1 00:00:00,000 --> 00:00:07,000 Bien, vamos a explicar en este vídeo los contenidos de la tarea 6. 2 00:00:07,000 --> 00:00:15,080 En primer lugar, comentar que este contenido es una adaptación de un contenido impartido 3 00:00:15,080 --> 00:00:19,400 en la asignatura de ético de tercero de la ESO. 4 00:00:19,400 --> 00:00:24,440 Es una adaptación de lo que he impartido en este curso. 5 00:00:24,440 --> 00:00:29,560 Trata básicamente sobre los contenidos de inteligencia artificial enfocados a los alumnos 6 00:00:29,560 --> 00:00:38,760 de tercero de la ESO para que tengan un conocimiento superficial y básico sobre lo que es la inteligencia 7 00:00:38,760 --> 00:00:39,760 artificial. 8 00:00:39,760 --> 00:00:49,680 Todas las ilustraciones que aparecen en todas las infografías y en el vídeo y en todos 9 00:00:49,680 --> 00:00:54,960 los sitios han sido generadas con alguna de las herramientas de inteligencia artificial. 10 00:00:54,960 --> 00:00:56,560 Son por tanto de creación propia. 11 00:00:57,560 --> 00:01:04,480 Lo reflejo así en una de las presentaciones, pero bueno, donde no aparece, debo decir que 12 00:01:04,480 --> 00:01:10,840 son ilustraciones generadas con IA, dando ejemplo a los alumnos de que esto se puede 13 00:01:10,840 --> 00:01:13,680 utilizar para presentaciones propias suyas. 14 00:01:13,680 --> 00:01:24,040 Bien, pues sin más vamos a entrar a definir qué es lo que consta en este contenido. 15 00:01:24,040 --> 00:01:27,160 Como decía, es una introducción a la inteligencia artificial. 16 00:01:27,160 --> 00:01:33,280 Se verá en primer lugar unos contenidos generales, qué es una red de neuronas, de dónde viene 17 00:01:33,280 --> 00:01:40,080 la inteligencia artificial, cómo se generan todas las imágenes de inteligencia artificial 18 00:01:40,080 --> 00:01:43,280 y qué son las bases de la inteligencia artificial. 19 00:01:43,280 --> 00:01:49,320 A continuación vamos a hacer un ejemplo práctico de cómo sería un entrenamiento de una red 20 00:01:49,320 --> 00:01:53,920 de neuronas, sobre todo enfocado en visión artificial. 21 00:01:53,920 --> 00:01:56,080 Diseñaremos un sistema basado en esta herramienta. 22 00:01:56,080 --> 00:02:00,560 Para ello utilizamos la herramienta de Google Teachable Machine. 23 00:02:00,560 --> 00:02:07,080 Hay un siguiente bloque que está dedicado a aprender a generar imágenes y vídeos con 24 00:02:07,080 --> 00:02:13,240 herramientas de inteligencia artificial y finalmente en este curso se tratan las consecuencias 25 00:02:13,240 --> 00:02:19,200 éticas del uso o mal uso de la inteligencia artificial. 26 00:02:19,200 --> 00:02:24,440 Los objetivos, como decía, es comprender los fundamentos de la inteligencia artificial, 27 00:02:24,440 --> 00:02:29,160 aprender cómo se entrena un modelo con la herramienta que es muy útil de Google, el 28 00:02:29,160 --> 00:02:33,000 Teachable Machine que he comentado antes, aprender a generar contenidos que le puedan 29 00:02:33,000 --> 00:02:38,000 resultar útiles a los estudiantes para sus presentaciones, como es por ejemplo el caso 30 00:02:38,000 --> 00:02:48,000 en mi caso, y finalmente se intenta trabajar, es una tecnología muy potente y que no hay 31 00:02:48,040 --> 00:02:53,400 suficiente información, por lo tanto sensibilizar a los estudiantes que el uso o un mal uso 32 00:02:53,400 --> 00:02:59,640 de estas herramientas podrían ser perjudiciales para la sociedad. 33 00:02:59,640 --> 00:03:05,920 La organización de las sesiones lo veremos en la siguiente transparencia pero está enfocado 34 00:03:05,920 --> 00:03:12,920 en trabajo individual y trabajo en grupo y también clases tradicionales, clases magistrales. 35 00:03:13,200 --> 00:03:17,120 Para el trabajo en grupo se organizan los álbumes en grupos de cuatro, tal y como están 36 00:03:17,120 --> 00:03:24,120 sentados en un aula. El trabajo en grupo consiste básicamente en el entrenamiento 37 00:03:24,160 --> 00:03:30,520 del sistema de la red de neuronas. Todo ese trabajo lo hagan en común, sin embargo el 38 00:03:30,520 --> 00:03:35,920 resultado de su aprendizaje y la reflexión me interesa que lo hagan individual para ver 39 00:03:35,920 --> 00:03:43,440 si una vez que lo han trabajado en clase o con su grupo, pues han adquirido los conocimientos 40 00:03:43,440 --> 00:03:50,440 y tienen que tener un trabajo individual. Para la parte de la generación de los contenidos 41 00:03:50,440 --> 00:03:54,840 de herramientas de contenidos audiovisuales con herramientas de inteligencia artificial 42 00:03:54,840 --> 00:04:01,840 es justo al revés, el trabajo de la generación de estas imágenes o estos vídeos será individual, 43 00:04:02,040 --> 00:04:08,360 sin embargo la votación, la coevaluación la harán los grupos que se han organizado 44 00:04:08,360 --> 00:04:15,360 para la primera parte del contenido para dar una puntuación de cuáles son las imágenes 45 00:04:15,640 --> 00:04:22,640 y vídeos más interesantes. La secuencialización de sesiones, son seis sesiones. Las tres primeras 46 00:04:22,880 --> 00:04:32,360 sesiones son las que están trabajadas en detalle en la tarea 5, pero el curso está 47 00:04:32,360 --> 00:04:37,160 pensado de forma un poquito más amplia. En primer lugar se hará una introducción de 48 00:04:37,160 --> 00:04:42,800 la inteligencia artificial con todos los conceptos básicos. Después se hará el entrenamiento 49 00:04:42,800 --> 00:04:48,960 de la red neuronal con la herramienta de Google Tech y Google Machine. Luego ellos en grupo 50 00:04:48,960 --> 00:04:55,080 harán un nuevo modelo avanzado. Finalmente cambiamos de tema y habrá dos sesiones para 51 00:04:55,080 --> 00:04:59,880 generación de contenidos con IA, generación de vídeos y generación de imágenes con herramientas 52 00:04:59,880 --> 00:05:06,880 de inteligencia artificial. Y finalmente cerraremos toda la unidad con una reflexión 53 00:05:06,920 --> 00:05:11,960 sobre una vez que conocemos todas estas herramientas, una vez que conocemos las posibilidades que 54 00:05:11,960 --> 00:05:18,960 hay, qué problemas puede tener y hacia dónde vamos en la sociedad con el uso de estas herramientas. 55 00:05:19,640 --> 00:05:25,240 Es decir, vamos a intentar fomentar el pensamiento crítico y que entren en un mundo muy potente 56 00:05:25,240 --> 00:05:32,240 y muy peligroso a la vez con un conocimiento. Las actividades de evaluación son diferentes. 57 00:05:33,240 --> 00:05:40,240 Algunas de ellas están metidas en la tarea 5 y básicamente son actividades teóricas 58 00:05:42,560 --> 00:05:49,560 con cuestionarios aprovechando lo que se tiene que hacer en la tarea 4. Habrá también una 59 00:05:50,120 --> 00:05:56,720 actividad de un informe individual, como comentaba, para ver si han sido capaces de interiorizar 60 00:05:56,720 --> 00:06:03,720 los contenidos de inteligencia artificial y la co-evaluación que consiste en trabajar 61 00:06:04,200 --> 00:06:11,200 por grupos y decidir cuáles son las mejores notas, cuál es la puntuación que se reparte 62 00:06:12,000 --> 00:06:17,720 entre los trabajos que han realizado los compañeros. Como digo, todas las herramientas es de elaboración 63 00:06:17,720 --> 00:06:24,720 propia, todas las imágenes es de elaboración propia. 64 00:06:25,600 --> 00:06:32,600 La siguiente parte es lo realizado en la tarea 4, que es configuración de las calificaciones 65 00:06:34,080 --> 00:06:41,080 dentro del aula virtual. Vamos a ver qué es lo que se ha diseñado. Se ha diseñado 66 00:06:42,800 --> 00:06:49,800 siguiendo las instrucciones de la tarea. Tres categorías, con una categoría interior 67 00:06:50,800 --> 00:06:57,800 tal y como se define en la tarea. Las dos primeras están realizadas con H5P. La primera 68 00:07:02,960 --> 00:07:09,960 es la típica de arrastrar palabras, la segunda es de rellenar huecos y la tercera, que estaría 69 00:07:11,280 --> 00:07:18,280 dentro de la unidad didáctica del examen final, que cubriría los contenidos de esta 70 00:07:18,320 --> 00:07:25,320 unidad. Sería un test típico de diez preguntas con cuatro respuestas y solamente una de ellas 71 00:07:26,560 --> 00:07:33,560 posible. Veamos la primera. Como he dicho, está hecho en H5P y es la típica de arrastrar 72 00:07:35,240 --> 00:07:41,400 palabras. El test de Turing es lo que viene aquí. Cada una de estas son idiótas cercanas 73 00:07:41,720 --> 00:07:48,720 de una red de neuronas. Se llama Perceptron. El aprendizaje supervisado, los datos de entrada 74 00:07:52,440 --> 00:07:59,440 son variados y no etiquetados. El sistema de aprendizaje de gráficos comunes, que también 75 00:08:01,360 --> 00:08:08,280 se llaman patrones. El aprendizaje supervisado, le tenemos datos de entrada etiquetados, a 76 00:08:08,280 --> 00:08:15,280 diferencia de la anterior. Y luego la función de activación, que es una función para ajustar 77 00:08:16,600 --> 00:08:23,600 los pesos. Si no me he equivocado, tengo que tener todo correcto. Pincharíamos aquí y 78 00:08:23,680 --> 00:08:30,680 efectivamente todo es correcto. El segundo tipo es de rellenar y es la función de activación, 79 00:08:31,680 --> 00:08:38,680 es una función matemática. Ajustar los pesos. Un pron es el texto que se introduce y el 80 00:08:45,000 --> 00:08:50,640 Perceptron que hemos visto antes. Perceptron en la unidad básica. Hay un error aquí, 81 00:08:50,640 --> 00:08:55,640 lo he escrito mal para ver precisamente. Bueno, en matemáticas se me ha olvidado la tienda. 82 00:08:56,440 --> 00:09:03,440 La solución es matemática con tilde y prompt. Y luego finalmente la evaluación final, que 83 00:09:07,480 --> 00:09:14,480 sería el examen o el test que realizarían los estudiantes al llegar a la meta. Es un 84 00:09:15,480 --> 00:09:22,480 formulario, que son preguntas. En un modelo de IA generativa se cumple que siempre, si 85 00:09:26,280 --> 00:09:33,280 repito el mismo bloque, no es todo diferente, una serie de diez preguntas. Y que realizarían 86 00:09:34,280 --> 00:09:41,280 los estudiantes al finalizar el curso o en la unidad didáctica de Inteligencia Artificial. 87 00:09:53,280 --> 00:10:00,280 Como he dicho, el examen estaría el 10 aquí, el 6 aquí. Está calculando la cantidad de 88 00:10:03,680 --> 00:10:10,680 los valores adecuadamente. Bien, continuamos con la tarea número 5, donde se ha diseñado 89 00:10:16,720 --> 00:10:21,800 el espacio de aprendizaje con distintos ritmos de aprendizaje. Para no hacerlo más complejo, 90 00:10:21,800 --> 00:10:28,800 solamente en esta actividad me estoy centrando en la parte de entrenamiento de la red de 91 00:10:28,800 --> 00:10:33,800 la IA. No estoy metiendo los contenidos de generación de imágenes con Inteligencia 92 00:10:33,800 --> 00:10:40,800 Artificial, ya que sería una parte que no tiene mucho que ver. Tiene que ver con esto, 93 00:10:41,800 --> 00:10:48,800 pero sería un contenido avanzado. Bien, la idea es que puedan realizar estas tareas, 94 00:10:49,800 --> 00:10:56,800 la primera parte de la tarea, que la realicen obligatoriamente todos. Cuando llegan a esta 95 00:11:00,000 --> 00:11:04,400 parte, aquellos que han tenido algún problema pueden ver un vídeo, lo veremos más adelante 96 00:11:04,400 --> 00:11:09,760 en detalle, sobre cómo se debe hacer. Y a aquellos alumnos, a aquellos grupos que quieran 97 00:11:09,760 --> 00:11:14,680 avanzar más, se les ha preparado una segunda parte que explicaré a continuación. Y en 98 00:11:14,680 --> 00:11:20,680 la mitad hay un examen final. Bien, pues de aquí vamos como se pide a la 99 00:11:20,680 --> 00:11:25,680 mediateca. He de decir que la mediateca, al subir el PDF, lo ha modificado y no se ve 100 00:11:25,680 --> 00:11:34,680 bien. En realidad lo tengo aquí. Los pasos a seguir serían acceder a la web de Google 101 00:11:34,680 --> 00:11:40,680 Teachable Machine. Se les propone a los estudiantes, esta es la información, se les propone a los 102 00:11:40,680 --> 00:11:45,680 estudiantes que definan dos categorías, perros, gatos, motos, aviones, es decir, dos 103 00:11:45,680 --> 00:11:51,680 categorías de imágenes diferentes. Tienen que buscar en grupo, como siempre buscar unas 104 00:11:51,680 --> 00:11:55,680 cincuenta imágenes por categoría y entrenar el modelo. La idea es que una vez finalizado 105 00:11:55,680 --> 00:12:05,680 el modelo, una vez finalizado el entrenamiento, el sistema sea capaz de identificar una imagen 106 00:12:05,680 --> 00:12:09,680 que le pasamos y de un tipo a otro tipo. Aquellos que hagan bien esta parte y quieran seguir 107 00:12:09,680 --> 00:12:14,680 trabajando voluntariamente pueden volver a utilizar esta misma herramienta, pero un 108 00:12:14,680 --> 00:12:20,680 modo avanzado donde pueden utilizar la videocámara. En este caso se les pide que generen tres 109 00:12:20,680 --> 00:12:28,680 etiquetas, triste, contento y neutro, y tienen que entrenarlo con las imágenes de la cámara 110 00:12:28,680 --> 00:12:33,680 de los miembros del equipo. Tienen que grabarse todos ellos poniendo caras tristes, caras 111 00:12:33,680 --> 00:12:38,680 contentas y una cara neutra y luego probarlo con el resto de alumnos de la clase para ver 112 00:12:38,680 --> 00:12:42,680 si el sistema está, cuando una estudiante pone una cara triste, pues identifica que 113 00:12:42,680 --> 00:12:53,680 está triste. Veamos en detalle cómo es el comportamiento que hay que seguir. Volvemos 114 00:12:53,680 --> 00:13:02,680 a esto en la parte primera. Bueno, estaríamos yendo a la información donde se les explica 115 00:13:02,680 --> 00:13:08,680 un vídeo sobre qué es Teachable Machine, tomado de la web de Google, que explica en 116 00:13:08,680 --> 00:13:14,680 qué consiste la herramienta, qué hace, cómo funciona. La idea es que tengan un conocimiento 117 00:13:14,680 --> 00:13:21,680 básico de cómo funciona esta herramienta. En la siguiente voy a parar el vídeo para 118 00:13:21,680 --> 00:13:28,680 que no me moleste de fondo. A continuación se les propone, se les informa una vez que 119 00:13:28,680 --> 00:13:33,680 tienen esta información, qué es lo que tienen que hacer. Tienen que trabajar en grupo, tienen 120 00:13:33,680 --> 00:13:39,680 que seleccionar las dos categorías, hacer las imágenes y subir al modelo para entrenarlo. 121 00:13:39,680 --> 00:13:47,680 Una vez que tienen el modelo, pues lo que se les pide es que lo utilicen, que entrenen 122 00:13:47,680 --> 00:13:58,680 y que generen un documento que responda a unas preguntas que están aquí. La idea es 123 00:13:58,680 --> 00:14:03,680 que respondan a estas preguntas, que describan en qué ha consistido el modelo, qué han 124 00:14:03,680 --> 00:14:08,680 entrenado, cuántas imágenes han usado para el modelo, cómo han sido los resultados, 125 00:14:08,680 --> 00:14:13,680 si han funcionado bien, por qué creen que han sido los resultados. La idea es que encuentren 126 00:14:13,680 --> 00:14:18,680 información sobre la calidad de las imágenes de entrenamiento, sobre la cantidad de las 127 00:14:18,680 --> 00:14:25,680 imágenes, la diversidad del tipo de imágenes, el sesgo en las imágenes o en los datos de 128 00:14:25,680 --> 00:14:30,680 entrenamiento. Puede ser si solamente entrenan, en el tema de la cara que hablábamos antes, 129 00:14:30,680 --> 00:14:36,680 entrenan solamente imágenes de caras de chicos y luego lo hacen con una chica, pues probablemente 130 00:14:36,680 --> 00:14:41,680 no lo detecten porque la cara es algo diferente. La idea es que reflexionen sobre este tipo 131 00:14:41,680 --> 00:14:50,680 de herramientas. Una vez que hayan terminado este documento lo tienen que subir de forma 132 00:14:50,680 --> 00:15:00,680 individual. La idea es que lo debatan en grupo pero su resultado lo expliquen de forma individual. 133 00:15:00,680 --> 00:15:07,680 Si algún estudiante o algún grupo ha tenido problemas con esto, se les pone un vídeo 134 00:15:08,680 --> 00:15:18,680 bueno, no hay un vídeo como hacer esta tarea, sacado de Eucode Week, donde hay una actividad 135 00:15:18,680 --> 00:15:28,680 que es precisamente esta. Es un repositorio de actividades para profesores y se utiliza 136 00:15:28,680 --> 00:15:34,680 precisamente la herramienta Google Teachable Machine para hacer un entrenamiento, en este caso 137 00:15:34,680 --> 00:15:40,680 con dos categorías, con motos y con bicis. Por lo tanto, aquí está explicado paso a paso 138 00:15:40,680 --> 00:15:50,680 qué es lo que tendría que hacer el estudiante. Finalmente, aquellos que no quieran seguir 139 00:15:50,680 --> 00:15:56,680 porque se les ha atragantado pero les interesa, podrían ir a la meta. O si no, o si quieren 140 00:15:56,680 --> 00:16:03,680 seguir, pues lo que podrían hacer es hacer un, ya digo que esto es voluntario, requiere 141 00:16:03,680 --> 00:16:09,680 más tiempo utilizar la webcam para entrenar el sistema con las cargas. Como decía, tres 142 00:16:09,680 --> 00:16:15,680 etiquetas, entrenamiento con todo lo mismo del grupo y utilización de la cámara para 143 00:16:15,680 --> 00:16:26,680 identificar a otros compañeros del grupo. Aquellos que lo hagan, se les crea una actividad 144 00:16:26,680 --> 00:16:37,680 virtual con el resultado de esta tarea. La idea es que se les haga preguntas similares 145 00:16:37,680 --> 00:16:48,680 a la parte voluntaria, pero aquí reflexionen sobre el uso de la imagen personal de ellos mismos. 146 00:16:48,680 --> 00:16:57,680 Y finalmente llegamos a la meta, y en la meta lo que se les felicita por haberlo hecho, 147 00:16:57,680 --> 00:17:04,680 se les propone que hagan el test final, el examen final, que ya nos lo veremos, o también 148 00:17:04,680 --> 00:17:11,680 se les pone más información sobre usos reales que se dan con esta herramienta de Google 149 00:17:11,680 --> 00:17:18,680 Teachable Machine, uno que es un clasificador de, esto está sacado de la web de Google 150 00:17:18,680 --> 00:17:26,680 Teachable Machine, clasificación de chuches con un arduino, un caso también de cómo 151 00:17:26,680 --> 00:17:33,680 hacer un mando de distancia con la cámara y entrenando a esta herramienta, y un uso, 152 00:17:33,680 --> 00:17:39,680 para que vean el vídeo, de un uso que se ha dado a una persona que tiene parálisis 153 00:17:39,680 --> 00:17:44,680 y se ha entrenado un sistema mediante el Google Teachable Machine para que identifique 154 00:17:44,680 --> 00:17:49,680 la voz y sea capaz de reaccionar. Creo que es interesante que vean que hay cosas que 155 00:17:49,680 --> 00:17:58,680 es importante para ellos, que pueden hacer un, o sea que esto que están haciendo tiene 156 00:17:58,680 --> 00:18:11,680 una utilidad real. Y como decía, finalmente harían el test final, que es el que está 157 00:18:11,680 --> 00:18:17,680 puesto dentro de la evaluación final, que es el formulario este de preguntas que cubre 158 00:18:17,680 --> 00:18:26,680 todas las preguntas de tanto de entrenamiento de la red neuronal como la parte de generación 159 00:18:26,680 --> 00:18:30,680 de imágenes con inteligencia artificial, es decir, cubre toda la unidad didáctica, 160 00:18:30,680 --> 00:18:37,680 cubre las dos partes. Esto es perceptron, bueno, no lo voy a hacer entero porque son 161 00:18:37,680 --> 00:18:48,680 diez preguntas. Bien, y esto es todo, la idea es que con la finalización de estas tareas 162 00:18:48,680 --> 00:18:55,680 los estudiantes, como comento, tengan un conocimiento general sobre el uso de la inteligencia artificial. 163 00:18:56,680 --> 00:18:57,680 Muchas gracias.