बच्चे दुनिया के सबसे शक्तिशाली AI से तेजी से सीखते हैं। वैज्ञानिक जानना चाहते हैं कि क्यों।

मुख्य बिंदु

• Meta, Stanford University, University of Tokyo, और फ्रांस के École Normale Supérieure के शोधकर्ताओं ने 2025 में शिशु सीखने के विरुद्ध AI का परीक्षण करने के लिए EgoBabyVLM Challenge लॉन्च किया।
• आज के सर्वश्रेष्ठ विजन भाषा मॉडल्स, AI सिस्टम जो छवियों और पाठ दोनों को समझते हैं, बच्चों के सिर पर कैमरों से रिकॉर्ड किए गए लगभग 1,000 घंटे के वास्तविक फुटेज को दिखाए जाने पर बुरी तरह विफल रहे।
• 2023 में BabyLM नामक एक अलग बेंचमार्क में पाया गया कि AI एक 10 वर्षीय के भाषा जोखिम से मेल खा सकता है जिसमें दसियों लाख शब्द हों, जो अधिकांश मॉडल्स के उपयोग करने वाले ट्रिलियन से बहुत कम है।
• 2024 में, एक बुनियादी विजन भाषा मॉडल ने केवल एक शिशु के सिर-कैमरे के फुटेज का उपयोग करके गेंद जैसी सरल वस्तुओं को पहचानना सीख गया।
• Stanford के शोधकर्ताओं ने 2025 की शुरुआत में निष्कर्ष प्रकाशित किए जिसमें दिखाया गया कि एक नए मॉडल डिज़ाइन ने उसी बेबी-हेड वीडियो डेटा से भौतिक कारण-और-प्रभाव को मानक AI की तुलना में बहुत अधिक प्रभावी ढंग से सीखा।

एक साल का बच्चा एक कुत्ते को देखता है, एक या दो बार शब्द सुनता है, और इसे हमेशा के लिए याद रखता है। एक अत्याधुनिक AI सिस्टम अरबों लिखित वाक्य और लाखों छवियों को ग्रहण करता है इससे पहले कि यह एक ही चीज़ को विश्वसनीय रूप से कर सके। यह अंतर AI अनुसंधान के एक बढ़ते कोने को चला रहा है।

EgoBabyVLM Challenge, Meta, Stanford, Tokyo, और Paris के शोधकर्ताओं द्वारा विकसित, विजन भाषा मॉडल्स को, AI सिस्टम जो छवियों और लिखित पाठ दोनों पर प्रशिक्षित हैं, वास्तविक शिशुओं और बालकों के सिर पर कैमरे से फिल्माया गया लगभग एक हजार घंटे का वीडियो देता है। कार्य: दुनिया को इस तरह समझना जैसे एक बच्चा करता है।

अब तक परीक्षण किए गए प्रत्येक शीर्ष मॉडल को बुरी तरह संघर्ष करना पड़ा है।

फुटेज कारण है। बेबी-कैम वीडियो गंदा और अराजक है। एक माता-पिता एक खिलौने के बारे में बात करते हैं जो पहले से ही फ्रेम से बाहर निकल गया है। एक वयस्क अपनी आँखों से किसी चीज़ की ओर इशारा करता है, अपनी उँगली से नहीं। बातचीत भविष्य और भूतकाल की घटनाओं के बीच कूदती है बजाय इसके कि अभी क्या हो रहा है। बच्चे दृष्टि, ध्वनि और स्पर्श के माध्यम से इस सभी को एक साथ अवशोषित करते हैं। वर्तमान AI मुख्य रूप से साफ, क्यूरेटेड पाठ और छवियों से सीखता है। अंतर दिखाई देता है।

"यह स्पष्ट है कि केवल भाषा के अलावा कुछ और की आवश्यकता है," कहते हैं Michael Frank, Stanford के एक संज्ञानात्मक वैज्ञानिक जो भाषा सीखने का अध्ययन करते हैं और challenge डिज़ाइन करने में मदद की।

आम लोगों के लिए यह क्यों महत्वपूर्ण है?

छोटे, अधिक कुशल AI को चलाने में कम खर्च होगा और कम बिजली की खपत होगी, जिसका मतलब उन उत्पादों के लिए कम कीमत और हल्का पर्यावरणीय पदचिह्न है जो इस पर निर्भर करते हैं। AI-संचालित रोबोट जो बच्चों की तरह सीखते हैं, आज की मशीनों की तुलना में घर, अस्पतालों और कारखानों में बहुत अधिक विश्वसनीय रूप से नेविगेट कर सकते हैं।

यह कार्य पहले के अनुसंधान पर निर्मित है। BabyLM, एक बेंचमार्क जो 2023 में ETH Zurich के भाषाविद Ryan Cotterell द्वारा प्रस्तुत किया गया था, दिखाता है कि AI का एक वर्ग जिसे transformer models कहा जाता है, सिस्टम जो किसी पाठ के पार शब्दों के बीच संबंधों को ट्रैक करके भाषा को समझते हैं, व्याकरण के नियमों को मोटे तौर पर उतने ही पाठ से सीख सकते हैं जितना एक 10 वर्षीय आया है। ट्रिलियन शब्द स्पष्ट रूप से उस विशेष कार्य के लिए आवश्यक नहीं हैं।

भौतिक सामान्य ज्ञान एक अलग कहानी है। "मानव interactions का कोई बड़ा corpus नहीं होने वाला है," Cotterell कहते हैं, जिसका अर्थ है कि वास्तविक दुनिया के अनुभव का कोई विशाल डेटासेट मौजूद नहीं है जिस तरह लिखित पाठ का डेटासेट करता है।

Joshua Tenenbaum, MIT में एक संज्ञानात्मक वैज्ञानिक, इसे स्पष्ट रूप से कहते हैं। Transformer models डेटा में पैटर्न को अत्यंत अच्छी तरह से खोजते हैं। लेकिन पैटर्न-खोज अकेले भौतिकी, अन्य लोगों, और कारण-और-प्रभाव की सहज समझ बनाने के लिए पर्याप्त प्रतीत नहीं होता है जो एक दो वर्षीय के पास पहले से है।

खुला प्रश्न यह है कि उस समझ का कितना हिस्सा विकास द्वारा मानव मस्तिष्क में निर्मित है, और कितना कोई सीखने वाला सिस्टम अपने आप प्राप्त कर सकता है। EgoBabyVLM शोधकर्ताओं का तर्क है कि मस्तिष्क विज्ञान से विचारों को उधार लेना, जैसे मॉडल्स को समय की लंबी अवधि को ट्रैक करने और सामाजिक संकेतों को पढ़ने में मदद करना, एक उत्तर की ओर इशारा कर सकता है।