主要内容
婴儿高效的学习能力或为AI发展指明新方向。Meta、斯坦福大学等机构联合开发的“自我婴儿视觉语言模型（EgoBabyVLM）挑战”，通过测试AI模型能否像婴儿一样从有限信息中理解世界，推动视觉语言模型（VLMs）优化。
该挑战要求模型分析约1000小时的婴儿头部摄像机视频，但当前尖端AI模型在此类真实复杂的视频数据上表现极差。这表明婴儿大脑的独特设计——如通过一次观察或短暂互动识别新物体，结合多模态（语言、视觉、触觉）与情境化学习——可能正是AI突破高能耗、高数据依赖瓶颈的关键。
此前的“BabyLM”挑战显示，Transformer模型在语言语法学习上表现出色，仅需数千万词（相当于10岁儿童的语言输入量）就能掌握句法规则，但在物理世界理解、社会常识等方面仍有不足。
研究指出，婴儿的高效学习能力可能是进化优化的结果，而单纯依赖模式学习的算法（如Transformer）难以复制人类在多维度情境中的综合理解能力。这一争议为认知科学与AI研究提供了关键方向。
