它们并不是真正的人类。
这对付许多成年人来说都很困难，更不用说儿童了。

一个真实的人，尤其是一个非常理解孩子的人，在讲故事时，就不仅仅是对故事进行评论或检讨孩子对观点的理解。
长于察言观色的父母在给孩子读书时，可能会把故事与孩子的亲自经历联系起来，或者对意想不到的情节或令人愉悦的语句表达喜悦之情。
当孩子感到无聊或烦躁不安时，他们也可能会通过增加阅读的意见意义性或通过提一些问题来转移孩子的把稳力。
这些人类的第二天性可能即可以加深父母与孩子之间的联系，又能提高孩子的学习效果。

无论对付哪一个年事段的人来说，采取人工智能赞助传授教化，首选要考虑的一点成分便是人与人之间的互换，无论是眼神互换还是对话互换，是如何以及为何对学习起到如此大的促进浸染的，这是一个最近引起了很大关注，但是仍旧没有被理解的征象。
越来越多的研究表明，有其他人在场的情形下，对某见事物的认知会被放大。
例如，和相识的人一起品尝如巧克力一类的甜点，会有更加浓郁的味觉体验。
人彷佛能从与他人的互动中得到巨大的增益，这一点是不能被人工智能替代的。

在人工智能万能论的宣扬甚嚣尘上的本日，我们必须牢记，人类的学习办法与机器不同，对付我们来说，主要的不仅仅是信息的可得到性，还有吸收信息的社会环境。

作者：JULIE SEDIVY

翻译：小聪

审校： 0

原文链接：When Kids Talk to Machines

编辑：0