si piensas un modelo de inteligencia artificial que se ejecuta en miles de chips de computadora de última generación es inteligente, permítanme presentarles el concepto de un niño de 1 año.
Bien, es posible que los bebés no puedan escribir programas de computadora, resolver problemas matemáticos avanzados o debatir ideas filosóficas. Pero a diferencia de los modelos de IA actuales, que consumen datos de entrenamiento equivalentes a un océano y tanta energía como un país pequeño, los bebés aprenden a darle sentido al mundo con una eficiencia asombrosa. Identifican nuevos objetos después de verlos una o dos veces y aprenden mediante observación fugaz e interacción física.
Cuando se trata de mejorar la IA, los bebés (y la arquitectura de sus cerebros) pueden aportar conocimientos cruciales. Construir una versión de IA más parecida a la de un bebé podría hacer que los modelos de frontera sean menos costosos y consuman menos energía, y también podría ser valioso si los robots impulsados por IA aprenden sobre sus entornos de una manera más natural.
Para explorar esta nueva y audaz frontera, investigadores de Meta, la Universidad de Stanford, la Universidad de Tokio y la École Normale Supérieure de Francia desarrollaron una nueva prueba que destaca las habilidades de aprendizaje de los bebés y empuja a los investigadores de IA a diseñar algoritmos que las coincidan.
El Desafío EgoBabyVLM juzga qué tan bien los modelos de lenguaje visual, o VLM, que aprenden tanto de texto como de imágenes, pueden dar sentido al mundo tal como lo ve un bebé. Se necesita un modelo para describir el mundo después de ingerir alrededor de mil horas de vídeo recopiladas por cámaras colocadas en las cabezas de bebés y niños pequeños. (Sí, de verdad).
Resulta que los modelos de vanguardia fallan estrepitosamente cuando se les alimenta con estas imágenes realistas y desordenadas, lo que sugiere que puede haber algo diferente en el diseño del cerebro del bebé que le permite aprender tan rápidamente con tan poca información.
En lugar de conjuntos de datos seleccionados, los bebés aprenden a partir de una visión caleidoscópica de las cosas: padres hablando de objetos que ya no son visibles, indicando cosas usando su mirada o un gesto, o discutiendo eventos del pasado o del futuro en lugar de lo que esté sucediendo en ese momento. Los bebés aprenden no sólo del lenguaje sino también de una rica experiencia multimodal y táctil, dice Michael Frank, científico cognitivo de la Universidad de Stanford que se especializa en el aprendizaje de idiomas y participó en el desarrollo de EgoBabyVLM.
La prueba muestra que cuando se trata de IA, «está claro que hay más [than just language] eso es necesario”, dice Frank.
Aprendizaje de idiomas
EgoBabyVLM es sólo el último ejemplo de cómo los científicos están utilizando la IA para explorar la inteligencia humana. Un desafío llamado BabyLM, presentado en 2023, encargó a los modelos de IA aprender la sintaxis del lenguaje utilizando aproximadamente la misma cantidad de datos que recibe un niño de 10 años: decenas de millones de palabras, en comparación con billones de los modelos de IA. Sorprendentemente, resulta que los modelos de IA basados en transformadores (que procesan el lenguaje prestando atención a la relación entre palabras en diferentes oraciones) pueden hacer esto bastante bien, un hallazgo que desafía las ideas de Noam Chomsky sobre cómo la sintaxis puede estar integrada en el cerebro humano.
Ryan Cotterell, lingüista de ETH Zurich, quien fue el primero en desarrollar BabyLM, dice que la situación es diferente cuando se trata de comprender el mundo físico. «No habrá un gran corpus de interacciones humanas; no existe una Internet de interacciones humanas», afirma.
Joshua Tenenbaum, científico cognitivo del Instituto Tecnológico de Massachusetts, señala que BabyLM demostró que los modelos no adquieren “sentido común” sobre el mundo físico, la dinámica social o la teoría de la mente.
«Los transformadores son muy buenos para encontrar patrones en los datos», dice Tenenbaum. «Pero parece que los sistemas de aprendizaje de patrones puros no son capaces de tomar el tipo de datos que recibe un bebé o un niño y aprender todas las cosas que hacen».