Kids outlearn AI—and we still don’t know why

AI 摘要

一句话摘要: 儿童语言学习效率远超AI大模型，数据效率差距引发AI研究新方向。 关键事实: LLM训练需消耗比儿童多十万倍以上的语言数据，儿童到20岁仅接触约3亿词而大模型训练需15万亿token，互联网可用训练数据预计2030年代可能枯竭。 涉及主体: OpenAI, Meta, DeepSeek, Claude, Michael C. Frank, Ethan Gotlieb Wilcox, Stanford University, Georgetown University 可能影响: 缩小数据效率差距将推动AI模型从“更大”转向“更聪明”，可能催生低资源语言AI和视频训练新范式，同时为认知科学中语言先天论与经验论之争提供实证。 是否值得继续跟踪: 是，该问题直接关系AI发展瓶颈突破，且儿童学习机制研究可能带来架构级创新。 噪音/炒作风险: 低，文章基于权威学者观点和公开训练数据，讨论的是AI核心挑战而非短期热点。