La investigación en inteligencia artificial avanza hacia un objetivo ambicioso: dotar a los robots de inteligencia social, es decir, la capacidad de interpretar señales humanas y anticiparse a nuestras reacciones. Sin embargo, los resultados muestran que, aunque los modelos de IA progresan en muchos ámbitos, aún están lejos de descifrar la complejidad del comportamiento humano.
El reto de predecir emociones humanas
María Teresa Parreira, estudiante de doctorado en Ciencias de la Información, lidera un proyecto que analiza cómo los robots pueden captar información al convivir con las personas. Los humanos emitimos señales sociales constantemente —gestos, expresiones faciales, posturas— que sirven para anticipar lo que sentimos o pensamos. El estudio titulado “¿Mala idea y buena predicción? Comparando VLM y el juicio anticipatorio humano” explora si los modelos de lenguaje visual (VLM) pueden interpretar esas señales y prever el desenlace de situaciones tensas.
Los VLM son sistemas de IA capaces de procesar información visual y lingüística. En teoría, deberían poder anticipar si un escenario terminará bien o mal basándose en las expresiones faciales de los participantes. Sin embargo, los resultados no fueron alentadores. Patricia Waldron, de la Universidad de Cornell, publicó en TechXplore que los modelos fallaron al intentar predecir reacciones humanas con precisión.
Robots frente a la sensibilidad humana
Wendy Ju, investigadora de Cornell Tech, retomó los hallazgos de Parreira y subrayó que los humanos tenemos una sensibilidad especial para interpretar las reacciones de los demás. Esa intuición es lo que se busca replicar en los robots, aunque todavía con limitaciones claras.
En el estudio, se entrenaron modelos como GPT-4o, Gemini 2.0 y DeepSeek para predecir si un escenario terminaría bien o mal. Los vídeos mostraban situaciones de acción, como un hombre conduciendo una cortadora de césped a gran velocidad o un robot humanoide saltando entre bloques. El mejor modelo de código abierto alcanzó un 70% de precisión, mientras que el mejor modelo cerrado apenas llegó al 63%.
Cuando se pidió a los sistemas que hicieran predicciones basadas en las expresiones faciales de personas que reaccionaban a esos vídeos, el rendimiento cayó drásticamente: entre 44,5% y 53,8% de aciertos. Algunos modelos incluso dieron la misma respuesta en todos los casos, lo que evidencia la dificultad de interpretar las señales humanas.
Explorando nuevas vías de mejora
Parreira y Ju están colaborando para entender por qué los modelos fallan y cómo mejorar su rendimiento. La conclusión inicial es que los modelos virtuales de aprendizaje aún no pueden ofrecer una inteligencia social anticipatoria. No logran utilizar la información de manera efectiva para prever resultados.
Ju sugiere que la mejor estrategia es desplegar robots en entornos reales, donde puedan cometer errores, aprender de ellos y adaptarse mediante la interacción directa con los humanos. Este enfoque permitiría que los sistemas evolucionen más allá de los datos estáticos y se acerquen a la intuición humana.
Un alivio para nuestra singularidad
Por ahora, podemos estar tranquilos: los robots todavía no pueden replicar nuestra capacidad de anticipación, esa mezcla de intuición, experiencia y sensibilidad que nos permite leer entre líneas y prever lo que está por suceder. La investigación demuestra que, aunque los avances en IA son notables, la complejidad del comportamiento humano sigue siendo un terreno difícil de conquistar.
En definitiva, los robots están aprendiendo a anticiparse al caos, pero los seres humanos seguimos siendo imposibles de descifrar por completo. Y quizá esa sea una de nuestras mayores fortalezas.