Los bebés aprenden más rápido que la IA más poderosa del mundo. Los científicos quieren saber por qué.

Puntos clave

• Investigadores de Meta, la Universidad de Stanford, la Universidad de Tokio y la École Normale Supérieure de Francia lanzaron el EgoBabyVLM Challenge en 2025 para probar la IA contra el aprendizaje infantil.
• Los mejores modelos de lenguaje visual actuales, sistemas de IA que entienden tanto imágenes como texto, fallaron rotundamente cuando se les mostró aproximadamente mil horas de video real grabado desde cámaras colocadas en las cabezas de bebés.
• Un benchmark separado de 2023 llamado BabyLM encontró que la IA puede igualar la exposición lingüística de un niño de 10 años usando decenas de millones de palabras, muchas menos que los billones que consumen la mayoría de los modelos.
• En 2024, un modelo básico de lenguaje visual aprendió a reconocer objetos simples como una pelota usando video de la cámara de la cabeza de un solo bebé.
• Investigadores de Stanford publicaron hallazgos a principios de 2025 que muestran que un nuevo diseño de modelo aprendió relaciones de causa y efecto de los mismos datos de video de bebé mucho más efectivamente que la IA estándar.

Un niño de un año ve un perro, escucha la palabra una o dos veces y la recuerda. Un sistema de IA líder ingiere miles de millones de oraciones escritas y millones de imágenes antes de poder hacer lo mismo de manera confiable. Esa brecha es el acertijo que impulsa un sector cada vez mayor de la investigación en IA.

El EgoBabyVLM Challenge, desarrollado por investigadores en Meta, Stanford, Tokio y la École Normale Supérieure de París, proporciona a los modelos de lenguaje visual, sistemas de IA entrenados tanto en imágenes como en texto escrito, aproximadamente mil horas de video filmado desde cámaras colocadas en las cabezas de bebés y niños pequeños reales. Todos los modelos principales probados hasta ahora han tenido dificultades.

El video es la razón. El video de cámara de bebé es caótico. Un padre habla sobre un juguete que ya ha salido del encuadre. Un adulto señala algo con los ojos, no con el dedo. Las conversaciones saltan entre eventos pasados y futuros en lugar de lo que está sucediendo en este momento. Los bebés absorben todo esto a través de la vista, el tacto y el sonido simultáneamente, mientras que la IA actual aprende principalmente de conjuntos de datos ordenados y curados. La brecha se nota.

"Está claro que se necesita más que solo lenguaje", dice Michael Frank, un científico cognitivo de Stanford que estudia el aprendizaje del lenguaje y ayudó a diseñar el desafío.

¿Por qué importa esto para la gente común?

Una IA más pequeña y eficiente costaría menos ejecutar y consumiría menos electricidad, lo que significa precios más bajos y una huella ambiental más ligera para los productos que dependen de ella. Los robots impulsados por IA que aprenden como lo hacen los bebés podrían navegar casas y hospitales de manera mucho más confiable que las máquinas actuales.

El trabajo se basa en investigaciones anteriores. Nuestro informe del 13 de julio sobre modelos del mundo y razonamiento físico es útil aquí: el impulso de hacer que la IA entienda causa y efecto, no solo lenguaje, ahora está llegando a laboratorios de cognición infantil. BabyLM, un benchmark introducido en 2023 por el lingüista Ryan Cotterell del ETH Zurich, demostró que los modelos de transformador, sistemas que entienden el lenguaje rastreando relaciones entre palabras en un texto, pueden aprender las reglas de la gramática a partir de aproximadamente la misma cantidad de texto que ha encontrado un niño de 10 años. Aparentemente, no se requieren billones de palabras para esa tarea particular.

El sentido común físico es otra historia. "No va a haber un gran corpus de interacciones humanas", dice Cotterell, lo que significa que no existe un conjunto de datos gigante de experiencia del mundo real para entrenar como existe el texto escrito.

Joshua Tenenbaum, científico cognitivo del MIT, es directo. Los modelos de transformador encuentran patrones en datos extremadamente bien. Encontrar patrones solo no parece ser suficiente para construir la comprensión instintiva de la física y la dinámica social que un niño de dos años ya tiene.

¿Debemos esperar una IA con cerebro de bebé pronto?

Probablemente no pronto. La pregunta abierta es cuánto de esa comprensión está construida en los cerebros humanos por la evolución y cuánto cualquier sistema de aprendizaje podría adquirir por sí solo. "Hay mucho debate en la ciencia cognitiva y la neurociencia sobre cuánto está integrado en el cerebro evolutivamente", dice Tenenbaum. Los investigadores del EgoBabyVLM argumentan que tomar prestadas ideas de la neurociencia, como ayudar a los modelos a rastrear períodos más largos de tiempo y leer señales sociales, podría apuntar hacia una respuesta. Qué observar: si la nueva arquitectura de modelo de Stanford que aprendió dinámicas de objetos de video de cabeza de bebé a principios de 2025 puede escalarse sin perder esa ventaja de eficiencia.