¿Por qué los niños todavía aprenden a hablar mejor que la inteligencia artificial?
Los niños aprenden a hablar con una velocidad que deja en ridículo a la inteligencia artificial. Un nuevo estudio revela el secreto detrás de su asombroso poder lingüístico.
Por Enrique Coperías
Un niño interactúa con un robot humanoide en un entorno de juego compartido. Aunque la inteligencia artificial puede procesar grandes volúmenes de datos, la ciencia demuestra que la mente infantil sigue siendo muy superior para aprender lenguaje gracias a su aprendizaje activo, multisensorial y socialmente situado. Cortesía: https://icub.iit.it/
¿Por qué los niños logran aprender a hablar con una velocidad y precisión que la inteligencia artificial aún no puede igualar? Si una persona aprendiera a hablar al ritmo que lo hace un modelo como ChatGPT, necesitaría alrededor de 92.000 años para alcanzar el mismo nivel de competencia lingüística que un niño pequeño consigue en apenas tres.
Esta sorprendente comparación ilustra un hecho cada vez más evidente: por mucho que avancen los sistemas de inteligencia artificial (IA), la mente infantil sigue siendo el mejor modelo para aprender a usar el lenguaje humano.
Un nuevo estudio publicado en la revista Trends in Cognitive Sciences ofrece una explicación detallada de por qué sucede esto. Liderado por la profesora Caroline Rowland, del Instituto Max Planck de Psicolingüística, en Alemania, y desarrollado en colaboración con colegas del centro ESRC LuCiD del Reino Unido, el trabajo presenta un marco teórico que podría revolucionar nuestra comprensión del desarrollo lingüístico infantil.
El enigma de cómo aprendemos a hablar
Comprender cómo aprenden los niños a hablar es una de las grandes preguntas abiertas en las ciencias del desarrollo. Aunque en las últimas décadas se ha acumulado una gran cantidad de datos, gracias a tecnologías como el seguimiento ocular, el EEG infantil y el reconocimiento de voz basado en IA—, hasta ahora no existía una teoría integral capaz de explicar cómo se transforma toda esa información sensorial en un sistema lingüístico complejo.
Aquí es donde entra en juego la propuesta constructivista de Rowland y su equipo. Este marco no es una teoría más, sino un esfuerzo por sintetizar lo mejor de los enfoques actuales, ya que integra evidencia de disciplinas tan diversas como la lingüística, la neurociencia, la informática y la psicología.
¿Qué es el constructivismo lingüístico?
El constructivismo sostiene que los niños no son meros receptores de datos ni tampoco simples ejecutores de un plan genético preestablecido. En cambio, construyen activamente su conocimiento lingüístico a partir de la interacción con un entorno multisensorial, impulsados por su curiosidad, sus habilidades sociales y sus capacidades cognitivas en desarrollo.
El marco propuesto se apoya en cuatro grandes pilares qué hacen únicos a los niños en el aprendizaje del lenguaje:
🗣️ Aprendizaje estructurado. Los mecanismos de aprendizaje infantil están diseñados para extraer patrones y construir estructuras mentales a partir de experiencias individuales. A partir de sonidos, gestos o palabras aisladas, los niños generan reglas gramaticales, categorías semánticas y sistemas fonológicos, de manera progresiva y acumulativa.
🗣️ Entrada multimodal. A diferencia de los modelos de IA, que aprenden leyendo textos, los niños adquieren el lenguaje integrando información que llega a través de todos los sentidos: ven la boca de quien habla, oyen la entonación, tocan objetos e imitan gestos, y todo ello en contextos ricamente coordinados. Esta combinación de señales sensoriales facilita la creación de significados complejos.
🗣️ Aprendizaje activo y adaptativo. El niño no espera a que el conocimiento llegue. Explora, pregunta, señala, juega y se involucra socialmente para maximizar su aprendizaje. Este papel activo —como un pequeño científico que pone a prueba hipótesis en cada interacción— resulta esencial para explicar su asombrosa velocidad de aprendizaje del lenguaje.
🗣️ Cambio evolutivo y dinámico. Aprender a hablar no es solo adquirir palabras. Implica el desarrollo paralelo de sistemas cognitivos, sociales y motores. Por eso, la capacidad de decir «yo pienso que» aparece cuando nuestros pequeños empiezan a entender que otras personas tienen pensamientos distintos a los suyos.
¿Qué tienen los niños que no tenga la IA?
A pesar de su capacidad para procesar cantidades masivas de texto, los sistemas de IA actuales aprenden de forma limitada en comparación con los niños.
«Los sistemas de inteligencia artificial procesan datos… pero los niños los viven —señala Rowland—. Su aprendizaje es personificado, interactivo y profundamente inmerso en contextos sociales y sensoriales».
Un modelo como ChatGPT necesita exponerse a millones de palabras escritas para aprender estructuras gramaticales complejas. En cambio, un niño con apenas unas horas de escucha atenta y juego interactivo empieza a adquirir vocabulario y reglas de forma espontánea. La diferencia no está tanto en la cantidad de datos, sino en cómo se interpretan, integran y utilizan esa información.
Mientras la IA lee lenguaje, los niños lo experimentan. Tocan objetos, gatean hacia juguetes, señalan cosas que les llaman la atención y participan —activamente— en la construcción del conocimiento. Este aprendizaje corporal y social está ausente en los modelos computacionales actuales.
A pesar de su capacidad para procesar cantidades masivas de texto, los sistemas de IA actuales aprenden de forma limitada en comparación con los niños. Foto: Jason Rosewell
¿Qué puede aprender la inteligencia artificial de los bebés?
Para los investigadores, estas diferencias no solo son fascinantes desde el punto de vista teórico. También tienen implicaciones prácticas.
«Los investigadores en inteligencia artificial podrían aprender mucho de los bebés —afirma Rowland—. Si queremos que las máquinas aprendan el lenguaje tan bien como los humanos, tal vez necesitemos replantear desde cero cómo las diseñamos».
El marco constructivista no solo explica cómo aprenden los bebés humanos, sino que ofrece una guía para construir IA más humana y eficiente. Rowland y sus colegas extraen algunas de las lecciones más básicas de su investigación:
✅ Diseñar agentes con entradas multimodales que combinen voz, visión, tacto y contexto.
✅ Implementar mecanismos de aprendizaje activo que prioricen la exploración y la predicción.
✅ Incluir entornos sociales reales donde la IA aprenda a partir de la interacción, no solo del texto.
✅ Desarrollar arquitectura evolutiva que crezca en complejidad conforme acumula experiencia.
Este replanteamiento incluye construir sistemas que integren entradas sensoriales variadas, que puedan interactuar socialmente y que adapten su aprendizaje a medida que desarrollan nuevas capacidades, algo que hasta ahora ha sido muy difícil de replicar fuera del laboratorio y del cuerpo humano.
Más allá de la infancia
El valor de este marco no se limita a la comprensión del desarrollo lingüístico infantil. También ofrece nuevas perspectivas sobre cómo procesamos el lenguaje en la edad adulta, cómo podría haber evolucionado la capacidad lingüística en nuestra especie y cómo se pueden diseñar mejores programas educativos y terapias del lenguaje.
Además, explica fenómenos bien documentados en la infancia, como los errores gramaticales típicos («yo sabo», «he rompido») o los procesos de sobrerregulación y su posterior corrección espontánea. Estos errores no son fallos, sino pruebas de que el niño está activamente construyendo, ajustando y refinando su sistema lingüístico.
El modelo también permite explicar la enorme variabilidad en el desarrollo del lenguaje entre diferentes culturas, individuos e incluso dentro de una misma familia. Dado que el entorno multimodal, las oportunidades de aprendizaje activo y el ritmo de desarrollo cognitivo varían de un caso a otro, el marco constructivista predice, y explica, esta diversidad.
Repensar cómo entendemos el aprendizaje del lenguaje
En resumen, este nuevo marco es una llamada a reconsiderar profundamente qué significa aprender a hablar. No se trata de una descarga de datos, ni de una herencia genética inmutable, sino de una construcción continua, dinámica y profundamente humana.
Gracias a su enfoque integrador y basado en evidencia empírica, el constructivismo lingüístico presentado por Rowland y su equipo tiene el potencial de convertirse en una referencia central para futuras investigaciones. En un mundo cada vez más dominado por la inteligencia artificial, este trabajo nos recuerda que el cerebro humano —especialmente el de un niño en crecimiento— sigue siendo una de las herramientas más poderosas y sofisticadas jamás conocidas para aprender, crear y comunicar.
«Los niños son aprendices extraordinarios porque están profundamente inmersos en la vida, no porque tengan acceso a más datos. Entender cómo lo hacen no solo nos ayuda a enseñar mejor, sino también a construir máquinas que aprendan de manera más humana», concluye Rowland.▪️
Información facilitada por el Instituto Max Planck de Psicolingüística
Fuente: Rowland, Caroline F. et al. Constructing language: a framework for explaining acquisition. Trends in Cognitive Sciences (2025). DOI: 10.1016/j.tics.2025.05.015
