Conozca

La inteligencia artificial (IA) es un campo multidimensional que se ha desarrollado a lo largo del tiempo, y su definición ha evolucionado con el avance de la tecnología. Para los propósitos de esta sección, definiremos la IA como “sistemas informáticos diseñados para interactuar con el mundo mediante capacidades que solemos considerar humanas” (Fengchun, M. Wayne, H. Ronghuai, H. Hui, Z., 2021, p. 11) citando a Luckin (2016). No obstante, la Comisión Mundial de Ética del Conocimiento Científico y la Tecnología (COMEST) de la UNESCO amplía esta definición al describir la IA como máquinas capaces de imitar diversas funcionalidades de la inteligencia humana, incluyendo la percepción, el aprendizaje, el razonamiento, la resolución de problemas, la interacción lingüística e incluso la producción de trabajos creativos, abriendo así las puertas a una serie de aplicaciones innovadoras en diversos campos del conocimiento.

Una de las recientes innovaciones en el campo de la inteligencia artificial es la inteligencia artificial generativa (IAGen). Esta se refiere a cualquier modelo de IA que genera datos, información o documentos de manera novedosa (Connor, 2023b). A diferencia de la inteligencia artificial tradicional, que se centra en resolver tareas específicas y predefinidas, la IA generativa se destaca por su capacidad para generar

datos, información o documentos de manera autónoma. Así, la inteligencia artificial generativa en su conjunto abarca una variedad de enfoques y tecnologías capaces de crear contenido “original” a partir de datos en diferentes formatos como texto, imágenes, música y otros. (Connor, 2023a).

La IAGen, ha dado paso a la creación de los Grandes Modelos de Lenguaje (LLM, por sus siglas en inglés), una subcategoría dentro de la inteligencia artificial generativa que se enfoca en el procesamiento de lenguaje natural y la generación de texto, en particular, estos LLM tienen la capacidad de comprender y generar textos de manera análoga a la de un ser humano. Funcionan como modelos estadísticos que evalúan la probabilidad de que una secuencia de palabras forme una oración coherente. Entrenados con vastos conjuntos de datos, pueden generar texto a partir de una consulta o instrucción dada por un usuario humano y abordar tareas de lenguaje de alto nivel con una notable precisión. Ejemplos de estos LLM incluyen GPT-4 (Open AI), LlaMA (Meta), Gemini (Google), Mistral Large (Mistral AI) y Claude (Antrophic), que hoy por hoy, están marcando un hito en todas las esferas, incluida la educación superior, al transformar la forma en que los estudiantes y profesores interactúan con el conocimiento.

No obstante, a pesar de ser un avance importante para la ciencia, es fundamental destacar que, a diferencia de la inteligencia humana, que crea explicaciones a partir de pequeñas cantidades de información, los LLM actuales se basan principalmente en estadísticas y patrones para determinar sus respuestas (Chomsky et al., 2023) y como resultado, la información que generan puede ser incorrecta o sesgada (Fengchun et al., 2021)

En un momento crucial para analizar las implicaciones que esta tecnología generará en el campo educativo, ya que conforme avanzan los desarrollos de las IAGen, surgen preocupaciones, dilemas y oportunidades sobre sus implicaciones en los procesos de enseñanza y, por ende, en el aprendizaje.