En CodeIntef estamos muy interesados en explorar caminos para enseñar contenidos de inteligencia artificial (IA) en niveles no universitarios, ya que ha dejado de ser algo exclusivo de la ciencia ficción o del mundo académico y está irrumpiendo con fuerza en nuestra sociedad. Actualmente todos los que tenemos acceso a una computadora usamos en mayor o menor medida, y con más o menos conocimiento, aplicaciones que incorporan algoritmos de IA. Los sistemas de recomendación de aplicaciones que ofrecen todo tipo de contenidos (videos, música), el reconocimiento facial que algunos teléfonos móviles utilizan para su desbloqueo, los sistemas de traducción o el reconocimiento de voz son solo algunos de los ejemplos más conocidos cuyo funcionamiento se basa en IA.

El número de aplicaciones basadas en IA continuará creciendo y tenemos que saber interpretar el impacto, positivo o negativo, que pueden tener sobre nosotros. Por eso pensamos que, al igual que ocurre con la programación informática, debemos enseñar contenidos de IA en la escuela. Por una parte se trata de trabajar la alfabetización digital de los ciudadanos, y por otra de despertar vocaciones en un sector donde la demanda de puestos de trabajo supera ampliamente a la oferta.

Pero, ¿es posible enseñar contenidos de IA en los niveles de primaria y secundaria?. Tratándose de un tema que es considerado como algo tecnológicamente muy sofisticado y accesible únicamente a expertos, se puede pensar en un primer momento que no tiene mucho sentido. Sin embargo, gracias a las herramientas educativas que poco a poco van apareciendo, estamos convencidos de que, por el contrario, es algo factible. Además, como estas herramientas permiten realizar actividades prácticas, la motivación del alumno está garantizada al “aprender haciendo” y divirtiéndose. Y ya sabemos que la motivación es un potentísimo motor para impulsar el aprendizaje.

Entrevista sobre el impacto de la IA en la sociedad

by Nuria Oliver, experta en Inteligencia Artificial

Curso de verano UIMP/INTEF Julio 2019. “Introducción práctica a la IA”

En nuestro primer recurso dedicado a la IA exploramos la que seguramente sea la herramienta más conocida para elaborar proyectos prácticos de IA: Machine Learning for Kids (ML4K). Como su nombre indica, esta pionera herramienta pretende servir para enseñar Machine Learning a los niños. ¿Pero es Machine Learning (ML) lo mismo que Inteligencia Artificial (IA)?. La respuesta es que no. No es lo mismo. El Aprendizaje Automático, como se conoce al ML en español, engloba a una familia de técnicas y algoritmos de IA , pero no es la única manera de hacer IA.

Sin embago, ocurre que la mayor parte de las aplicaciones actuales que usan IA para funcionar, lo hacen mediante técnicas de ML. Por esa razon es frecuente, aunque erróneo, considerarlos como la misma cosa. De todas formas, y aunque no sean la misma cosa, el ML es una buena manera de iniciarse en la IA, pues sus fundamentos son asequibles incluso a niños con una madurez cognitiva suficiente (a partir de 5º de primaria). Por este motivo gran parte de las herramientas que están surgiendo para enseñar IA en la escuela (como ML4K) están orientadas a la elaboración de proyectos prácticos de ML.

Video de introducción al recurso “Inteligencia Artificial en el Aula con Scratch”

¿Y cuales son estas herramientas? Ya hemos hablado y dedicado un recurso a la más conocida: Machine Learning for Kids. Con este recurso iniciamos una serie de entradas en las que descubriremos otras herramientas de este tipo, mostraremos como funcionan y señalaremos sus puntos fuertes y débiles. El objetivo que perseguimos es facilitarte el camino para que uses la IA como otra herramienta más con la que enriquecer tu práctica docente.

Las herramientas que poco a poco iremos explorando son:

En este recurso te enseñaremos la que, a nuestro parecer, es una de las mejores herramientas para introducirse en la IA a través del ML: Teachable Machine versión 2. La primera versión de esta herramienta la hemos utilizado en el recurso “¿Podemos fiarnos de la Inteligencia Artificial?” donde explicamos los fundamentos del ML y los problemas asociados al sesgo que originan importantes dilemas éticos . Recientemente los autores de Teachable Machine han lanzado una nueva versión mucho más completa y potente y es la que te mostraremos en el siguiente videotutorial.

Le damos un repaso a los fundamentos del Machine Learning

En este video mostramos un sencillo experimento con el que puedes comenzar a utilizar Teachable Machine para entender los fundamentos de Machine Learning

En este video desarrollamos un modelo para el reconocimiento de insectos y mostramos como podemos guardar y recuperar los datos de entrenamiento tando en Google Drive como en el disco local.

Teachable Machine nos permite modificar los parámetros que guían el proceso de entrenamiento, de manera que si queremos profundizar en el funcionamiento de los propios algoritmos de aprendizaje podemos usar las características avanzadas para comprobar como afectan distintos.

Los modelos de Machine Learning elaborados con Teachable Machine pueden exportarse para ser usados en programas escritos en javascript o python. En este video te mostramos como hacerlo en javascript.

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR
Aviso de cookies