Bebés superan a IA en eficiencia de aprendizaje: qué revelan sobre arquitectura cognitiva

Investigadores desarrollan pruebas que comparan capacidades de aprendizaje infantil con modelos de lenguaje visual avanzados

Los modelos de inteligencia artificial que operan en miles de chips de computadora de última generación presentan limitaciones fundamentales cuando se comparan con la capacidad de aprendizaje de un bebé de un año. Aunque estos sistemas pueden escribir programas, resolver problemas matemáticos complejos o debatir conceptos filosóficos, su eficiencia cognitiva…

Los modelos de inteligencia artificial que operan en miles de chips de computadora de última generación presentan limitaciones fundamentales cuando se comparan con la capacidad de aprendizaje de un bebé de un año. Aunque estos sistemas pueden escribir programas, resolver problemas matemáticos complejos o debatir conceptos filosóficos, su eficiencia cognitiva es inferior a la de un infante que identifica nuevos objetos después de verlos una o dos veces y aprende mediante observaciones rápidas e interacciones físicas.

La arquitectura cerebral infantil ofrece pistas cruciales para rediseñar sistemas de IA. Los bebés aprenden a partir de una variedad de experiencias multimodales: padres que hablan sobre objetos fuera del campo visual, gestos que indican significados y discusiones sobre eventos pasados o futuros, en lugar de depender únicamente de lo que ocurre en el presente. Este aprendizaje no se basa solo en lenguaje, sino que integra experiencias táctiles y sensoriales ricas. Desarrollar versiones de IA que emulen este aprendizaje infantil podría resultar en modelos menos costosos, menos intensivos en energía y más aplicables a robots que necesitan entender sus entornos de manera natural.

Para explorar esta frontera, investigadores han creado 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 un modelo describa el entorno después de analizar aproximadamente mil horas de video grabado desde la perspectiva de bebés y niños pequeños. Los modelos de IA más avanzados han mostrado rendimiento deficiente al procesar estas imágenes realistas y caóticas, revelando un diseño cerebral en los bebés que les permite aprender rápidamente con información limitada.

Este enfoque se alinea con investigaciones previas como BabyLM, introducido en 2023, que pidió a modelos de IA aprender sintaxis del lenguaje usando datos equivalentes a los que absorbe un niño de 10 años: decenas de millones de palabras, comparado con billones que utilizan modelos convencionales. Los modelos basados en transformadores, que procesan lenguaje prestando atención a relaciones entre palabras, lograron esto con éxito, desafiando teorías sobre cómo la sintaxis podría estar cableada en el cerebro humano.

Sin embargo, entender el mundo físico presenta desafíos distintos. No existe un corpus vasto de interacciones humanas disponible para entrenar sistemas de IA en sentido común similar al humano, lo que plantea obstáculos significativos para desarrollar modelos que repliquen esta capacidad fundamental. Esta brecha entre capacidades lingüísticas y comprensión física del entorno representa uno de los desafíos más relevantes para el desarrollo futuro de sistemas de IA más robustos y eficientes.