1 00:00:01,840 --> 00:00:24,100 Bienvenidos a este módulo del curso de Scratch, donde vamos a ver cómo podemos integrar Scratch 2 00:00:24,100 --> 00:00:28,440 e Inteligencia Artificial. Pero para hacerlo convenientemente, primero tenemos que hablar 3 00:00:28,440 --> 00:00:32,619 un poco de lo que es la Inteligencia Artificial, los modelos del lenguaje y el Machine Learning. 4 00:00:33,679 --> 00:00:38,679 Aunque lo vamos a hacer de una forma muy sencilla y superficial, vamos a hablar de un tema clave 5 00:00:38,679 --> 00:00:43,759 en la sociedad actual y futura, como es la Inteligencia Artificial. Como docentes, cada 6 00:00:43,759 --> 00:00:48,259 vez nos enfrentamos más a su presencia tanto en el entorno académico como en la vida cotidiana 7 00:00:48,259 --> 00:00:55,200 y es fundamental comprender qué es, cómo funciona y qué implicaciones tiene, especialmente desde 8 00:00:55,200 --> 00:01:02,100 una mirada crítica y ética. Así pues vamos a cubrir estos puntos empezando por qué es la 9 00:01:02,100 --> 00:01:07,840 inteligencia artificial, seguiremos viendo qué es un modelo del lenguaje, luego cómo se entrena una 10 00:01:07,840 --> 00:01:14,500 los riesgos de un mal entrenamiento y terminaremos viendo el problema del sesgo y comenzamos con la 11 00:01:14,500 --> 00:01:18,659 pregunta que es la inteligencia artificial pues la inteligencia artificial no es otra cosa que 12 00:01:18,659 --> 00:01:23,680 sistemas informáticos diseñados para realizar tareas que hasta hace poco sólo podían hacer 13 00:01:23,680 --> 00:01:28,400 los seres humanos gracias a su inteligencia entre estas tareas se incluyen por ejemplo reconocer 14 00:01:28,400 --> 00:01:33,640 imágenes mantener conversaciones resolver problemas o recomendar contenidos algunos 15 00:01:33,640 --> 00:01:39,819 ejemplos prácticos son los asistentes virtuales, por ejemplo, como Siri o Alexa. También las 16 00:01:39,819 --> 00:01:45,459 plataformas que nos sugieren películas, como Netflix o Disney+. Los chatbots de atención al 17 00:01:45,459 --> 00:01:51,719 cliente son también otro ejemplo. En nuestro día a día, la IA está cada vez más presente. Incluso 18 00:01:51,719 --> 00:01:55,780 en educación se está empezando a utilizar herramientas basadas en la IA para personalizar 19 00:01:55,780 --> 00:02:02,950 aprendizajes o automatizar las correcciones. ¿Y qué es un modelo del lenguaje? Pues un modelo 20 00:02:02,950 --> 00:02:07,510 del lenguaje es un tipo concreto de inteligencia artificial que trabaja con texto. Se entrena 21 00:02:07,510 --> 00:02:12,169 con millones de palabras para aprender cómo se estructura el lenguaje, reconocer patrones 22 00:02:12,169 --> 00:02:18,169 y generar respuestas coherentes. Siri o Alexa son unos ejemplos de lo que son modelos de 23 00:02:18,169 --> 00:02:23,629 lenguaje avanzados. Cuando utilizamos una herramienta como ChatGPT no está pensando 24 00:02:23,629 --> 00:02:27,629 ni está entendiendo como una persona, sino que está calculando cuál es la palabra más 25 00:02:27,629 --> 00:02:31,949 probable que debería aparecer después de otra, basándose en las estadísticas de uso 26 00:02:31,949 --> 00:02:37,389 del lenguaje que ha aprendido previamente. Su objetivo es predecir y construir textos 27 00:02:37,389 --> 00:02:41,189 de manera coherente, aunque no comprende el contenido como lo haríamos nosotros. 28 00:02:42,830 --> 00:02:47,830 El proceso de entrenamiento de una IA es complejo y se divide en varias fases. Empieza por una 29 00:02:47,830 --> 00:02:52,490 recolección masiva de datos. Se recopilan textos, imágenes o sonidos de todas partes. 30 00:02:53,030 --> 00:02:58,509 Se pueden escanear libros, escanear páginas web, también se puede mirar en redes sociales 31 00:02:58,509 --> 00:03:03,430 o en cualquier otra fuente. Después hay un entrenamiento. El más común es lo que llamamos 32 00:03:03,430 --> 00:03:08,949 entrenamiento supervisado. En este se le muestran ejemplos y se ajusta el modelo para que aprenda 33 00:03:08,949 --> 00:03:14,129 a identificar cuáles patrones son los correctos. Y por último terminamos con un ajuste y una 34 00:03:14,129 --> 00:03:19,150 validación. Se evalúa cómo responde la inteligencia artificial y se corrigen los errores para mejorar 35 00:03:19,150 --> 00:03:24,169 su precisión. Este proceso requiere de enormes cantidades de recursos computacionales que 36 00:03:24,169 --> 00:03:31,050 Normalmente están basados en unas CPUs especiales gráficas que se llaman GPUs y también en una cantidad enorme de tiempo. 37 00:03:31,830 --> 00:03:35,650 Cuantos más y mejores datos se tengan, mejores serán los resultados del modelo. 38 00:03:38,530 --> 00:03:41,150 Bien, ¿y cuáles son los riesgos de un mal entrenamiento? 39 00:03:41,629 --> 00:03:49,870 Bueno, pues cuando una IA se entrena con datos que son incompletos o erróneos o sesgados, se puede incurrir en graves problemas. 40 00:03:50,349 --> 00:03:55,770 Por ejemplo, en la desinformación. Se pueden generar textos falsos o erróneos que se difunden como si fueran ciertos. 41 00:03:56,189 --> 00:04:03,229 Se puede caer en estereotipos y prejuicios, como reforzar ideas discriminatorias sin que nos demos cuenta. 42 00:04:04,069 --> 00:04:11,830 También se pueden generar respuestas dañinas, se pueden dar consejos equivocados o peligrosos si no ha sido ajustada la IA convenientemente. 43 00:04:12,270 --> 00:04:23,089 Por último, podemos caer en la manipulación, ya que si se hace un mal entrenamiento deliberado, se puede desembocar en una manipulación de las voluntades, intereses e intenciones de los usuarios de la IA. 44 00:04:23,709 --> 00:04:31,189 La clave para reducir estos riesgos es trabajar con datos de calidad diversos y representativos y supervisar su comportamiento. 45 00:04:32,509 --> 00:04:34,990 Y por último vamos a ver cuál es el problema del sesgo. 46 00:04:35,649 --> 00:04:41,850 El sesgo aparece cuando los datos que se utilizan para entrenar a la IA contienen prejuicios o representaciones desiguales de la realidad. 47 00:04:42,569 --> 00:04:48,589 Por ejemplo, si los textos usados para entrenar se repiten ciertos estereotipos que sean sexistas o racistas, 48 00:04:48,589 --> 00:04:54,889 la IA puede reproducirlos, pensando que es lo más probable que nosotros buscamos encontrar como respuesta. 49 00:04:55,589 --> 00:05:03,610 Si hay menos datos de ciertos colectivos o en ciertos idiomas, la inteligencia artificial puede responder de forma inexacta o discriminatoria hacia ellos. 50 00:05:04,670 --> 00:05:10,009 Esto no ocurre porque la IA tenga intención, sino porque aprende de lo que le damos. 51 00:05:10,689 --> 00:05:16,829 Por eso es fundamental revisar los datos, aplicar filtros éticos y ajustar constantemente los modelos para evitar consecuencias negativas. 52 00:05:16,829 --> 00:05:30,949 Y por eso es tan peligroso que las IA aprendan por sí solas buscando datos por internet, donde la calidad de la información y su reputación es algo que muchas veces deja que desear. 53 00:05:33,490 --> 00:05:44,069 Como conclusión, veremos que la IA es una herramienta cada vez más potente y presente en nuestra sociedad. Puede ayudarnos en muchos ámbitos, incluso el educativo, pero no debemos perder de vista que tiene limitaciones y riesgos. 54 00:05:44,069 --> 00:06:02,490 Como docentes nuestra labor no es solo entender cómo funciona sino también enseñar a nuestros alumnos a utilizarla de una forma crítica, ética y responsable. Es necesario que promovamos una reflexión sobre qué datos usamos, qué decisiones tomamos con ayuda de la IA y cómo evitar perpetuar desigualdades a través de la tecnología. 55 00:06:02,970 --> 00:06:13,290 Con esto terminamos este módulo y en el siguiente módulo vamos a repasar cómo vamos a poder entrenar una inteligencia artificial y cómo vamos a poder integrar esto con Scratch. 56 00:06:14,069 --> 00:06:14,550 Hasta luego.