人类是如何学习语言，目前的主流观点是：
从语言环境中标记标本，以孩子来说，通过父母的肢体动作与语音，他自己归纳成一种自己可编码，面对张开的双臂，去理解抱抱。这就是听力上的口头话语。即使是一个文盲，不认字也可以进行交流的原因，把经常出现的声音进行了处理。以手写或者字符呈现在纸上，电子屏幕上，就是书面语言。有的语言是没有文字的，大部分的语言同时具备语音与文字，这两者之间有很紧密的联系，英语里的自然拼读，就是字母书面语言和听力语言的有效结合。
其次，人脑会对这些固定搭配，标本进行规律总结，语法就是自然掌握的，中文主谓宾，我吃饭，大量的这种结构重复，就形成共识。并且可以举一反三，进行造句。我踢足球，他喝水，都符合主谓宾这个架构，尽管熟练运用时，并没有这个语法概念，但不影响沟通。
因此无论母语还是外语，标本的质量与重复的频率共同决定了语言能力的发展。如果在不同的场景中重复，更好更多的可理解输入，就会慢慢掌握某种语言的内在规律，并不需要一开始就机械拆分和语法详解。
人工智能语言ChatGPT，RLHF人类反馈强化学习的训练方法
这种模式被谷歌应用在了人工智能语言AI，一开始他们把语法、词汇教给AI,效果很不理想，后来改用人类学习语言的方式，给它一堆语言标本，让它自己总结规律。AI智能遵循了人类的思考方式，突破了人类生理上的限制，通过语言标本的喂养，调教，逐渐越来越符合人类的表达。
最近爆火的ChatGPT,就是人工智能实验室OPNAI研发的通用聊天机器人，可以与人类互动，协助完成一些事项。它就采用了RLHF人类反馈强化学习的训练方法。
如果想要模型处理一些内容，就要进行针对性的训练，精准度就是在不断输入材料，调整参数后达到人们的期望。如果要让他准确分辨麻雀，开始会有一堆鸟类的图片，麻雀有翅膀，会飞，有体态特征，通过大量标本输入和反馈，进行调整。都会飞的很多，有两只脚的也很多，尖嘴的更多，当这些特征全都具备才是麻雀时，训练就基本完成。
GPT在被喂养大量相关数据后，就可以给出分析结果。尽管和人类预期还有差距，胜在数据量的丰富。可以根据特定的情景，生成语言和结论。如果喂养的数据有偏差，它就很难给出正确的结果。
我们学习语言的过程及步骤
人类学语言也是这个过程，在我们还能理解母语什么意思时，通过猜测与反馈，知道食物是什么语音，水是什么语音，长大后知道该如何拼写。语法有错误时，父母和老师会给予纠正，慢慢我们就掌握了语言的内在规律。
第一步骤就是输入，可理解性的输入，通过不同的场景强化含义和发音表达。形成标本，组块。比如whatisyourname?不用思考就能回答，因为重复太多次了，熟练掌握了这个模式。
第二步骤，监督和修正输入效果，错误的发音要纠正，不对的语法要修改，输入材料越多，掌握的就越精细准确。这也是阅读量大的孩子可以更优美准确表达的原因。因为他了解更多的模型，词汇，语法，表达方式。疏于阅读，材料单调，词汇不够丰富就达不到准确而优美。
第三步骤，优化和重复。在我们语言学习中就是方法与策略，通过对比哪种方式更好，就采用哪种方式学习。机械背单词不如在阅读中随机重复学习，因此专业外语院校都要求学生大量听说读写，阅读原著。
最优学习的85%规则
人工智能模仿人类的学习与思维，反过来也可以给人以启发。年《自然》杂志发表《最优学习法则》，就是探讨机器学习在多大难度下，学得最快最好。每次训练中，网络判断错误率在15.87%，学习效果最好。也就是说，每次训练它的内容85%是它熟悉的，15%是不熟悉的，是最佳比例。
这一点和外语阅读效果观察惊人一致，一篇文章85%词汇都认识，不影响阅读体验并且可以掌握陌生词汇，如果一篇短文25%以上都陌生，会失去阅读的兴趣，学习效果下降。克拉申著名的可理解输入，i+1，就是在自己的基础之上，稍微增加一点学习难度，才是有效的输入。他没有提出具体的量化标准，这个思路是和机器训练一致。美国少儿分级阅读认为，孩子的读物一页纸最好不要超过4个陌生词汇。
在外语学习中的应用
从具体的学习方式看，我们大多数时间在复习，开始是回顾，当中是讲解，最后的总结。《考试脑科学》这本书中，以丰富的实验和案例证明了，要想真正地学会，应该花在复习上，预习学习与复习的时间最佳比例是1：4.通过上面机器学习与现实学习可以得出语言学习高效规律：
以i+1进行有效输入，大量不同场景下的可理解输入，形成条件反射。重复与测试是学习效果的关键，阅读经典获取更多更精准模型，多样化测试输出并纠正，把有效的方式方法重复坚持。
#我们一起跨年#