Las grabaciones de la vida de un beb¨¦ de un a?o entrenan a una IA para aprender palabras

Desde su nacimiento, los beb¨¦s comienzan a recibir est¨ªmulos visuales y auditivos, esenciales para aprender algo imprescindible en sus vidas: el lenguaje. Entre los seis y nueve meses, comienzan a hablar, asocian sonidos con objetos y conceptos del mundo real. Al llegar a los dos a?os, ya suelen contar con un vocabulario de aproximadamente 300 palabras. Pero, ?c¨®mo se desarrolla este proceso de aprendizaje? Un equipo de investigadores de la Universidad de Nueva York estudi¨® grabaciones de la vida cotidiana de un ni?o durante su primer a?o de vida para encontrar la respuesta. El experimento no solo confirm¨® la conexi¨®n entre la representaci¨®n visual y ling¨¹¨ªstica ¡ªes decir, lo que se ve y la palabra que le corresponde¡ª, sino que tambi¨¦n contribuy¨® al desarrollo de un modelo de inteligencia artificial (IA), que ha logrado reconocer distintos objetos de manera similar a como lo hacen los ni?os.

¡°Los grandes sistemas de IA se entrenan y funcionan gracias a una cantidad de datos astron¨®mica. Hablamos de miles de millones de palabras para poder desarrollar un sistema de lenguaje¡±, explica Wai Keen Vong, doctor en psicolog¨ªa y ciencia computacional, que ha coordinado del estudio que se ha publicado este jueves en la revista Science. ¡°Sin embargo, los humanos necesitan solo unos pocos miles de palabras para alcanzar un sistema de comunicaci¨®n eficiente¡±, a?ade. De este contraste, naci¨® el inter¨¦s en investigar si una IA ser¨ªa capaz de aprender a hablar de la misma forma que los ni?os: observando su entorno, escuchando a las personas que los rodean y conectando puntos entre lo que ven y oyen.

La adquisici¨®n temprana del lenguaje es un tema ampliamente debatido y por el cual se han propuesto varias hip¨®tesis. Tradicionalmente, este tipo de estudios se ha llevado a cabo en entornos controlados de laboratorio, lo que ha dado como resultado descubrimientos que a menudo no se extrapolan eficazmente a contextos m¨¢s din¨¢micos y variados del mundo real. ¡°La novedad de este an¨¢lisis reside en el hecho de que pudimos trabajar con datos de primera mano, derivados de una situaci¨®n real de aprendizaje¡±, recalca Vong.

Con este objetivo, el equipo de Vong analiz¨® 61 horas de la vida de Sam, un ni?o australiano que durante un a?o y medio ¡ªdesde los seis a los 25 meses de edad¡ª llev¨® un casco con una c¨¢mara que grababa las interacciones que ten¨ªa con sus padres y abuelos en el d¨ªa a d¨ªa. En realidad, grab¨® solamente el 1% del tiempo que pas¨® despierto durante la duraci¨®n del experimento. Aun as¨ª, se han logrado cientos de im¨¢genes que reproducen exactamente lo que el ni?o estaba viendo, acompa?adas por las expresiones ling¨¹¨ªsticas de sus familiares, que le explicaban la naturaleza de los objetos que lo rodeaban. ¡°Por ejemplo, durante la hora de la comida, la c¨¢mara en su cabeza grababa la imagen de una cuchara, al mismo tiempo que su madre le preguntaba algo relacionado con ese utensilio. Y as¨ª, con decenas de objetos cotidianos¡±, explica Vong.

La conexi¨®n entre estos dos medios casi nunca es obvia. De hecho, el investigador reconoce que parte del desaf¨ªo para los beb¨¦s es entender exactamente qu¨¦ palabra se asocia al objeto con el que est¨¢n interactuando. ¡°La mayor¨ªa del tiempo, los padres no est¨¢n etiquetando cada objeto. Por cada pelota que Sam estaba mirando, sus padres no le dec¨ªan ¡®esta es una pelota¡¯, ¡®mira la pelota¡¯. Escuchaba las palabras en un contexto natural, y la dificultad es justamente averiguar, dentro de una oraci¨®n m¨¢s o menos larga, cu¨¢l es la palabra que corresponde al objeto redondo con el que estaba jugando¡±, se?ala Vong.

Entrenar una IA como un beb¨¦

Tras observar el comportamiento del ni?o, los investigadores pudieron confirmar que aprend¨ªa el significado de las palabras conectando el est¨ªmulo visual ¡ªes decir, la imagen que se le presentaba¡ª con la respuesta de sus familiares, que repet¨ªan la palabra correspondiente. Con estos resultados, han pasado a la segunda fase del experimento: verificar si una IA ser¨ªa capaz de aprender a reconocer los objetos de la misma forma que lo hizo Sam.

El modelo de inteligencia artificial, llamado CVCL (Child¡¯s View for Contrastive Learning, aprendizaje contrastivo desde la perspectiva del ni?o), ha sido entrenado con 64 categor¨ªas visuales ¡ªutensilios, juguetes, animales, entre otras¡ª y la transcripci¨®n de lo que Sam estaba escuchando mientras miraba a estos objetos. Una vez creada esta base de datos, los investigadores han empezado a hacer pruebas para comprobar si la IA era capaz de identificar las im¨¢genes. Seg¨²n Vong, el modelo ¡ªcon informaci¨®n sensorial limitada y mecanismos de aprendizaje relativamente gen¨¦ricos¡ª proporciona una base computacional para investigar c¨®mo los ni?os adquieren sus primeras palabras y c¨®mo esas palabras pueden conectarse al mundo visual.

¡°Encontramos que CVCL puede aprender a hacer conexiones entre im¨¢genes y texto a partir de fragmentos limitados de la experiencia de un solo ni?o¡±, destacan los autores en el estudio. En algunos casos, los objetos figuraban sobre un fondo blanco, mientras que en otros en un entorno con m¨¢s est¨ªmulos. De hecho, la precisi¨®n de clasificaci¨®n del modelo fue del 61.6%, y se mantuvo alta incluso cuando se insertaron en el sistema im¨¢genes diferentes a las grabaciones de Sam, con las cuales la IA no hab¨ªa sido entrenada. ¡°Los resultados confirman nuestra hip¨®tesis de que con solamente dos impulsos, que son lo que el ni?o ve y lo que oye, es posible alcanzar y acelerar este tipo de aprendizaje¡±, destaca Vong.

Estudiar c¨®mo nace el habla

Antonio Rodr¨ªguez Fornells, investigador en el Instituto de Neurociencias de la Universidad de Barcelona, se?ala el aspecto novedoso del estudio, que abre paso para entender, mediante simulaciones computacionales, cu¨¢les son los mecanismos de aprendizaje m¨ªnimos que utilizan los ni?os para afrontar el reto de aprender un lenguaje: ¡°Los estudios previos en beb¨¦s en psicolog¨ªa del desarrollo aportan informaci¨®n clave con experimentos muy novedosos, pero la falta de estudios de neurociencia o neuroimagen en los mismos (por la dificultad de aplicar estas t¨¦cnicas en beb¨¦s) no permite que se avance tanto en la neurociencia como para esclarecer los mecanismos cerebrales que sustentan estos procesos de adquisici¨®n del lenguaje¡±, explica este neurocient¨ªfico.

Adem¨¢s, reconoce que las simulaciones que se plantean en el art¨ªculo respaldan ciertas teor¨ªas del lenguaje propuestas anteriormente. ¡°Entre ellas, que simplemente con mecanismos simples de aprendizaje asociativo (que permiten vincular im¨¢genes y palabras) en un entorno de aprendizaje natural (como el que experimentan los ni?os cuando nacen y en los primeros meses de su vida) es suficiente para poder aprender estas relaciones y generalizar el contenido del significado¡±, a?ade Rodr¨ªguez Fornells.

Aun as¨ª, el estudio presenta algunas limitaciones. El modelo CVCL se entren¨® con grabaciones de una sola c¨¢mara montada en la cabeza de un solo ni?o, y aprendi¨® a trav¨¦s de las transcripciones de voz en lugar de voz directa, lo que omite matices importantes como la entonaci¨®n y el ¨¦nfasis. ¡°Tambi¨¦n hay que recordar que el aprendizaje del modelo fue pasivo, basado en grabaciones, sin interacci¨®n activa con el entorno, lo cual es diferente a c¨®mo los ni?os aprenden en entornos reales¡±, reconocen los autores de la investigaci¨®n.

Puedes seguir a MATERIA en Facebook, X e Instagram, o apuntarte aqu¨ª para recibir nuestra newsletter semanal.