7 de mayo de 2025 – Tecnología – Agencias.
Un estudio reciente de la Universidad Johns Hopkins revela que los humanos superan a los modelos actuales de inteligencia artificial (IA) en la interpretación precisa de interacciones sociales en escenas dinámicas. Esta capacidad es esencial para aplicaciones como vehículos autónomos y robots asistenciales, que deben entender el comportamiento humano para actuar con seguridad en el mundo real. La investigación sugiere que las limitaciones de la IA en este aspecto se deben a deficiencias fundamentales en su arquitectura.
La profesora Leyla Isik, autora principal del estudio, explicó que para que la IA interactúe eficazmente con personas, debe ser capaz de entender intenciones y contextos sociales, como saber si alguien va a cruzar la calle o está simplemente conversando. Sin esta capacidad, los sistemas de IA no pueden integrarse de forma segura en entornos humanos. La investigación se presentó el 24 de abril en la Conferencia Internacional sobre Representaciones del Aprendizaje.
Para comparar la percepción humana con la de los modelos de IA, los investigadores pidieron a personas que evaluaran videoclips de tres segundos con distintas formas de interacción humana. Luego, más de 350 modelos de IA intentaron predecir las respuestas humanas y la actividad cerebral que esas escenas generarían. Aunque los humanos mostraron una alta concordancia en sus respuestas, los modelos de IA no lograron replicarlas con precisión.
Los modelos de lenguaje fueron los más eficaces para anticipar comportamientos humanos, y los de video lo hicieron mejor al predecir respuestas cerebrales. Sin embargo, ninguno pudo captar correctamente la esencia de las interacciones sociales en los videos. Los modelos de imagen, que recibieron fotogramas fijos, tampoco lograron determinar con fiabilidad si las personas estaban interactuando, lo que evidencia una limitación importante.
Esta brecha pone en evidencia que el éxito de la IA en el reconocimiento de imágenes estáticas no se traduce a la comprensión de escenas dinámicas. Los investigadores creen que esto se debe a que las redes neuronales actuales se basan en estructuras cerebrales humanas que procesan imágenes fijas, mientras que las interacciones sociales involucran otras áreas del cerebro, más complejas y menos consideradas en el diseño de modelos.
En conclusión, los autores del estudio señalan que ningún modelo de IA puede replicar de manera generalizada la respuesta humana frente a escenas dinámicas. Esto sugiere un punto ciego en el desarrollo de la IA, que requiere avances significativos para comprender el contexto, la dinámica y la narrativa social en situaciones del mundo real. La investigación fue financiada por la Fundación Nacional de Ciencias y el Instituto Nacional de Salud Mental de EE. UU.
