Modelos de IA muestran déficit de aprendizaje frente a capacidades cognitivas infantiles

Investigadores usan perspectiva de bebés para identificar brechas en sistemas de lenguaje visual y proponen rediseño arquitectónico

Los sistemas de inteligencia artificial operan con miles de chips de computadora de última generación, pero enfrentan una limitación fundamental: su capacidad de aprendizaje es significativamente inferior a la de un bebé de un año. Mientras que los modelos de IA requieren miles de millones de ejemplos para reconocer patrones,…

Los sistemas de inteligencia artificial operan con miles de chips de computadora de última generación, pero enfrentan una limitación fundamental: su capacidad de aprendizaje es significativamente inferior a la de un bebé de un año. Mientras que los modelos de IA requieren miles de millones de ejemplos para reconocer patrones, los infantes identifican nuevos objetos después de haberlos visto solo una o dos veces, aprendiendo mediante observaciones rápidas e interacciones físicas con su entorno.

La arquitectura cerebral infantil ofrece pistas cruciales para rediseñar sistemas de IA más eficientes. Un grupo de investigadores desarrolló EgoBabyVLM, una prueba que evalúa qué tan bien los modelos de lenguaje visual pueden interpretar el mundo desde la perspectiva de un bebé. La prueba requiere que los algoritmos describan entornos después de analizar aproximadamente mil horas de video grabado desde la perspectiva de infantes y niños pequeños. Los resultados revelan un patrón consistente: los modelos de IA más avanzados muestran rendimiento deficiente al procesar estas imágenes realistas y caóticas, sugiriendo que existe un mecanismo neurológico en los bebés que les permite aprender rápidamente a partir de información limitada.

Esta brecha de aprendizaje tiene implicaciones estratégicas para CTOs y líderes de tecnología. Los bebés no dependen de conjuntos de datos seleccionados, sino que aprenden de experiencias variadas: padres que hablan sobre objetos no visibles, gestos que señalan cosas, y discusiones sobre eventos pasados o futuros. Este aprendizaje multimodal integra lenguaje, experiencia táctil y contexto temporal, capacidades que los modelos actuales no replican de manera efectiva. Un desafío anterior, BabyLM, introdujo en 2023 un enfoque similar para sintaxis del lenguaje, pidiendo a modelos de IA que aprendieran con la cantidad de datos que absorbe un niño de 10 años—decenas de millones de palabras frente a billones que utilizan los sistemas convencionales. Los transformadores lograron esto con relativo éxito, desafiando teorías establecidas sobre cómo se estructura el aprendizaje lingüístico.

Sin embargo, la comprensión del mundo físico presenta un desafío distinto. No existe un corpus amplio de interacciones humanas disponible para entrenar sistemas en sentido común similar al humano, lo que plantea obstáculos significativos para desarrollar IA que pueda navegar entornos complejos con la flexibilidad cognitiva de un infante. Para empresas que desarrollan robots impulsados por IA o sistemas autónomos, esta limitación tiene consecuencias directas: los modelos actuales requieren arquitecturas radicalmente diferentes para operar en entornos no estructurados con eficiencia energética comparable a la del cerebro humano.