Tecnología · II Medio · Inteligencia Artificial y Automatización · 2do Semestre

Introducción a la Inteligencia Artificial

Los estudiantes exploran el concepto de IA, su historia y las diferentes ramas, distinguiendo entre IA fuerte y débil.

• Objetivos de Aprendizaje (OA)
• OA TEC 2oM: Inteligencia Artificial y Automatización
• OA TEC 2oM: Pensamiento Computacional

Acerca de este tema

El Machine Learning (Aprendizaje Automático) es la tecnología que impulsa desde los filtros de redes sociales hasta los sistemas de diagnóstico médico. En Segundo Medio, los estudiantes se introducen en cómo las máquinas pueden identificar patrones en grandes volúmenes de datos para realizar predicciones o clasificaciones. Según los estándares de Inteligencia Artificial del MINEDUC, es crucial que los alumnos entiendan que la IA no 'piensa' como un humano, sino que procesa información basada en ejemplos previos.

Comprender los fundamentos del Machine Learning permite a los estudiantes desmitificar la IA y verla como una herramienta poderosa pero dependiente de la calidad de los datos de entrenamiento. En Chile, esta tecnología tiene un enorme potencial en sectores como la minería, la astronomía y la agricultura. El aprendizaje activo, mediante el entrenamiento manual de modelos simples, ayuda a los estudiantes a captar la relación directa entre datos de entrada y resultados de salida.

Preguntas Clave

1. ¿Cómo podemos diferenciar entre la inteligencia humana y la inteligencia artificial?
2. ¿De qué manera la IA ha evolucionado desde sus inicios hasta la actualidad?
3. ¿Cómo podemos evaluar el impacto de la IA en nuestra vida cotidiana?

Objetivos de Aprendizaje

• Clasificar las principales ramas de la Inteligencia Artificial (IA) según su funcionalidad y alcance.
• Comparar las características de la inteligencia humana con las de la IA fuerte y débil.
• Explicar la evolución histórica de la IA, identificando hitos clave y sus impulsores.
• Evaluar el impacto de aplicaciones específicas de IA en la vida cotidiana, considerando beneficios y desafíos.

Antes de Empezar

Algoritmos y Lógica de Programación

Por qué: Comprender cómo funcionan los algoritmos es fundamental para entender cómo la IA procesa información y toma decisiones.

Manejo Básico de Datos y Tablas

Por qué: La IA, especialmente el aprendizaje automático, se basa en el análisis de datos, por lo que una familiaridad con su organización es útil.

Vocabulario Clave

Inteligencia Artificial (IA)	Campo de la informática dedicado a la creación de sistemas capaces de realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, la resolución de problemas y la toma de decisiones.
IA Fuerte (o General)	Tipo de IA hipotética que posee la capacidad de comprender, aprender y aplicar su inteligencia a cualquier problema, de manera similar a un ser humano.
IA Débil (o Estrecha)	Tipo de IA diseñada y entrenada para una tarea específica, como el reconocimiento de voz o la recomendación de productos. No posee conciencia ni autoconciencia.
Aprendizaje Automático (Machine Learning)	Subcampo de la IA que permite a los sistemas aprender de los datos sin ser programados explícitamente. Identifica patrones para realizar predicciones o tomar decisiones.
Redes Neuronales	Modelos computacionales inspirados en la estructura y función del cerebro humano, utilizados en el aprendizaje profundo para procesar información compleja y reconocer patrones.

Cuidado con estas ideas erróneas

Idea errónea común

La IA tiene conciencia y puede tomar decisiones por su cuenta.

Qué enseñar en su lugar

La IA solo sigue patrones matemáticos basados en datos. Las actividades de entrenamiento manual muestran a los estudiantes que si los datos cambian, la 'decisión' de la IA cambia, demostrando que no hay una voluntad propia detrás del código.

Idea errónea común

Una IA nunca se equivoca porque es una computadora.

Qué enseñar en su lugar

La IA es tan buena como los datos con los que se entrenó. Si los datos son pocos o malos, la IA cometerá errores. Al probar modelos con datos incompletos, los estudiantes ven de primera mano la falibilidad de estos sistemas.

Ideas de aprendizaje activo

Juego de Simulación: Entrenando a la Máquina

Los estudiantes actúan como un algoritmo de clasificación. Reciben tarjetas con fotos de frutas y deben crear 'reglas' para distinguirlas. Luego, el profesor introduce fotos ambiguas para ver cómo fallan sus reglas y cómo necesitan más datos para mejorar.

40 min·Grupos pequeños

Círculo de Investigación: IA en mi Entorno

En grupos, los estudiantes investigan tres aplicaciones de IA que se usen actualmente en Chile (ej. optimización de rutas de buses, detección de plagas). Deben identificar qué datos usa esa IA para aprender y qué predicción realiza.

50 min·Grupos pequeños

Pensar-Emparejar-Compartir: ¿Es Inteligente o es Estadística?

Se presenta un video de una IA jugando un videojuego. Los estudiantes reflexionan individualmente si eso es 'inteligencia' real, discuten sus criterios en parejas y luego debaten con el curso sobre las diferencias entre el aprendizaje humano y el de máquina.

25 min·Parejas

Conexiones con el Mundo Real

• Los asistentes virtuales como Siri o Alexa utilizan IA débil para procesar lenguaje natural y responder preguntas específicas, facilitando tareas cotidianas en hogares y dispositivos móviles.
• Los sistemas de recomendación en plataformas de streaming (Netflix, Spotify) aplican algoritmos de aprendizaje automático para analizar los hábitos de visualización o escucha de los usuarios y sugerir contenido nuevo.
• En el sector salud, la IA se usa para analizar imágenes médicas (radiografías, resonancias) y ayudar a los radiólogos a detectar anomalías o enfermedades en etapas tempranas, mejorando la precisión diagnóstica.

Ideas de Evaluación

Pregunta para Discusión

Presenta a los estudiantes un titular de noticia sobre un avance reciente en IA. Pide que discutan en grupos pequeños: ¿A qué rama de la IA creen que pertenece? ¿Es un ejemplo de IA fuerte o débil? ¿Qué impacto podría tener en la sociedad?

Verificación Rápida

Entrega a cada estudiante una tarjeta con el nombre de una aplicación o tecnología (ej. GPS, filtro de spam, diagnóstico médico por imagen, robot industrial). Pide que escriban brevemente por qué consideran que es IA y si es un ejemplo de IA fuerte o débil.

Boleto de Salida

Solicita a los estudiantes que respondan en un papel: 1) Una diferencia clave entre la inteligencia humana y la IA. 2) Un ejemplo de cómo la IA ha evolucionado en los últimos 20 años. 3) Una pregunta que aún tengan sobre la IA.

Preguntas frecuentes

¿Cuál es la diferencia entre IA y Machine Learning?

La Inteligencia Artificial es el concepto amplio de máquinas que realizan tareas 'inteligentes'. El Machine Learning es una rama específica de la IA que se enfoca en que las máquinas aprendan solas a partir de datos, sin ser programadas paso a paso.

¿Cómo se entrena una IA?

Se le entregan miles de ejemplos (datos de entrenamiento). El algoritmo busca patrones comunes y crea un modelo. Luego, se prueba con datos nuevos para ver si es capaz de generalizar lo aprendido.

¿Por qué usar estrategias de aprendizaje activo para enseñar IA?

Porque permite 'abrir la caja negra'. Al clasificar datos manualmente o usar herramientas visuales de entrenamiento, los estudiantes comprenden la lógica subyacente, lo que reduce el miedo o la fascinación excesiva por la tecnología y fomenta un uso crítico.

¿Qué herramientas gratuitas existen para practicar Machine Learning?

Teachable Machine de Google es excelente para nivel escolar, ya que permite entrenar modelos de imagen, sonido y postura de forma visual y rápida, sin necesidad de saber programar.