Diseño y Gestión de Proyectos Tecnológicos · V Bimestre

Fundamentos de Inteligencia Artificial

Comprensión de cómo las máquinas aprenden a través de algoritmos de aprendizaje automático.

Acerca de este tema

La Inteligencia Artificial (IA) está transformando todas las áreas de la sociedad, y es crucial que los estudiantes mexicanos comprendan sus fundamentos lógicos y éticos. Este tema explora cómo las máquinas pueden 'aprender' a través de algoritmos que identifican patrones en grandes volúmenes de datos. Se analizan conceptos como el aprendizaje automático (machine learning) y el impacto de la IA en la vida cotidiana, desde los filtros de fotos hasta los sistemas de recomendación.

Los alumnos deben desarrollar una postura crítica frente a la IA, entendiendo que los algoritmos pueden heredar sesgos humanos. El estudio de la IA en secundaria no busca formar programadores expertos, sino ciudadanos que entiendan las posibilidades y límites de esta tecnología. Las actividades de entrenamiento de modelos simples y los debates sobre ética son esenciales para desmitificar la IA.

Objetivos de Aprendizaje

• Clasificar los diferentes tipos de aprendizaje automático (supervisado, no supervisado, por refuerzo) basándose en ejemplos de aplicaciones.
• Explicar el proceso general de cómo un algoritmo de aprendizaje automático aprende de los datos para realizar una tarea específica.
• Analizar ejemplos de la vida real para identificar posibles sesgos humanos en sistemas de inteligencia artificial.
• Evaluar las implicaciones éticas de la toma de decisiones automatizada en escenarios cotidianos.

Antes de Empezar

Conceptos Básicos de Programación y Lógica

Por qué: Los estudiantes necesitan una comprensión fundamental de cómo funcionan las instrucciones paso a paso (algoritmos) para entender cómo las máquinas procesan información.

Manejo y Análisis de Datos

Por qué: La IA se basa en datos, por lo que una familiaridad con la recolección, organización y visualización básica de información es útil.

Vocabulario Clave

Aprendizaje Automático (Machine Learning)	Un campo de la inteligencia artificial que permite a los sistemas aprender y mejorar a partir de la experiencia (datos) sin ser programados explícitamente para cada tarea.
Algoritmo	Un conjunto de reglas o instrucciones paso a paso que una computadora sigue para resolver un problema o realizar una tarea.
Conjunto de Datos (Dataset)	Una colección organizada de información, usualmente en formato tabular, que se utiliza para entrenar y probar modelos de aprendizaje automático.
Sesgo (Bias)	Una tendencia sistemática o prejuicio que puede ser introducido por los datos de entrenamiento o el diseño del algoritmo, llevando a resultados injustos o discriminatorios.
Entrenamiento (Training)	El proceso de alimentar un algoritmo de aprendizaje automático con un conjunto de datos para que aprenda patrones y relaciones.

Ideas de aprendizaje activo

Entrenando a una IA (Sin Código)

Usando tarjetas con imágenes, los alumnos actúan como un algoritmo de clasificación, aprendiendo a identificar patrones para separar 'frutas' de 'verduras' y discutiendo qué pasa si los datos son incorrectos.

⏱ 45 min·Grupos pequeños

Generar misión

Debate Formal: Sesgos en la Inteligencia Artificial

Los estudiantes analizan casos donde la IA ha discriminado a personas por su origen o género y proponen formas de hacer algoritmos más justos y transparentes.

⏱ 50 min·Toda la clase

Generar misión

Círculo de Investigación: IA en México

Los alumnos investigan cómo se está usando la IA en México para resolver problemas como la predicción de sismos o la optimización del transporte público.

⏱ 40 min·Parejas

Generar misión

Conexiones con el Mundo Real

Los sistemas de recomendación en plataformas como Netflix o Spotify utilizan aprendizaje automático para analizar tus gustos y sugerirte películas o música. El algoritmo aprende de tu historial de visualización o escucha para predecir qué más te podría gustar.

Los asistentes virtuales como Siri o Alexa emplean IA para entender y procesar el lenguaje natural. Aprenden a reconocer patrones en tu voz y en las palabras que usas para responder a tus preguntas o ejecutar comandos.

En la medicina, los algoritmos de IA ayudan a los radiólogos a detectar anomalías en imágenes médicas, como radiografías o resonancias. Los modelos se entrenan con miles de imágenes previamente diagnosticadas para identificar posibles signos de enfermedad.

Cuidado con estas ideas erróneas

Idea errónea común

La IA tiene conciencia y puede pensar como un humano.

Qué enseñar en su lugar

La IA es matemática y estadística avanzada que imita funciones cognitivas, pero no tiene sentimientos ni conciencia. Las actividades de lógica ayudan a los alumnos a ver la IA como una herramienta de procesamiento de datos.

Idea errónea común

La IA siempre da respuestas correctas y objetivas.

Qué enseñar en su lugar

Si los datos de entrenamiento tienen errores o sesgos, la IA los repetirá. El ejercicio de 'datos sesgados' permite a los estudiantes ver cómo se introducen errores en el sistema.

Ideas de Evaluación

Boleto de Salida

Entrega a cada estudiante una tarjeta con el nombre de una aplicación de IA (ej. filtro de fotos, traductor automático, videojuego). Pide que escriban una frase explicando qué tipo de 'aprendizaje' podría estar usando y un posible sesgo que podría presentar.

Pregunta para Discusión

Plantea la siguiente pregunta al grupo: 'Si entrenamos un sistema de reconocimiento facial solo con imágenes de personas de una misma etnia, ¿qué problemas podríamos esperar al intentar que reconozca a personas de otras etnias?'. Guía la discusión hacia el concepto de sesgo en los datos.

Verificación Rápida

Presenta 3 escenarios breves (ej. un coche autónomo decidiendo en una situación de emergencia, un sistema de contratación automática, un bot de atención al cliente). Pide a los alumnos que levanten la mano si creen que el escenario involucra aprendizaje automático y expliquen brevemente por qué.

Preguntas frecuentes

¿Qué es el aprendizaje automático o Machine Learning?

Es una rama de la IA que permite que las computadoras aprendan de los datos sin ser programadas explícitamente para cada tarea.

¿Cómo afecta la IA al futuro del trabajo en México?

Automatizará tareas repetitivas pero creará nuevas oportunidades en áreas creativas, técnicas y de supervisión ética de la tecnología.

¿Por qué es importante el aprendizaje activo para enseñar IA?

La IA puede parecer magia si solo se explica teóricamente. Al participar en simulaciones de entrenamiento y debates éticos, los estudiantes comprenden la mecánica real detrás de los algoritmos, lo que les permite ser usuarios críticos y no solo consumidores pasivos.

¿Qué es un sesgo algorítmico?

Es un error sistemático en un sistema de IA que produce resultados injustos, generalmente debido a prejuicios presentes en los datos usados para entrenarlo.