La inteligencia artificial ha avanzado mucho en los últimos años, ¿pero qué tanto puede cambiar el panorama educativo?
La inteligencia artificial (IA) recientemente se ha catapultado como el siguiente fenómeno tecnológico y su aplicación y posibilidades en diferentes campos son bastas y variadas. Sin embargo, si se trata de su uso en la docencia y la actividad educativa general, la IA aún tiene mucho que aprender.
Entendiendo la Inteligencia Artificial actual
Cuando se escucha el término “inteligencia artificial” a menudo vienen a la mente sus aproximaciones más cercanas a la ciencia ficción, en donde máquinas o sistemas computacionales son conscientes de sí mismos y pueden pensar o comportarse justo como un humano lo haría.
Aunque en esencia, el objetivo de los investigadores y científicos es lograr que una máquina piense de la misma forma en que un humano lo haría, la IA y sus posibilidades actuales están más ligadas al aprendizaje de datos. Un proceso llamado “aprendizaje automático”.
Como tal, el aprendizaje automático (Machine Learning), es el método computacional en donde un sistema calcula probabilidades posibles en grupos de datos enormes. Con ese cálculo de probabilidades, el sistema puede “predecir” lo que podría suceder en el ambiente en el que es aplicado.
Podemos ver la aplicación del aprendizaje automático en cosas como la tecnología para autocompletar textos, traducir en tiempo real idiomas complejos, reconocimiento de imágenes, autos autónomos o en juegos de mesa y videojuegos.
De hecho, los casos más populares en donde la inteligencia artificial ha “superado” a humanos son frecuentemente relacionados a videojuegos — como Dota 2 — , o juegos de mesa y estrategia — como Shogi o Go — .
Pero reconocer imágenes o predecir jugadas de Shogi no es remotamente lo mismo a adaptarse a lo nuevos retos académicos.
Inteligencia artificial en la educación
La parte de análisis de datos en la IA actual, es especialmente importante para entornos en donde alumnos necesitan de tomar de decisiones educativas certeras.
Tal es el caso de la Universidad Georgia State en Estados Unidos, en donde recientemente se utilizan tecnologías basadas en aprendizaje automático para mejorar el índice de graduados.
Su aplicación es clara: Se analizan las calificaciones y la información histórica de los alumnos y se predice quiénes de ellos podrían tener más posibilidades de abandonar la escuela y así poder actuar antes de que eso suceda.
Otra aplicación real de la inteligencia artificial en el campo educativo es el desarrollo y aplicación de herramientas tecnológicas que puedan ser de apoyo para los docentes en actividades como la asignación de tareas de acuerdo al perfil académico de cada estudiante.
Pensando en aulas en donde los alumnos provienen de diferentes partes del mundo. también se trabaja en plug-ins de Microsoft PowerPoint que ayuden a la traducción en tiempo real de diapositivas a varios lenguajes a la vez.
El objetivo actual de la inteligencia artificial académica es la creación de herramientas de apoyo que puedan entender mejor al alumno y proveen de información eficiente para el docente. Sin embargo, el docente y demás figuras, además de ser beneficiadas por la IA, deben actuar también como sus principales reguladores o impulsadores, ya que sin la correcta intervención del criterio y la iniciativa humana, la IA aún no puede tomar un papel principal en el entorno educativo.
Aún cuando sus posibilidades son casi infinitas, la inteligencia artificial aún tiene varios obstáculos que sobreponer antes de pensar en realmente una revolución educativa.
Las limitantes de una tecnología disruptiva
Cuando se trata de hacer una “máquina inteligente” se puede entender a través dos métodos. En el primero los ingenieros proveen de los conocimientos específicos a los sistemas o dan órdenes a los mismos para que estos completen una acción. Este método generalmente es llamado “basado en conocimientos”. En el segundo, el sistema o la “máquina”, tiene la capacidad de aprender por sí misma y crear sus propias reglas para completar una acción. Este método es el que se está llevando a cabo en procesos de inteligencia artificial moderna.
Los humanos podemos “saltar” de un método a otro y podemos integrarlos en nuestra vida cotidiana de manera instantánea si es necesario hacerlo. Pero para que una inteligencia artificial pueda hacerlo, tendría que tendría que trabajar con dos tipos de sistema y razonamientos a la vez: Uno que sea deductivo y a través de procedimientos estándares pueda tomar una decisión y otro que sea inductivo, que pueda reconocer patrones en la información que está procesando y pueda predecir lo que va a suceder y actuar en prevención.
Las inteligencias artificiales actuales no pueden entender ambos tipos de razonamientos a la vez. Son buenas en uno de ellos, pero no en ambos, tal como es el caso del cerebro humano.
Esto nos lleva a la principal barrera que tiene la inteligencia artificial actual con respecto a una actividad como la educativa, no “piensa” como un humano y por lo tanto le es imposible entender los procesos con los que los humanos aprenden o las situaciones que hacen que no lo hagan.
Por ejemplo, en el proyecto Cognimates del MIT, en donde niñas y niños de 7 a 10 años aprenden las bases de la programación orientada al machine learning, se encontró que las niñas y los niños que tuvieron mejores resultados en programación, no fueron aquellos que pasaron más tiempo programando — una actividad meramente lógica-mecánica — , sino aquellos quienes compartieron con sus compañeros sus métodos y sus experiencias al programar.
Este tipo de aprendizaje, enfocado en la comunicación y la socialización, es una de las maneras en la que lo humanos aprendemos más y sobre todo es prueba de que nuestro cerebro puede razonar deductiva e inductivamente a la par incluso en edades muy tempranas. Las niñas y los niños conocían las bases de la programación, obtuvieron un resultado (razonamiento deductivo) y compartieron sus experiencias para llegar a una mejora en sus procesos (razonamiento inductivo).
Aunque la IA se encuentre lejos de las capacidades humanas y de “pensar” por su cuenta como la ciencia ficción retrata, sí tiene capacidades que podrían representar un problema para la sociedad como la conocemos y por tanto es importante saber cómo regularla.
La importancia de la ética en la inteligencia artificial
Uno de lo usos más famosos de la inteligencias artificiales actuales es su aplicación en autos autónomos. Autos que tienen la capacidad de conducirse por sí mismos gracias a procesos de predicción de riesgos y que técnicamente tienen la capacidad de ofrecer su servicios en apps de transporte.
Sin embargo, aunque el auto podría llevar a una persona de un punto A a uno B sin problema, este no tiene la capacidad de saber los riesgos que puedan existir dentro de sí mismo. Es decir, el auto autónomo no puede calcular o hacer frente a los riesgos por mala conducta que pueda haber entre sus propios pasajeros.
La conducta humana es tan impredecible que sería irresponsable que un auto autónomo sin una figura reguladora dentro (como un chófer), haga el trabajo y tome responsabilidad por acciones que solo el criterio humano puede afrontar.
Lo mismo sucede de nuevo en el entorno educativo. En el caso específico de la Universidad de Georgia State, ha habido preocupación por parte de los investigadores al preguntarse si hacer un análisis profundo de la información de los alumnos es o no una invasión a la privacidad, o si la inteligencia artificial tiene predisposición racial al decir que alumnos que vienen de comunidades diversas tienen más posibilidades de abandono escolar.
Es por ello que la Universidad de Georgia State ha puesto un especial énfasis en la contratación de consejeros escolares que puedan interpretar mejor la información recabada por el análisis artificial de datos. De nuevo, el criterio humano es necesario aún con máquinas inteligentes apoyando.
Aunque es seguro que las máquinas y sus inteligencias seguirán creciendo — actualmente un procesador es 100 veces más poderoso de lo que era en el 2012 — , también, es seguro que la humanidad es compleja y que el aprender y enseñar, son actividades humanas plagadas de particularidades que la inteligencia artificial aún no logra entender.
¿Pero podría una IA sustituir una labor como la docente? Probablemente no ya que aún con su notable avance en lo últimos años, está lejos de lograr algo remotamente parecido a ello. Y aún si la IA tuviera la capacidad de hacerlo, no es obligación de los humanos dejar que eso ocurra.
Después de todo, es la humanidad la que guía su propio futuro y no es responsabilidad de las máquinas o de la inteligencia artificial hacerlo.
Fuentes y referencias:
Barshay, J., & Aslanian, S. (2019, August 6). Predictive analytics are boosting college graduation rates, but do they also invade privacy and reinforce racial inequities? Retrieved October 21, 2019, from The Hechinger Report website: https://hechingerreport.org/predictive-analytics-boosting-college-graduation-rates-also-invade-privacy-and-reinforce-racial-inequities/
Preston, C. (2019, September 26). Will AI really transform education? Retrieved October 21, 2019, from The Hechinger Report website: https://hechingerreport.org/will-ai-really-transform-education/
Seabrook, J. (2019, October 14). Can a Machine Learn to Write for The New Yorker? | The New Yorker. Retrieved October 21, 2019, from The New Yorker website: https://www.newyorker.com/magazine/2019/10/14/can-a-machine-learn-to-write-for-the-new-yorker
Thompson, D. (2018, September 28). Can Artificial Intelligence Be Smarter Than a Person? Retrieved October 21, 2019, from The Atlantic website: https://www.theatlantic.com/ideas/archive/2018/09/can-artificial-intelligence-be-smarter-than-a-human-being/571498/
