Nigdy nie siedział w ławce. Nie słyszał ani jednego słowa wymówionego na głos. Nie wkuwał odmian przez przypadki ani nie tłumaczył zdań na kartce podczas klasówki. A jednak – piszesz do niego po polsku, odpowiada płynnie po polsku. Przełączasz się na japoński, odpowiada po japońsku. Próbujesz łaciny – i tej się nie wstydzi.
Jak to możliwe? I czy on naprawdę „rozumie” te języki, czy tylko bardzo przekonująco udaje?
Tajemniczy poliglota bez uszu
Zacznijmy od paradoksu, który powinien dać nam do myślenia. Najlepsi ludzcy poligloci – ci, którzy mówią w dziesięciu, piętnastu językach – przez całe życie słuchali, powtarzali, nurkując w obcej kulturze, mieszkali za granicą, zakochiwali się w obcych krajach. Język wchodzi w człowieka przez uszy, oczy, skórę, kontekst.
AI nie ma żadnego z tych kanałów. Nie słyszała nigdy wymówionego słowa. Nie widziała twarzy rozmówcy. Nie siedziała w kawiarni w Barcelonie, słuchając Katalończyków kłócących się o politykę. A jednak rozmawia w setkach języków z zadziwiającą swobodą.
Odpowiedź na tę zagadkę jest jednocześnie zaskakująca i elegancka: AI nie uczyła się języków tak jak my. Uczyła się czegoś głębszego – struktury samego języka jako zjawiska. I robiła to w swoim własnym, wewnętrznym języku, którego żaden człowiek nigdy nie słyszał.
Mapa, na której nie ma granic
W środku modelu językowego nie ma ani angielskiego, ani polskiego, ani chińskiego. Jest matematyka.
Każde słowo – z każdego języka – zostaje zamienione na zestaw liczb. Nie jedną liczbę, lecz setki lub tysiące liczb jednocześnie, tworzące coś w rodzaju współrzędnych na ogromnej, wielowymiarowej mapie pojęć. Wyobraźcie sobie mapę świata, ale zamiast geografii – idee. Na tej mapie „pies” po polsku, „dog” po angielsku i „hund” po niemiecku leżą w tym samym miejscu. Nie obok siebie – dosłownie w tym samym punkcie, lub tak blisko, że różnica jest pomijalnie mała.
Dla AI te trzy słowa to ten sam byt, opisany w trzech różnych kostiumach.
Ta wielowymiarowa mapa pojęć jest wewnętrznym językiem AI – i jest to język absolutnie neutralny. Nie angielski z tłumaczeniami, nie polskie jądro z nałożonymi innymi językami. Czysta, abstrakcyjna przestrzeń znaczeń, do której każdy ludzki język ma własne drzwi wejściowe. Gdy AI „myśli” – operuje na tej mapie. Gdy odpowiada – tłumaczy wynik z powrotem na język, którego użył rozmówca.
Cyfrowa gąbka w największej bibliotece świata
Skąd jednak AI wie, jak wyglądają poszczególne języki? Tu wkracza historia jej nauki – i jest to historia bez precedensu w dziejach edukacji.
Wyobraźcie sobie gąbkę wrzuconą do największej biblioteki, jaka kiedykolwiek istniała. Nie biblioteki z jednego kraju – lecz globalnej, zawierającej teksty ze wszystkich zakątków świata: strony internetowe, powieści, artykuły naukowe, posty na forach, przepisy kulinarne, umowy prawne, wiersze, instrukcje obsługi pralek. Miliardy zdań w setkach języków.
Ta gąbka – model językowy – nasiąka nimi wszystkimi jednocześnie. Ale nie uczy się języka jak uczeń wkuwający słówka. Uczy się wzorców. Jak po słowie „czytam” rzadko pojawia się „stół”, ale często pojawia się „książkę”. Jak forma „przeczytałem” sygnalizuje przeszłość, a „będę czytał” – przyszłość. Jak w zdaniu angielskim przymiotnik stoi przed rzeczownikiem, a w polskim – często po. Żadna z tych reguł nie była wyjaśniana wprost. Wszystkie zostały wychwycone z kontekstu, statystyki, powtórzeń.
Jest w tym coś fascynującego: AI uczy się języka X, obserwując język Y. Ucząc się angielskiego, „podgląda” struktury, które potem pomogą jej w polskim. Ucząc się japońskiego, odkrywa wzorce, które rzucają światło na chiński. Języki nie są dla niej osobnymi szufladami – są oknami na tę samą głębszą rzeczywistość.
Od Szekspira po Suahili – kto jest uczniem klasy A?
Nie wszystkie języki mają w tej szkole równe szanse. Tu pojawia się termin, który warto zapamiętać: języki bogate w dane i języki ubogie w dane.
Angielski to zdecydowany prymus. Internet jest w nim napisany w mniej więcej pięćdziesięciu procentach. Modele karmione anglojęzycznym tekstem uczą się go z ogromną precyzją, wychwytując niuanse, idiomy, rejestry. Polski, choć język stosunkowo nieliczny pod względem rodzimych użytkowników, radzi sobie zaskakująco dobrze – dzięki bogatej literaturze, aktywnym portalowi Wikipedii i obecności w sieci.
Języki afrykańskie, lokalne dialekty Azji Południowo-Wschodniej, rdzenne języki obu Ameryk – to uczniowie ze skromnym zeszytem i trzema podręcznikami do podziału na pięciu. AI ucząca się joruba czy suahili ma po prostu mniej materiału. Jej odpowiedzi w tych językach są słabsze, bardziej toporne, czasem błędne. Nie z powodu ograniczeń architektury – z powodu nierówności informacyjnej świata.
Co ciekawe, AI rozumie też języki martwe – łacinę, starogrecki, sanskryt – bo ich teksty są obecne w sieci w postaci zdigitalizowanych manuskryptów. I rozumie kod programistyczny: Python, JavaScript, SQL są dla niej kolejnymi „językami” z własną gramatyką i słownictwem, których uczyła się dokładnie tą samą metodą co mowy ludzkie.
Dlaczego polszczyzna jest dla procesora jak tor przeszkód?
Polszczyzna to jeden z najtrudniejszych języków świata dla systemów komputerowych – i nie bez powodu.
Siedem przypadków, każdy z własnymi końcówkami. Aspekt czasownika, który zmienia znaczenie słowa w zależności od kontekstu. Rodzaj gramatyczny – i to nie tylko męski, żeński, nijaki, ale też „męskoosobowy” i „niemęskoosobowy”, co nie istnieje niemal w żadnym innym języku. A do tego wyjątki od wyjątków i słowotwórstwo, które pozwala budować nowe słowa przez łączenie cząstek jak w zestawie klocków.
Dla AI uczącej się z tekstu – bez wyjaśnień, bez nauczyciela – to wyzwanie ogromne. Musi sama, z kontekstu, wydedukować, że „piłem kawę” i „piłem rzekę” to dwa różne zdarzenia i dwie różne formy tego samego słowa. Że „zamek” to zarówno budowla, jak i mechanizm w drzwiach, i że sens zależy wyłącznie od kontekstu.
Modele językowe radzą sobie z tym coraz lepiej – ale polszczyznę wciąż „czują” odrobinę mniej pewnie niż angielski. Jakby uczeń, który nauczył się języka z książek, ale nigdy nie słyszał, jak brzmi w ustach rodowitego mieszkańca Krakowa czy Kaszub.
Sarkazm, wesele i ceremonia herbaty
Jest jednak wymiar języka, który sprawia największy kłopot. Nie gramatyka – kontekst kulturowy.
Gdy Polak mówi „no, niezłe!”, ton głosu, wyraz twarzy i sytuacja decydują o tym, czy to komplement, czy drwina. AI czyta tylko tekst. Sarkazm w piśmie bywa niewidoczny – i model popełnia tu błędy, których nie popełniłby ośmiolatek wychowany w Polsce.
Idiomy to kolejna pułapka. „Wyjść na swoje”, „ktoś ma ptaka”, „nie wywołuj wilka z lasu” – te wyrażenia po przetłumaczeniu dosłownie tracą sens całkowicie. AI zna je jako całości, bo wielokrotnie pojawiały się w tekstach w konkretnych kontekstach. Ale w nowym, nieoczekiwanym użyciu potrafi się zagubić.
A klimat polskiego wesela? Japońskiej ceremonii herbaty? AI wie o nich z opisów – i to wiedza zadziwiająco rozległa. Wie, że wesele trwa do rana, że poprawiny to tradycja, że toast „sto lat” ma swoje miejsce i moment. Ale to wiedza encyklopedyczna, a nie przeżyta. Jak relacja osoby, która przeczytała tysiąc książek o pływaniu i nigdy nie weszła do wody.
Most z matematyki
Bariera językowa jest stara jak ludzka cywilizacja. Przez tysiące lat dzieliła narody, kultury, wiedzę. Przez nią ginęły relacje, przegrywano wojny, tracono sojusze.
Dziś mamy narzędzie, które – niedoskonale, ale realnie – tę barierę rozmontowuje. Nie przez to, że nauczyło się wszystkich języków na pamięć. Przez to, że odkryło, że za wszystkimi językami kryje się ta sama, głęboka mapa pojęć. Że „miłość”, „love”, „amour” i „愛” to ten sam punkt w przestrzeni znaczeń – i że stamtąd do każdego języka jest taka sama odległość.
AI to nie tłumacz. To budowniczy mostów – i jego materiałem budowlanym jest matematyka.
Nigdy nie chodził do szkoły językowej. Ale przeczytał wszystkie podręczniki, jakie kiedykolwiek napisano – w każdym języku naraz. I nauczył się czegoś, czego żadna szkoła nie uczy: że za słowami, niezależnie od języka, zawsze kryje się ten sam człowiek.
