要學習語言，要踏入人類集體智慧的大門，孩子們需要交流，大量的交流。
不難想象，在未來，父母在孩子睡前給他蓋被子時，可以用一個APP來講睡前故事，同時還可以吸引孩子進行溫和的對話。或者是，幼兒園老師不再把一大群孩子趕到地毯上圍成一圈，而是給每個孩子準備一個平板電腦，根據孩子的詞匯量、語言水平和注意力程度來教授課程。
兒童擁有大語言模型所不具有的超強能力
機器生成的語言和人的語言對兒童大腦的是否有相同的影響呢？答案并不是那么顯而易見。關鍵在于兒童的學習方式與聊天機器人的學習方式截然不同。二者的本質區別在于，聊天機器人的學習方式完全來自語言數據庫，而兒童的學習方式則來自使用語言的人。
大型語言模型（LLMs），如 ChatGPT 背后的模型，需要學習大量的數據，才能辨別出語言的統計模式。兒童也有進行統計學習的能力。
但是兒童有一種大語言模型缺乏的超能力。從一開始，兒童的語言學習就是社會性的，是在與教他們的人的密切關系中發展起來的。這就提高了兒童學習的效率。人們有意識地使用語言，努力使彼此的想法保持一致，即使最小的孩子對此也深有體會。
有一個很經典的實驗，給 16 到 19 個月大的幼兒玩一個玩具，同時把另一個物體塞進一個桶里，藏在幼兒看不見的地方。當孩子注視著手中的玩具時，大人說：“這是一個玩具——Modi”正常的孩子不會認為這個人說的是他手里拿著的這個玩具，而是會根據說話者的視線去尋找，將說話者注意的東西和這句話聯系起來。
寶寶們明白說話者的目的在于把他們的注意力吸引到說話者關注的東西上面。之后再讓他們辨認“Modi”時，他們更多地是選擇桶里的東西，這說明他們已經把這個詞和這個東西聯系起來了。
在沒有明顯交流意圖的情況下，孩子們很難把聽到的詞和看到的東西聯系起來。例如當孩子注視著一個物體時，揚聲器里傳來一個單詞，孩子就不會把這個詞映射到這個物體上。僅有相關性是不夠的，兒童需要的是正面的反饋。在這方面，即使是機器人做的可能也不夠好。一項研究報告指出，雖然兒童能夠跟隨機器人目光所及之處，并注意到機器人觀察的對象，但是卻很難記住機器人觀察的對象的名稱。
不難看出，判斷說話者交流意圖的能力對提高語言學習的效率多么有幫助。它能讓兒童縮小注意力的范圍，忽略眼中的世界與聽到的語言之間的許多虛假關聯，而這正是人工智能目前必須通過蠻力計算才能解決的問題。
但是，這種社會性很強的學習形式也有風險。有些說話者并不可靠，他們可能會誤導或直接欺騙你。如果你的大部分認知都是基于他人的言行，而不是你自己的所見所聞，那么明智的做法是對這些東西進行一些過濾。
盡管孩子們渴望向身邊能說會道的大人們學習，但他們在學習過程中也會帶著一些懷疑態度。如果說話者之前犯了一個明顯的錯誤，比如把蘋果叫做“狗”，那么他們就不太可能接受一個新詞或新事實。如果說話者在表達不確定性時說：“嗯，我以前從沒見過這種東西。我覺得這叫‘blick’”，他們就會不愿意向這樣的人學習。比起從未見過的老師，他們更愿意向熟悉的老師學習。
簡但來說，他們不會一味地吸收周圍的語言，而是會衡量說話者的水平——我能相信這個人有能力嗎？無論是從年齡、自信心，或是句子的復雜程度，穿著打扮來判斷，說話者越有權威，孩子就越容易向他們學習。有證據表明，說話者與孩子屬于同一個社會群體——屬于同一個民族、有著同樣的口音，甚至有著相同的膚色——都會增加孩子向他們學習的意愿。
當孩子們與一個聽起來像人類，但卻無法準確辨別其善惡的人工智能互動時，會發生什么？基于大語言模型的人工智能在根本上不存在意識或情感，但是這些人工智能交流的過程中卻又好像充滿情感，這是因為訓練這些人工智能的語言數據總是具有人類的情感的。但是，人工智能的語言和內心狀態之間存在著根本性的脫節。
目前正在開發的一些人工智能工具認識到，兒童需要的是互動，而不僅僅是語言環境。語言與技術學者徐穎和她的同事們開發了一款為兒童講述圖書的機器人，同時還能與兒童進行對話，討論人物的動機或者接下來劇情的發展方向。
但是，我們對兒童與人工智能互動的理解還處于早期階段，落后于技術本身的發展。大部分研究都是針對Siri等不太復雜的語音助手，或根據腳本工作的“社交”機器人進行的，對于兒童如何回應由大語言模型驅動的更復雜的對話機器人，幾乎還沒有任何研究。
語言的分配并不公平
隨著孩子們語言環境的改變，新的問題產生了。就像我們社會中的很多東西一樣，語言的分配并不公平。富裕的父母往往有更多的時間與孩子交談，他們可以負擔得起更高質量的托兒服務。幾十年的研究表明，許多家庭經濟條件較差的孩子不太可能接觸到豐富多彩的互動性的語言。
這些差異對孩子發展是有影響的。兒童的語言發展依賴于他們所處的環境，反過來，根據兒童詞匯量和所掌握語法的復雜程度來衡量他們進入幼兒園時的語言技能，也能預測他們日后的學業成績。
語言學習是社會性的，根植于人與人的關系中
不過研究表明，兒童對人工智能的理解與成年人不同，他們傾向于把機器人人格化，并賦予它們意識。這樣做實際上有助于強化學習。