Descubre cómo un bebé enseñó a hablar a una inteligencia artificial

Un equipo de científicos de la Universidad de Nueva York, mediante un método inspirado en los procesos cognitivos de los bebés, logró que uno llamado Sam enseñara a hablar a una inteligencia artificial (IA)

El elemento central del estudio es un casco equipado con una cámara, que fue utilizado por Sam durante un período de 1,5 años (entre los 6 a los 25 meses).

Esta cámara tenía la tarea de capturar el mundo desde la perspectiva visual y auditiva del niño, registrando imágenes y sonidos mientras él realizaba diversas actividades cotidianas. Este enfoque permitió obtener una vista completa y sin filtros del entorno real y cómo un niño en crecimiento interactúa con él.

Durante todo el experimento, Sam llevó el casco durante aproximadamente una hora, dos veces por semana. Esta rutina resultó en un total de 61 horas de grabaciones y la recopilación de 250.000 palabras junto a sus respectivas imágenes.

Las actividades grabadas incluían momentos de juego, lectura y comidas, proporcionando una rica variedad de contextos para el aprendizaje del modelo.

Este interés por los investigadores es observar cómo los niños adquieren el lenguaje durante los primeros meses de vida, un proceso que puede ser imitado con gran precisión para entrenar modelos de IA.

El sistema de IA desarrollado, denominado Child Vision Contrastive Learning (CVCL), se alimentó de los datos capturados por esta cámara para aprender a asociar palabras con imágenes.

La importancia de este método radica en su base empírica: en lugar de utilizar bases de datos preconcebidas y limitadas, el CVCL se entrenó con datos recogidos directamente del día a día del niño.

Los resultados, publicados en la revista Science, muestran avances significativos. El modelo CVCL logró identificar correctamente objetos en un 62% de los casos, un porcentaje notablemente alto en comparación con el 25% que se esperaría acertar por azar.

Esta tasa de acierto es comparable con otros modelos de IA que, sin embargo, requieren una cantidad de datos mucho mayor para alcanzar niveles de precisión similares.

Mientras que los modelos tradicionales de IA dependen de amplias cantidades de datos preprocesados, este nuevo enfoque demuestra que el contexto de aprendizaje, reflejado en experiencias reales de seres humanos en sus primeros años de vida, tiene un impacto significativo en los resultados.

Sin embargo, a pesar de estos prometedores hallazgos, el estudio presenta algunas limitaciones. La investigación se llevó a cabo con un solo niño y en el marco de un único idioma, el inglés.

Los investigadores han señalado la necesidad de ampliar el experimento para incluir una variedad más amplia de sujetos y culturas. De este modo, se busca validar los hallazgos iniciales y explorar la generalizabilidad del modelo CVCL en diferentes contextos lingüísticos y culturales.

A medida que los niños en distintas partes del mundo aprenden y experimentan el mundo de diferentes maneras, capturar estos diversos contextos podría abrir nuevas vías para el desarrollo de IA más inclusivas y culturalmente adaptadas.

Este estudio no solo ofrece nuevas perspectivas sobre el proceso de aprendizaje de las IA, sino que también plantea preguntas sobre cómo los seres humanos, desde tempranas etapas de la vida, interactúan con su entorno para desarrollar competencias cognitivas básicas.

La metodología basada en la captura de experiencias cotidianas podría tener aplicaciones más allá del campo de la IA, influyendo en áreas como la pedagogía y la psicología del desarrollo.