En la actualidad, palabras como inteligencia artificial, machine learning y deep learning resuenan en diferentes ámbitos, tanto empresariales, formativos, políticos, y de salud, entre otros. Pero, ¿qué significa cada uno de estos términos? ¿Qué relación podemos encontrar entre ellos? ¿Cuál es la aplicación específica en el campo educativo?
El concepto de inteligencia artificial fue introducido en 1956 por el informático estadounidense John McCarthy durante la conferencia de Dartmouth. El mismo se refería al estudio de aquellas máquinas capaces de realizar tareas de similares características a las desempeñadas por seres humanos.
Dentro del campo de la IA podemos encontrar un subconjunto al que denominamos aprendizaje automático o machine learning, que consiste en desarrollar procesos que permitan a las máquinas aprender por sí solas, es decir, a la capacidad de las mismas para analizar fuentes de datos a partir de un algoritmo y extraer de ellas patrones y tendencias que permitan anticipar acciones y comportamientos.
Podemos encontrar distintos tipos de algoritmos de aprendizaje dependiendo de las necesidades del problema a resolver, el contexto en el que se va a desenvolver y los factores que estarán involucrados en la toma de decisiones. En el machine learning, los algoritmos se pueden clasificar en supervisados o no supervisados y las aplicaciones pueden ser análisis de clasificación (aprendizaje supervisado) y de patrones (aprendizaje no supervisado).
En los últimos años, el campo de la inteligencia artificial ha demostrado un crecimiento exponencial. Es así que el término aprendizaje profundo o deep learning comenzó a cobrar mayor relevancia. Este modelo persigue como objetivo el estudio y la construcción de sistemas de cómputos capaces de “aprender” a partir de la experiencia, inspirado principalmente en el funcionamiento del cerebro humano.
A diferencia del machine learning, el aprendizaje profundo requiere menor supervisión de los individuos ya que se basa en las denominadas redes neuronales artificiales. La red neuronal se caracteriza por tener múltiples capas conectadas entre sí y organizadas en modelos predictivos jerárquicos. Las primeras capas realizan el reconocimiento de los trabajos más específicos y las siguientes detectan y reconocen patrones más abstractos generando el resultado final. De manera transversal, estos cambios están impactando en nuestras vidas y en las acciones que realizamos a diario.
Actualmente, el aprendizaje profundo se aplica en varios contextos y tiene diferentes usos: traducción de textos, manejo automático vehicular, detección de fraudes, predicción de comportamientos, sistemas de seguridad, detección de spam, recomendación de rutas, reconocimiento de voz, escritura y búsqueda de imágenes, entre otros.
Ahora bien, el contexto educativo no es ajeno a este fenómeno sino que es parte de este engranaje. El uso de las tecnologías de información y comunicación se incrementó de manera significativa en los últimos años, lo que permitió implementar cambios en los procesos de enseñanza–aprendizaje.
De la mano de la IA, las herramientas y servicios que aportan estas tecnologías en la educación y específicamente en el E-learning ponen el acento en optimizar los procesos de aprendizaje personalizado adaptados a los conocimientos, aptitudes y habilidades de cada alumno, al tiempo que se convierten en una herramienta de apoyo tanto para los docentes y estudiantes.
Si bien sus aplicaciones son incipientes, podemos encontrar diferentes desarrollos que se están llevando en el campo de la educación, como ser:
-
- Creación de sistemas adaptados a cada estilo de aprendizaje.
-
- Reconocimiento facial para supervisar a los estudiantes durante los exámenes en línea, lo cual garantiza la integridad de los exámenes online.
-
- Predicción del comportamiento del alumno con el fin de reforzar automáticamente los contenidos que resultan más complicados o requieran un mayor esfuerzo.
- Detección de las preferencias de los alumnos como así también identificación de las necesidades educativas y la posibilidad de aprender sus patrones de comprensión.
Estos ejemplos constituyen el inicio de múltiples transformaciones donde los algoritmos abren desafíos a futuro y crean puentes entre los individuos y las máquinas.
Desde 2016, el equipo de tutores de Net-Learning especializado en aprendizaje profundo trabaja en cursos online para docentes del Plan Ceibal (Uruguay), impulsado por Red Global, una iniciativa de colaboración internacional que integra nuevas pedagogías de aprendizaje en todo el mundo. En los cursos de Plan Ceibal se promueve el diseño de actividades con foco en el desarrollo de habilidades clave: colaboración, pensamiento crítico, creatividad, ciudadanía, comunicación. Los docentes logran avanzar y profundizar en el nivel de perfeccionamiento sobre las “nuevas pedagogías” y reflexionan sobre la moderación de actividades de aprendizaje profundo.
Equipo de Net-Learning
Referencia bibliográfica:
Net-Learning. (2018). Net-Learning: Ecosistema informático: de la inteligencia artificial al aprendizaje profundo. Net-Learning Blog. https://www.net-learning.com.ar/blog/ecosistema-informatico-de-la-inteligencia-artificial-al-aprendizaje-profundo.html
Cita en el texto:
Net-Learning (2018)
(Net-Learning, 2018)
(3) Comentarios