Módulo 4. Inteligencia artificial

1. ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?

Cuando hablamos de inteligencia artificial (IA), nos referimos a la capacidad de las máquinas para simular comportamientos inteligentes mediante una serie de procesos y algoritmos avanzados, diseñados para resolver problemas de forma autónoma. De esta manera, emulan lo que entendemos abstractamente como inteligencia humana, aunque todavía no existe un consenso universal sobre la definición exacta de inteligencia.

En el siguiente vídeo, Nuria Oliver, una de las voces más influyentes a nivel internacional en el campo de la IA, nos ofrece una explicación clara sobre qué es la inteligencia artificial, su potencial para transformar y mejorar nuestro mundo, así como las debilidades y retos que presenta en la actualidad.

La inteligencia artificial creará 58 millones de puestos de trabajo, del canal de YouTube El Futuro Es Apasionante de Vodafone, bajo licencia YouTube Estandar

2. BREVE HISTORIA DE LA IA

La IA, aunque es un tema de actualidad, ha sido imaginada en distintas épocas. Desde la antigüedad, se visualizaban máquinas con la capacidad de pensar. En la Grecia clásica, destacan los míticos autómatas de Hefesto, como Talos, protector de Creta, o las mujeres de oro que lo ayudaban en su labor. En el Antiguo Egipto, se creaban figuras mecánicas controladas por sacerdotes para impresionar a las multitudes. A lo largo de la historia, desde la Edad Media hasta la Contemporánea, surgieron otros ingenios, como las “cabezas pensantes” y autómatas que contribuyeron al desarrollo tecnológico. Uno de los ejemplos más significativos fue “El ajedrecista”, construido en 1912 por el español Leonardo Torres Quevedo, considerado el primer dispositivo capaz de jugar al ajedrez de manera automática.

Sin embargo, la idea de una Inteligencia Artificial (IA) como la conocemos hoy no pudo materializarse hasta la segunda mitad del siglo XX.

A continuación, se presentan algunos de los hitos más importantes de la historia de la IA en forma de línea del tiempo para apreciar claramente los momentos clave que han marcado su evolución.

Futuro de la IA, por Lobotic, bajo licencia Pixabay

• • 1950: Comienza la Edad de Oro de la IA. Alan Turing publica Computing Machinery and Intelligence, donde introduce su famoso Test de Turing.
  • 1956: John McCarthy acuña el término “Inteligencia Artificial” en la Conferencia de Dartmouth.
  • 1966: Se desarrolla ELIZA, uno de los primeros chatbots.
  • 1968: Se estrena 2001: Una Odisea en el Espacio, con HAL 9000 como un famoso ejemplo ficticio de IA.
  • 1970: Termina la “Edad de Oro” y comienza el Invierno de la IA por falta de progreso en las investigaciones.
  • 1972: Hubert Dreyfus publica “What Computers Can’t Do”, criticando las limitaciones de la IA.
  • 1986: Se construye la primera furgoneta guiada por visión artificial.
  • 1988: La IA se aplica a la traducción automática entre inglés y francés.
  • 1994: Dos vehículos autónomos recorren 1000 km sin intervención humana.
  • 1996: Surgen los agentes inteligentes, capaces de percibir, procesar y actuar.
  • 1997: Deep Blue derrota a Garry Kaspárov en ajedrez.
  • 2008: Google lanza su primera app de reconocimiento de voz.
  • 2011: Watson, de IBM, vence a dos expertos en el concurso Jeopardy!.
  • 2012: Un modelo de Machine Learning identifica gatos en vídeos de YouTube.
  • 2013: Boston Dynamics presenta el robot bípedo Atlas.
  • 2016: AlphaGo derrota al campeón mundial de Go.
  • 2017: El robot humanoide Sophia recibe la ciudadanía saudí.
  • 2017: DeepMind desarrolla IA capaz de transferir habilidades aprendidas entre juegos.
  • 2018: AlphaZero aprende por sí misma a jugar al ajedrez.
  • 2018: Se lanza el primer televisor con IA integrada.
  • 2019: Google presenta un Doodle que compone música basada en la obra de Bach.
  • 2020: Tesla prueba la versión Beta de Autopilot con conducción autónoma.
  • 2021: OpenAI lanza GPT-3, transformando la IA conversacional.
  • 2021: OpenAI lanza DALL·E, un generador de imágenes a partir de texto.
  • 2022: El fenómeno de ChatGPT de OpenAI toma relevancia global.
  • 2023: AlphaFold revoluciona la biología molecular al predecir estructuras de proteínas.
  • 2024: La IA generativa continúa avanzando en arte, música y otras industrias, mientras surgen desafíos éticos sobre la propiedad intelectual y los sesgos.

4. PREOCUPACIONES ÉTICAS DEL USO DE LA IA

El uso de IA generativa ha aumentado las preocupaciones éticas: propiedad intelectual y los derechos de autor, gasto energético y de recursos hídricos, la dependencia de datos, la indexación de contenido basura o la influencia de los algoritmos de IA en el comportamiento humano, entre otras.

Algunas de estas preocupaciones están afectando especialmente a las mujeres, como la capacidad de crear contenido falso con apariencia realista, conocido como deepfakes. Es decir, material audiovisual que puede emplearse con fines malintencionados, como difamar, crear desinformación, suplantar identidades, humillar, controlar y extorsionar a personas. Por ejemplo, se han dado numerosos casos de imágenes de menores manipuladas mediante esta tecnología para crear contenido sexual, incluso por otros menores compañeros suyos.

Deepfakes: How to spot them, del canal de YouTube CBC Kids News, bajo licencia YouTube Estandar

También los sesgos y la representación inadecuada son debilidades detectadas en el ámbito de la IA generativa. Por ejemplo, si los modelos se entrenan con datos sesgados o incompletos favorecen que se perpetúen los estereotipos y prejuicios presentes en esos datos, discriminando a colectivos subrepresentados en los datos o creando contenido que refuerza esa visión sesgada.

Imágenes generadas con el prompt “hombre trabajando” por ideogram.ai

Imágenes generadas con el prompt “mujer trabajando” por ideogram.ai

Imágenes generadas con el prompt “A boss and a worker at their workplace” por ideogram.ai

Imágenes generadas con el prompt “A doctor and a nurse” por ideogram.ai

Imágenes generadas con el prompt “two scientifics” por ideogram.ai

Imágenes generadas con el prompt “two engineers” por ideogram.ai

Imágenes generadas con el prompt “un niño y una niña jugando con su juguete” por ideogram.ai

Afortunadamente, hay pequeños avances en este sentido, aunque el ritmo es lento.

Captura de pantalla de conversación con Chat GPT, OpenAI. (2024)

5. LA IA EN EDUCACIÓN: DOS PREGUNTAS CLAVE

Antes de integrar la inteligencia artificial (IA) en el aula, es fundamental reflexionar sobre dos cuestiones esenciales:

• • ¿Es pertinente?
  • ¿Es adecuado?

5.1. ¿ES PERTINENTE?

El uso de herramientas de IA debe estar alineado con los objetivos de aprendizaje y las competencias que queremos que el alumnado desarrolle. No se trata de utilizar IA por su novedad o popularidad, sino de asegurar que su aplicación contribuya al proceso formativo de manera significativa. Las herramientas de inteligencia artificial pueden enriquecer el aprendizaje y se están volviendo cada vez más indispensables debido a la importancia de esta tecnología en nuestra vida cotidiana. Sin embargo, su uso debe enfocarse en lograr mejores resultados educativos y fomentar la adquisición de competencias clave. Por ello, como sucede antes de implementar cualquier tecnología, es fundamental plantearse las siguientes preguntas: ¿Cómo mejora esta herramienta el aprendizaje? ¿Favorece la adquisición de las competencias clave que buscamos desarrollar?

5.2. ¿ES ADECUADO?

El uso de IA en educación también debe cumplir con principios éticos y legales. Diversas instituciones, tanto nacionales como internacionales, han reflexionado sobre este aspecto y ofrecen marcos y guías sobre cómo implementar estas tecnologías de forma adecuada. Estas son algunas de las más utilizadas:

• • Beijing Consensus on Artificial Intelligence and Education (UNESCO, 2019): el consenso de Beijing establece principios éticos y normas internacionales para el uso de IA en el ámbito educativo, promoviendo su utilización de manera equitativa, inclusiva y ética, sin poner en riesgo los derechos del alumnado.
  • Directrices éticas sobre el uso de la inteligencia artificial (IA) y los datos en la educación y formación para los educadores (Unión Europea, 2022): estas directrices destacan la importancia de un uso responsable de la IA en el aula, asegurando que las herramientas respeten los derechos fundamentales, la privacidad y la seguridad del alumnado.
  • AI competency framework for teachers (UNESCO, 2024): este documento está orientado a la preparación del profesorado para el uso eficaz y ético de la inteligencia artificial en el aula.
  • AI competency framework for students (UNESCO, 2024): complementa al anterior documento y se orienta a preparar al alumnado para interactuar de manera adecuada, segura y ética con la IA en su vida diaria y de cara a su futuro profesional.

6.1. PRIMEROS PASOS

Para comenzar a entender cómo funciona la IA de forma práctica podemos utilizar estos recursos:

Quick, Draw!

Google (2024). ¡Corre, dibuja [Aplicación web]

La aplicación “Quick, Draw!” (“¡Corre, dibuja!” en español) es un experimento de inteligencia artificial desarrollado por Google, que consiste en dibujar en menos de 20 segundos un objeto propuesto por la app. Mientras se va dibujando, una red neuronal intenta adivinar de qué se trata en tiempo real. Este proceso permite a la IA mejorar su reconocimiento con los dibujos de cada persona que participa.

Con esta aplicación podemos comenzar a entender cómo funcionan las redes neuronales:

• • La IA se ha entrenado con una enorme cantidad de datos, es decir, con los dibujos que otras personas hicieron previamente.
  • Cada nueva interacción ayuda a la IA a mejorar porque se reentrena con cada nuevo uso añadiendo nuevos datos que podrá usar en el futuro.
  • La IA identifica patrones comunes en los dibujos, lo cual le permite “adivinar” lo que se está dibujando.
  • Cuando un dibujo no concuerda con los datos previos la IA tiene dificultades para clasificarlo. Esto puede forzarse haciendo el dibujo en una posición poco habitual, como por ejemplo al revés, o inclinado.

IA para los océanos

Code.org (2024). IA para los océanos [Aplicación web]

IA para los océanos es una lección interactiva que forma parte de la iniciativa “Hora del Código“. Permite introducir al alumnado los conceptos básicos de inteligencia artificial y aprendizaje automático. El proceso consiste en entrenar un modelo de IA para distinguir entre diferentes tipos de objetos, como peces o desechos, facilitando la comprensión de cómo la IA puede clasificarlos y tomar decisiones basadas en los datos con los que ha sido entrenada.

Con esta aplicación podemos comenzar a entender cómo es el entrenamiento de un modelo de aprendizaje automático (machine learning):

• • Comprender que la IA necesita datos para “aprender” y que su precisión depende del entrenamiento.
  • Aprender cómo la IA clasifica información a partir de datos de entrenamiento y cómo puede equivocarse si no tiene suficiente información.
  • Comprender que la IA depende de los datos de entrenamiento y que puede adquirir sesgos si esos datos están incompletos o son incorrectos.

6.2. HERRAMIENTAS PARA CREAR MODELOS DE MACHINE LEARNING

Desde hace ya un tiempo, algunas personas e instituciones se han interesado por acercar el aprendizaje automático al aula, por lo que disponemos de herramientas diseñadas para poder trabajar en proyectos de programación que integren estas técnicas fácilmente. A continuación, ,analizaremos tres de estas herramientas.

Teachable Machine

Teachable Machine es una herramienta desarrollada por Google que permite crear, sin conocimientos técnicos, modelos de aprendizaje automático directamente desde el navegador. Con esta aplicación se pueden entrenar modelos de reconocimiento de imágenes, sonidos y posturas de forma intuitiva y rápida, usando una cámara web o cargando archivos.

Teachable Machine 2.0: Making AI easier for everyone, del canal de YouTube Google, bajo licencia CC BY

Machine Learning for Kids

ML4K es una herramienta desarrollada por Dale Lane que utiliza IBM Watson Developer Cloud. Funciona desde el navegador y permite entrenar modelos de texto, imagen, sonido y números. Puede usarse sin registro, pero al crear una cuenta es posible guardar los modelos entrenados. Estos modelos se pueden exportar a Scratch, Python y App Inventor, adaptándose a diferentes niveles de conocimiento.

Rock, Paper, and Scissor – Machine Learning for Kids, del canal de YouTube dh.artisan, bajo licencia YouTube Estandar

LearningML

LearningML es una herramienta desarrollada por Juan David Rodríguez que utiliza la librería Tensorflow.js, por lo que no depende de APIs de terceros. Funciona desde el navegador sin necesidad de instalar nada, permitiendo entrenar modelos de texto, imagen y números. Incluye una versión avanzada para poder controlar el algoritmo de machine learning que se aplica y sus parámetros, además de la versión LearningML Snap! que permite programar todas las fases del modelo mediante Snap! y una versión de escritorio para trabajar offline que está preinstalada en diversas distribuciones de software libre educativo.

 

Entrena. Aprende. Prueba. Y….. ¡Programa con Scratch!