શીખવા માટે શીખવું: સહજ બુદ્ધિ

આર્ટિફિશિયલ ઇન્ટેલિજન્સ મશીન લર્નિંગ ટેક્નોલોજી દ્વારા બુદ્ધિશાળી વર્તન દર્શાવી શકે છે.

જોકે આ શીખવાની પ્રક્રિયા મનુષ્યો દ્વારા વિકસિત પદ્ધતિઓનું પાલન કરે છે, તેમ છતાં શા માટે આ પદ્ધતિઓ અને કૃત્રિમ બુદ્ધિમત્તાના માળખામાંથી બુદ્ધિ ઉદ્ભવે છે તે હજુ સંપૂર્ણપણે સમજાવવામાં આવ્યું નથી.

આ લેખમાં, શીખવાના સાર પર વિચાર કરીને, હું બુદ્ધિમત્તાના ઉદ્ભવના કારણોની શોધ કરવાનો પ્રયાસ કરું છું.

જેમ જેમ આપણે શીખવાના ખ્યાલમાં ઊંડા ઉતરીએ છીએ, તેમ તેમ આપણે એવા વિચાર પર પહોંચીએ છીએ કે કૃત્રિમ બુદ્ધિમત્તા અને આપણા મગજ બંને શીખવાની રીત શીખવાનો આંતરિક સ્વભાવ ધરાવે છે.

આ સૂચવે છે કે એક પદ્ધતિ અસ્તિત્વમાં છે જેને નેચરલ બોર્ન ફ્રેમવર્કર કહી શકાય.

શરીર દ્વારા શિક્ષણ અને ભાષા દ્વારા શિક્ષણ

આપણે આપણી આસપાસની દુનિયાને આંખોથી વસ્તુઓનું અવલોકન કરીને અને આપણા શરીરને હલાવીને સમજીએ છીએ અને આપણી ક્ષમતાઓને વિસ્તૃત કરીએ છીએ.

આ પણ એક પ્રકારનું શિક્ષણ છે, જેને શરીર દ્વારા શિક્ષણ કહી શકાય.

બીજી બાજુ, જ્યારે આપણે સામાન્ય રીતે શિક્ષણ વિશે વિચારીએ છીએ, ત્યારે આપણે પાઠ્યપુસ્તકો વાંચીને અથવા શિક્ષકની સમજૂતી સાંભળીને આપણા જ્ઞાનમાં વધારો કરવાની કલ્પના કરી શકીએ છીએ.

આવા શૈક્ષણિક અભ્યાસક્રમ આધારિત શિક્ષણ ઉપરાંત, આપણે મિત્રો સાથેની વાતચીત, ઑનલાઇન સમાચાર અને અન્ય સ્ત્રોતોમાંથી પણ વિવિધ જ્ઞાન મેળવીએ છીએ.

આ પ્રકારનું શિક્ષણ દૃષ્ટિની રીતે છબીઓને યાદ રાખવા અથવા શારીરિક હલનચલન દ્વારા શીખવા વિશે નથી, પરંતુ ભાષા દ્વારા શિક્ષણ વિશે છે.

મેટાકોગ્નિટિવ લર્નિંગ અને મેટાફિઝિકલ લર્નિંગ

ભાષા-આધારિત શિક્ષણમાં, એવા કિસ્સાઓ હોય છે જ્યાં જ્ઞાનને યાદ રાખવા માટે વારંવાર પુનરાવર્તનની જરૂર પડે છે, અને એવા કિસ્સાઓ હોય છે જ્યાં તે માત્ર એક કે બે વાર સંપર્કમાં આવ્યા પછી શીખી શકાય છે.

વૈકલ્પિક રીતે, કેટલીક માહિતીનો ઉપયોગ જરૂર પડે ત્યારે પુસ્તક અથવા ઇન્ટરનેટ પરથી તેની વિગતો મેળવીને કરી શકાય છે, ભલે તે સંપૂર્ણપણે યાદ ન હોય.

જ્ઞાન પ્રાપ્ત કરવા અને જરૂર પડે ત્યારે તેનો યોગ્ય રીતે ઉપયોગ કરવાના અર્થમાં, આ બંને પેટર્નને શિક્ષણ ગણી શકાય.

આમાં, વારંવાર પુનરાવર્તન વિના યાદ ન રાખી શકાય તેવા જ્ઞાનને મેટાકોગ્નિટિવ જ્ઞાન કહી શકાય. આ ખ્યાલને શીખવાની પ્રક્રિયા પોતે મેટાકોગ્નિટિવ લર્નિંગ છે.

આ શારીરિક શિક્ષણ સમાન છે, જ્યાં આપણી આંખોથી વસ્તુઓ જોવામાં અથવા આપણા શરીરને ખસેડવામાં પુનરાવર્તન શામેલ છે. આને પણ મેટાકોગ્નિટિવ લર્નિંગ તરીકે વર્ગીકૃત કરી શકાય છે.

તેનાથી વિપરીત, ઓછા પ્રયત્નોથી યાદ રાખી શકાય તેવા અથવા જરૂર પડે ત્યારે જોઈને ઉપયોગ કરી શકાય તેવા જ્ઞાનને પ્રાપ્ત કરવાને મેટાફિઝિકલ લર્નિંગ કહી શકાય.

આ કિસ્સામાં, મેટાકોગ્નિટિવ લર્નિંગ દ્વારા પ્રાપ્ત થયેલા પૂર્વ-શીખેલા ખ્યાલોનો ઉપયોગ તે ખ્યાલોના પ્રકારો તરીકે અથવા ખ્યાલોના સંયોજનો તરીકે નવું જ્ઞાન શીખવા માટે કરી શકાય છે.

મેટાકોગ્નિટિવ લર્નિંગ દ્વારા પહેલેથી જ નિપુણ બનેલા ખ્યાલોનો ઉપયોગ કરી શકાતો હોવાથી, મેટાફિઝિકલ લર્નિંગ ને પુનરાવર્તનની જરૂર પડતી નથી.

કુદરતી ભાષા મશીન લર્નિંગ

ચાલો આપણે આને કૃત્રિમ બુદ્ધિમત્તામાં મશીન લર્નિંગ પર લાગુ કરીએ.

સામાન્ય રીતે, મશીન લર્નિંગમાં ઉપયોગમાં લેવાતા ન્યુરલ નેટવર્ક્સ મેટાકોગ્નિટિવ લર્નિંગ કરે છે, જેમાં ખ્યાલોનું પુનરાવર્તિત શિક્ષણ શામેલ છે.

બીજી બાજુ, માનવીઓ સમાન કુદરતી ભાષા પ્રક્રિયા કરી શકતા મોટા ભાષા મોડેલો ભાષા દ્વારા શિક્ષણ કરી શકે છે.

મોટા ભાષા મોડેલોના પૂર્વ-તાલીમ અને ફાઇન-ટ્યુનિંગ દરમિયાન, ભાષા-આધારિત મેટાકોગ્નિટિવ લર્નિંગ થાય છે.

પછી એક તાલીમ પામેલું મોટું ભાષા મોડેલ ઇનપુટ વાક્યમાં સમાવિષ્ટ જ્ઞાનનો ઉપયોગ કરીને જવાબ આપી શકે છે, જેનો અર્થ છે કે તે તાત્કાલિક મેટાફિઝિકલ લર્નિંગ કરી રહ્યું છે.

ભાષા-આધારિત મેટાફિઝિકલ લર્નિંગ માટેની આ ક્ષમતા મોટા ભાષા મોડેલોને પુનરાવર્તિત શિક્ષણ વિના નવા જ્ઞાનનો ઉપયોગ કરવાની મંજૂરી આપે છે.

આને પરંપરાગત આંકડાકીય મશીન લર્નિંગ સાથે વિરોધાભાસ કરી શકાય છે, જે મોડેલ પરિમાણોને વારંવાર ગોઠવે છે, અને તેને કુદરતી ભાષા મશીન લર્નિંગ કહી શકાય.

મેટાફિઝિકલ ઇન્ટરફેસ તરીકે કુદરતી ભાષા

કુદરતી ભાષા એ મેટાકોગ્નિટિવ લર્નિંગ ને મેટાફિઝિકલ લર્નિંગ થી અલગ પાડતા ઇન્ટરફેસ પર સ્થિત છે.

કુદરતી ભાષા નો રસપ્રદ પાસું એ છે કે તે મેટાકોગ્નિટિવ લર્નિંગ દ્વારા પ્રાપ્ત કરી શકાય છે, અને તેના પર, મેટાફિઝિકલ લર્નિંગ શક્ય બને છે.

કુદરતી ભાષા સિવાયના મેટાફિઝિકલ ઇન્ટરફેસ

હકીકતમાં, મેટાકોગ્નિટિવ લર્નિંગ અને મેટાફિઝિકલ લર્નિંગ શારીરિક શિક્ષણમાં પણ અસ્તિત્વ ધરાવે છે. ઉદાહરણ તરીકે, રમતોમાં કુશળ વ્યક્તિ કોઈ નવી રમત સાથે ઝડપથી અનુકૂલન સાધી શકે છે જેનો તેણે પહેલા ક્યારેય સામનો કર્યો ન હોય.

તેવી જ રીતે, જીવવિજ્ઞાનનું જ્ઞાન ધરાવતી વ્યક્તિ જ્યારે કોઈ નવી પ્રજાતિને જુએ છે ત્યારે તેની લાક્ષણિકતાઓને તરત જ સમજી શકે છે.

આમ, શારીરિક શિક્ષણમાં પણ, એક મેટાફિઝિકલ ઇન્ટરફેસ અસ્તિત્વ ધરાવે છે જે કુદરતી ભાષા જેવી જ સ્થિતિ ધરાવે છે.

ફ્રેમવર્ક

આ ઇન્ટરફેસ પર જે રહેલું છે તે તત્વોના ખ્યાલો અથવા જ્ઞાનથી અલગ એક ફ્રેમવર્ક છે; તે તેમના સંબંધો અને રચનાઓને વ્યાખ્યાયિત કરે છે, અને નવી રચનાને સક્ષમ કરે છે.

જેમ જેમ વિવિધ મેટાકોગ્નિટિવ જ્ઞાન મેટાકોગ્નિટિવ લર્નિંગ દ્વારા પ્રાપ્ત થાય છે, તેમ તેમ કેટલીકવાર આ મેટાકોગ્નિટિવ જ્ઞાનના ટુકડાઓ વચ્ચેના જોડાણોમાંથી મેટાફિઝિકલ ઇન્ટરફેસ પરના ફ્રેમવર્ક ને શીખવું શક્ય બને છે.

શારીરિક શિક્ષણમાંથી વ્યુત્પન્ન થયેલ ફ્રેમવર્ક તેના નિપુણતા પછી મેટાફિઝિકલ લર્નિંગ દ્વારા નવા જ્ઞાનની તાત્કાલિક પ્રાપ્તિને સક્ષમ કરે છે. જોકે, આવા મેટાફિઝિકલ લર્નિંગ દ્વારા પ્રાપ્ત થયેલ જ્ઞાન અન્ય લોકો સુધી સરળતાથી પહોંચાડી શકાતું નથી.

બીજી બાજુ, ભાષા દ્વારા શિક્ષણ માંથી વ્યુત્પન્ન થયેલ ફ્રેમવર્ક પોતે કુદરતી ભાષા છે.

તેથી, કુદરતી ભાષા ફ્રેમવર્ક શીખીને મેટાફિઝિકલ લર્નિંગ દ્વારા પ્રાપ્ત થયેલ જ્ઞાનને અન્ય વ્યક્તિના ભાષા સંપાદન માં સીધું દાખલ કરી શકાય છે.

આ ફક્ત પાઠ્યપુસ્તકો અથવા ઑનલાઇન સમાચાર જેવા મુખ્યત્વે ભાષા સંપાદન પર આધારિત જ્ઞાનને જ લાગુ પડતું નથી.

પ્રથમ વખત બેઝબોલનો પ્રયાસ કરનાર એક અનુભવી સોકર ખેલાડી, તેણે પ્રાપ્ત કરેલા બેઝબોલના મેટાફિઝિકલ જ્ઞાન ને સ્પષ્ટ કરી શકશે અને તેને અન્ય અનુભવી સોકર ખેલાડીઓ સુધી પહોંચાડી શકશે. આનો અર્થ એ છે કે જો લોકો સમાન મેટાકોગ્નિટિવ જ્ઞાન શેર કરે છે, તો તેઓ "ટિપ્સ" અથવા "યુક્તિઓ" તરીકે ઓળખાતી વસ્તુઓનો ઉપયોગ કરીને શબ્દો દ્વારા વાતચીત કરી શકે છે.

વધુમાં, કોઈ વ્યક્તિએ જોયેલી નવી પ્રજાતિ વિશેના જ્ઞાનને અન્ય જીવવિજ્ઞાનીઓને મૌખિક રીતે પહોંચાડી શકે છે, જેનાથી તે જ્ઞાન વહેંચી શકાય છે.

આમ, કુદરતી ભાષા મેટાફિઝિકલ ઇન્ટરફેસ પર સ્થિત એક ખૂબ જ શક્તિશાળી ફ્રેમવર્ક હોવાનું બહાર આવ્યું છે.

વર્ચ્યુઅલ ફ્રેમવર્ક

કુદરતી ભાષા ઉપર, બીજું ફ્રેમવર્ક પ્રાપ્ત કરી શકાય છે.

આમાં ડોમેન-વિશિષ્ટ ફ્રેમવર્ક અથવા મેટાફિઝિકલ ફ્રેમવર્ક શામેલ છે.

વિવિધ શૈક્ષણિક શાખાઓ, વ્યવસાયિક ક્ષેત્રો અને દૈનિક જીવનમાં, વિવિધ ડોમેન-વિશિષ્ટ ફ્રેમવર્ક હોય છે.

વિદ્વાનો તેમના વિશિષ્ટ ફ્રેમવર્ક્સ માં નવી શોધો કરી શકે છે અને તે શોધોને જ્ઞાન તરીકે અન્ય વિદ્વાનોને સરળતાથી પહોંચાડી શકે છે જેઓ સમાન ફ્રેમવર્ક ધરાવે છે.

ફ્રેમવર્ક પોતે ક્યારેક કુદરતી ભાષા માં વ્યક્ત કરી શકાય છે, તે કિસ્સામાં, કુદરતી ભાષા ફ્રેમવર્ક ધરાવતા વ્યક્તિઓ અથવા મોટા ભાષા મોડેલો તેને પ્રાપ્ત કરી અને સમજી શકે છે.

વ્યવસાયિક મોડેલો અને રસોઈ વાનગીઓ પણ આવા ડોમેન-વિશિષ્ટ ફ્રેમવર્કનાં ઉદાહરણો છે જેને કુદરતી ભાષા માં વ્યક્ત કરી શકાય છે.

વધુમાં, ગાણિતિક સૂત્રો, પ્રોગ્રામિંગ ભાષાઓ અને વ્યવસાય વિશ્લેષણ ફ્રેમવર્ક ઔપચારિક ફ્રેમવર્ક છે.

આને પણ કુદરતી ભાષા માં વ્યક્ત કરી અથવા સમજાવી શકાય છે.

કુદરતી ભાષા પર આધારિત આવા ડોમેન-વિશિષ્ટ ફ્રેમવર્ક અને ઔપચારિક ફ્રેમવર્કને વર્ચ્યુઅલ ફ્રેમવર્ક કહી શકાય છે.

ભૌતિક કમ્પ્યુટર પર બીજી ઓપરેટિંગ સિસ્ટમ ચલાવતી વર્ચ્યુઅલ મશીન ની કલ્પના કરીને આ સરળતાથી સમજી શકાય છે. કુદરતી ભાષા ના પાયાના ફ્રેમવર્ક ની ટોચ પર બીજું ફ્રેમવર્ક કાર્યરત છે.

મૂળભૂત માળખું (Native Framework)

શરૂઆતમાં, આ વર્ચ્યુઅલ ફ્રેમવર્ક ને કુદરતી ભાષા દ્વારા સમજવું આવશ્યક છે, પરંતુ પ્રેક્ટિસ સાથે, તે કુદરતી ભાષા દ્વારા સમજૂતી અને સમજણને બાયપાસ કરે છે અને સીધા જ મેટાકોગ્નિટિવ જ્ઞાન પર આધારિત એક મેટાફિઝિકલ ઇન્ટરફેસ ફ્રેમવર્ક તરીકે કાર્ય કરવાનું શરૂ કરે છે.

આને મૂળભૂત માળખું કહી શકાય.

કુદરતી ભાષા, એક અર્થમાં, એક મૂળભૂત માળખું છે, પરંતુ તે ફક્ત પોતાની માતૃભાષાના કિસ્સામાં જ છે. સામાન્ય રીતે, પોતાની માતૃભાષા સિવાયની ભાષાઓ વર્ચ્યુઅલ ફ્રેમવર્ક તરીકે પ્રાપ્ત થાય છે. જેમ જેમ નિપુણતા વધે છે, તેમ તેમ તે મૂળભૂત માળખું ના દરજ્જાની નજીક આવે છે.

તે જ ડોમેન-વિશિષ્ટ ફ્રેમવર્ક અને ઔપચારિક ફ્રેમવર્કને પણ લાગુ પડે છે. ગણિતશાસ્ત્રીઓ ગાણિતિક સૂત્રોનો ઉપયોગ કરીને એકબીજા સાથે મૂળભૂત રીતે વાતચીત કરી શકે છે, અને પ્રોગ્રામરો ટિપ્પણીઓ વિના ફક્ત સોર્સ કોડ દ્વારા એકબીજાના ઇરાદાને સમજી શકે છે.

આ સૂચવે છે કે વર્ચ્યુઅલ ફ્રેમવર્ક થી મૂળભૂત માળખું માં સંક્રમણ મોટા ભાષા મોડેલોને પણ લાગુ કરી શકાય છે.

વારંવાર ઉપયોગમાં લેવાતા વર્ચ્યુઅલ ફ્રેમવર્ક ને શોધી કાઢવા, તે વર્ચ્યુઅલ ફ્રેમવર્ક નો ઉપયોગ કરીને મોટી માત્રામાં ઉદાહરણ ડેટા જનરેટ કરવા, અને પછી તેમને ફાઇન-ટ્યુનિંગ કરીને મૂળભૂત માળખું બનાવવાનો વિચાર તરત જ અજમાવવા યોગ્ય રહેશે.

નેચરલ બોર્ન ફ્રેમવર્કર

આને ધ્યાનમાં લેતા, આપણે સમજીએ છીએ કે મોટા ભાષા મોડેલો આ વિશિષ્ટ અને ઔપચારિક ફ્રેમવર્ક્સ ને ફક્ત ફાઇન-ટ્યુનિંગ દરમિયાન જ નહીં પરંતુ પૂર્વ-તાલીમ દરમિયાન પણ શીખી રહ્યા હશે.

વધુમાં, તે પ્રક્રિયામાં, તે સંભવિત છે કે તેઓ શરૂઆતથી જ વિશિષ્ટ અથવા ઔપચારિક ફ્રેમવર્ક્સ ને મૂળભૂત રીતે શીખતા નથી. તેના બદલે, તેઓ પહેલા કુદરતી ભાષા ફ્રેમવર્ક શીખે છે, અને પછી, તેમાં નિપુણતા પ્રાપ્ત કર્યા પછી અથવા તે દરમિયાન, તેઓ વિશિષ્ટ અથવા ઔપચારિક ફ્રેમવર્ક્સ શીખે છે અને તેમને મૂળભૂત ફ્રેમવર્ક્સ માં આત્મસાત કરે છે.

વધતી ફ્રેમવર્ક શીખવાના આ વિચારને ઊંડાણપૂર્વક સમજતા, એવું પણ કલ્પના કરી શકાય છે કે કુદરતી ભાષા શીખવું પોતે જ અત્યંત દાણાદાર, વધતી ફ્રેમવર્ક શીખવાની સમાંતર પાઇપલાઇન છે.

એટલે કે, પૂર્વ-તાલીમ દરમિયાન શીખવાના ડેટા તરીકે પ્રદાન કરાયેલા વિશાળ ટેક્સ્ટમાંથી, મોટા ભાષા મોડેલો ફક્ત વ્યક્તિગત ખ્યાલો જ નહીં, પરંતુ કુદરતી ભાષા ના કેટલાક ખૂબ જ સરળ નિયમોને ફ્રેમવર્ક્સ તરીકે પણ શીખી રહ્યા હશે. પછી, આ સરળ ફ્રેમવર્ક્સ નો આધાર તરીકે ઉપયોગ કરીને, તેઓ સહેજ વધુ જટિલ નિયમોને વારંવાર શીખી રહ્યા હશે.

આ રીતે, વ્યક્તિગત શબ્દ ખ્યાલો શીખવાના તબક્કાથી શરૂ કરીને, તેઓ સંયુક્ત શબ્દો અને મૂળભૂત વ્યાકરણ પ્રાપ્ત કરી શકશે, પછી વાક્યોને સમજી શકશે, અને આખરે સાહિત્યિક તકનીકો અને અભિવ્યક્તિ શૈલીઓ જેવા જટિલ તત્વો શીખી શકશે.

આને સ્તરીય અને સંયુક્ત ફ્રેમવર્ક શીખવાના મોડેલ તરીકે સમજી શકાય છે, જ્યાં એક ફ્રેમવર્ક બીજાને શીખવા માટેના આધાર તરીકે કાર્ય કરે છે.

આ મોટા ભાષા મોડેલોને નેચરલ બોર્ન ફ્રેમવર્કર્સ તરીકેની છબીને પ્રકાશિત કરે છે, જે શરૂઆતથી જ ફ્રેમવર્ક્સ શીખવાની પદ્ધતિ સહજપણે ધરાવે છે.

ધ્યાન પદ્ધતિ (Attention Mechanism)

નેચરલ બોર્ન ફ્રેમવર્કર ને વાસ્તવિક બનાવતી ટેક્નોલોજી ધ્યાન પદ્ધતિ છે.

ધ્યાન પદ્ધતિ એ સંદર્ભમાં ધ્યાન કેન્દ્રિત કરવા જોઈએ તેવા ટોકન્સ પસંદ કરવા જેવું છે. તે ટોકન્સ વચ્ચેના સંબંધોને સ્પષ્ટ કરે છે. આ બરાબર એક ફ્રેમવર્ક નો સ્વભાવ છે: મહત્વપૂર્ણ ખ્યાલોને જાળવી રાખીને અમૂર્ત બનાવવું અને તે ખ્યાલો વચ્ચેના સંબંધોને સ્પષ્ટ કરવા.

દરેક ટોકન માટે આ પસંદગી બદલવાથી, ફ્રેમવર્ક્સ ને પણ ગતિશીલ રીતે બદલવું શક્ય બને છે.

આ આપણને સમજાવવા દે છે કે શા માટે ધ્યાન પદ્ધતિ મોટા ભાષા મોડેલોના ઉત્ક્રાંતિ માટે એક નિર્ણાયક ટેક્નોલોજી છે, જેમાં નેચરલ બોર્ન ફ્રેમવર્કર ના મોડેલનો ઉપયોગ કરવામાં આવે છે.

નિષ્કર્ષ

જો આ પદ્ધતિ ખરેખર મોટા ભાષા મોડેલોની પૂર્વ-તાલીમ પ્રક્રિયા દરમિયાન થઈ રહી હોય, તો આ મોડેલોની અગાઉ રહસ્યમય પદ્ધતિ સમજાવી શકાય તેવી બને છે.

આ સમજૂતીમાં આપણે ચર્ચા કરેલ મેટાકોગ્નિટિવ અને મેટાફિઝિકલ લર્નિંગ, મેટાફિઝિકલ ઇન્ટરફેસ તરીકેનું ફ્રેમવર્ક, ભાષા સંપાદન અને વર્ચ્યુઅલ ફ્રેમવર્ક્સ ને સક્ષમ કરતી કુદરતી ભાષા, અને નેચરલ બોર્ન ફ્રેમવર્કર ને સાકાર કરતી ધ્યાન પદ્ધતિ નો સમાવેશ થાય છે.

વધુમાં, આમાંથી બે વધારાના અર્થઘટનો ઉદ્ભવે છે.

પ્રથમ, કુદરતી ભાષા માં સરળ ફ્રેમવર્ક્સ માંથી જટિલ ફ્રેમવર્ક્સ ને મૂળભૂત ફ્રેમવર્ક્સ માં ધીમે ધીમે વિકસાવવા માટે અત્યંત યોગ્ય માળખું છે.

જો કુદરતી ભાષા માનવ સમાજમાં શરૂઆતમાં સરળ સ્વરૂપમાં ઉદ્ભવી હોત અને ધીમે ધીમે વધુ જટિલ અને સમૃદ્ધ માળખું ધારણ કરવા માટે વિકસિત થઈ હોત, તો આ એક કુદરતી પરિણામ છે.

વળી, ઝડપી શિક્ષણને મંજૂરી આપતું માળખું ફાયદાકારક રહેશે. વિવિધ કુદરતી ભાષાઓ ધરાવતા બહુવિધ સમાજોએ સ્પર્ધા કરી હોત એમ ધારીએ તો, એ ધારણા સરળતાથી સ્થાપિત થાય છે કે શીખવા માટે સૌથી યોગ્ય કુદરતી ભાષા આજ સુધી ટકી રહી છે.

કુદરતી ભાષા ના સ્વભાવ પર વિચાર કરવાથી બીજો અર્થઘટન થાય છે: કે આપણે મનુષ્યો પણ નેચરલ બોર્ન ફ્રેમવર્કર્સ છીએ.

જોકે વિશિષ્ટ પાયા અને પદ્ધતિઓ અલગ હોઈ શકે છે, તેમ છતાં આપણા મગજમાં પણ, ધ્યાન પદ્ધતિ જેવી જ એક સિસ્ટમ હોવી જોઈએ, જે ફ્રેમવર્ક્સ ને ધીમે ધીમે શીખે અને લવચીક રીતે સંશોધિત કરે.