EL RETO DE EDUCAR EN INTELIGENCIA ARTIFICIAL
Catedrático de Universidad del departamento de Ciencias de la Computación y Tecnologías de la Información en la UDC. Profesor de programación, robótica autónoma y aprendizaje automático en diferentes grados y másteres de la UDC. Investigador en Robótica Cognitiva y Educación en Inteligencia Artificial (IA). Miembro del comité de expertos en educación sobre IA de la Xunta de Galicia.
Twitter: @franbellas
La evolución de la Inteligencia artificial (IA) ha sido notable en la última década, motivada principalmente por el aumento de la potencia de cálculo de los procesadores, que ha permitido ejecutar algoritmos complejos en tiempo real, y también por la expansión de los servicios de internet, que dan acceso y almacenamiento a grandes cantidades de datos en formato digital. En consecuencia interactuamos con sistemas de IA de manera cotidiana, tales como algoritmos de recomendación web, aplicaciones para smartphone, robots domésticos, altavoces inteligentes, y otros. Las principales empresas tecnológicas han realizado inversiones muy importantes en este campo, y se prevé un impacto económico en aumento en los próximos años [1].
Para no perder una posición relevante en esta revolución tecnológica, la mayoría de las administraciones públicas han comenzado a crear planes de adopción y regulación de la IA, que afectan, sobre todo, al sector productivo y a la economía. En el caso de España, este plan se gestiona desde el Ministerio de Asuntos Económicos y Transformación Digital mediante la Estrategia Nacional de Inteligencia Artificial (ENIA) [2]. En el marco de esta estrategia, recientemente se ha seleccionado a la ciudad de A Coruña como sede de la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA). Este es el primer paso de cara a una regulación formal, ética y transparente de esta tecnología, que puede ejercer una gran influencia en la vida de los ciudadanos, pero que no son, en su mayoría, conocedores de la misma.
Es por ello, que uno de los sectores clave en esta «carrera por la IA» es el educativo. Por un lado, es necesario dotar al sector productivo de personal con habilidades y formación en IA. Por ejemplo, McKinsey [3] informa de que en 2030 alrededor del 70% de las empresas mundiales habrán integrado tecnologías de IA (como la visión por computador, el procesamiento del lenguaje natural, los asistentes virtuales, la robótica y el aprendizaje automático) en sus modelos de negocio. Pero en la actualidad hay una escasez de profesionales formados en IA, por lo que la educación en este ámbito en el corto plazo es clave. Esta necesidad afecta de manera directa a las universidades y a la formación profesional, que deben crear nuevas titulaciones específicas de IA, y también añadir materias y conocimientos concretos de IA en aquellas ya existentes. La labor de un técnico de mantenimiento, un médico, un abogado, o un administrativo, estará apoyada por sistemas de IA en un futuro cercano, por lo que una formación adecuada en esta tecnología es fundamental.
Además del impacto en el sector productivo, toda una generación de jóvenes está creciendo en una sociedad cada vez más afectada por la IA. En consecuencia, su relevancia en la educación va mucho más allá de la formación específica, que en sí misma es esencial, para incluir a todos los jóvenes en edad escolar en colegios e institutos (educación generalista) con el objetivo de prepararlos para vivir en un mundo cada vez más impactado por la IA. El conocimiento de la tecnología es el primer paso para poder convivir con ella. Existe una gran diferencia entre que un ciudadano haga uso de, por ejemplo, un supermercado “inteligente” [4] sin comprender qué ha pasado tras realizar su compra, a que conozca que ha estado controlado por cámaras o sensores de presencia, y que las recomendaciones que le han llegado a su móvil se han basado en sus compras pasadas.
El último informe publicado por UNICEF sobre orientaciones políticas en IA para niños [5] hace hincapié en que la alfabetización y la participación de estos en la IA se debe considerar entre sus derechos fundamentales. En el caso particular de Europa, el Plan de Acción de Educación Digital 2021- 2027 de la UE [6] propone un plan a largo plazo en la formación de competencias digitales, poniendo especial énfasis en el desarrollo de planes de estudio formales para la educación en IA en los niveles preuniversitarios generalistas (primaria, secundaria y bachillerato), donde las adaptaciones de los recursos ya existentes no son suficientes. Se trata de un objetivo ambicioso que debe ser impulsado por los responsables políticos de forma responsable. Al mismo tiempo, los investigadores en educación e IA deben contribuir a este objetivo desarrollando y probando propuestas curriculares específicas para que la comunidad educativa mundial pueda aprovechar su experiencia.
- EDUCACIÓN EN IA
Antes de realizar una revisión del estado del arte en la creación de planes de estudio sobre IA, debemos aclarar que el campo de la IA en educación (IAEd) no es nuevo, pero se refiere al uso de técnicas de IA, sobre todo modelos de aprendizaje automático, en la enseñanza para crear aplicaciones que proporcionen un aprendizaje personalizado. Es decir, en el campo de la IAEd no se busca la creación de temarios y materiales para enseñar la IA a los estudiantes, sino que es un campo más de aplicación de los algoritmos de IA, y queda fuera del alcance de este artículo.
La introducción de la IA en la educación preuniversitaria se ha afrontado desde diferentes perspectivas. La más general y desafiante es la de desarrollar una alfabetización digital completa en IA para las generaciones futuras [7]. En este ámbito, los responsables políticos, las instituciones educativas mundiales y los investigadores en educación, han estado trabajando desde una perspectiva global y general, proporcionando directrices aplicables a cualquier sistema educativo [8][9].
En un nivel de alcance más acotado podemos encontrar diversas iniciativas específicas de desarrollo curricular. La principal diferencia es que estos enfoques se centran en la formación en IA en determinados niveles educativos [10][11], asumiendo que formarán parte de una alfabetización global en IA en un futuro. En este caso resulta complicado encontrar enfoques homogéneos que puedan implantarse globalmente, debido a las diferencias organizativas que existen en los sistemas educativos preuniversitarios de los diferentes países. Aun así, podemos encontrar iniciativas oficiales muy destacables que se resumen en el informe de la UNESCO titulado «K-12 AI curricula» [12]. En este trabajo se analizan los casos de EE.UU., Qatar, India, China, Austria y Corea, para concluir, principalmente, que los planes de estudio que han sido desarrollados por profesores universitarios y expertos en IA, adaptando a la escuela secundaria los contenidos que ya utilizaban y libros clásicos [13], no han dado buenos resultados. Su principal inconveniente es que los profesores y educadores de secundaria son clave para una definición curricular viable de la IA [14][15], por lo que se requiere integrar su opinión y experiencia en la creación de los planes de estudio.
De los casos analizados en este documento [12], debemos distinguir la iniciativa AI4K12 de EE.UU. [16], con un enfoque más riguroso. Esta iniciativa engloba a expertos de diferentes campos de la informática y la educación de todo el mundo, con el objetivo de establecer una base sólida hacia la enseñanza de la IA en la educación preuniversitaria, basada en la definición de unas competencias y habilidades acordes a cada edad. A partir del trabajo de estos expertos se desarrollarán futuros planes de estudios específicos para cada contexto educativo.
2. EL PROYECTO AI+
AI+ [17] ha sido un proyecto europeo Erasmus+ de innovación educativa, coordinado desde la Universidade da Coruña (UDC), que ha tenido el objetivo de desarrollar un currículo de Inteligencia Artificial adaptado al bachillerato en Europa. Encaja, por tanto, en el grupo de iniciativas curriculares específicas comentadas en el apartado anterior.
El proyecto AI+ se realizó entre Septiembre de 2019 y Agosto de 2022 con un equipo formado por seis colegios de educación secundaria de cinco países europeos diferentes (Lituania, Finlandia, Eslovenia, Italia y España). El desarrollo del plan de estudios se basa en la integración de los conocimientos y la experiencia de profesores y expertos en IA de la UDC, conjuntamente con profesores de secundaria de los cinco países implicados. De este modo, las unidades didácticas (UD) que componen el plan de estudios no han sido simples adaptaciones de recursos universitarios, sino materiales totalmente originales desarrollados de manera coordinada.
2.1 Enfoque metodológico
El plan de estudios de AI+ se diseñó para estudiantes de bachillerato, aproximadamente entre los 15 y los 18 años, con el pre-requisito de que cursasen una especialidad científica. De esta forma se garantizó una formación mínima de partida que permitió acotar el alcance del proyecto. Asimismo, las UDs que forman el plan de estudio se desarrollaron para el profesor, es decir, contienen las indicaciones y contenidos para que el profesor pueda adaptarlas a su grupo y circunstancias.
El enfoque metodológico de AI+ se fundamenta en que los estudiantes sean desarrolladores de sistemas de IA, y no usuarios de herramientas basadas en IA. Por tanto, deben implementar sistemas de IA en el aula, lo cual les proporcionará un aprendizaje y una comprensión más profundos de lo que es y lo que no es la IA. En consecuencia, el trabajo básico del alumno se centrará en la programación de sistemas de IA sencillos. La premisa de partida es que los alumnos tengan conocimientos previos de matemáticas, y que también tengan alguna experiencia en los fundamentos de la programación. Sin embargo, el objetivo no es adquirir un conocimiento profundo en técnicas y métodos de IA, lo que sería factible a este nivel, sino comprender los principios de funcionamiento de los sistemas basados en IA, desarrollándolos y no sólo utilizándolos.
Por tanto, la enseñanza de la IA que se propone es fundamentalmente práctica. Está basada en la creación de sistemas de IA que se ejecutan en dispositivos del mundo real y en la resolución de problemas concretos con ellos, lo que en este campo se conoce como inteligencia “embebida”. Esta perspectiva de la IA encaja con las recomendaciones de la Comisión Europea y la ENIA para los futuros planes de educación digital, centrados en la «IA específica», en lugar de una perspectiva más teórica y general. Esto requiere apoyarse en elementos de hardware específicos para implementar las unidades didácticas (UDs) en clase, pero no pueden tener un coste elevado. Para ello, en el marco del proyecto AI+ se decidió utilizar el Smartphone como el elemento tecnológico central para la enseñanza. Los smartphones actuales tienen el nivel técnico necesario para la enseñanza de la IA en cuanto a sensores, actuadores, potencia de cálculo y comunicaciones; y lo tendrán en el futuro porque están en continua actualización. De cara a reducir la inversión por parte del centro educativo, se podría utilizar el Smartphone del propio alumno, o bien reutilizar dispositivos usados, recogidos en campañas de sostenibilidad ambiental.
En cuanto al enfoque de la enseñanza, el presente plan de estudios sigue un esquema STEM (Science Technology Engineering Mathematics), ya que se requiere de conocimientos y habilidades propios de diferentes disciplinas. Cada UD presenta un reto o proyecto que debe ser afrontado mediante un enfoque de aprendizaje cooperativo basado en proyectos (cPBL), donde los estudiantes se organizan en equipos, y realizan los pasos típicos de un proyecto de ingeniería. Los conceptos teóricos sobre IA son introducidos brevemente por el profesor a medida que los estudiantes los requieren para resolver el proyecto (con el método de aprender haciendo, learning by doing).
2.2 Contenidos y organización del plan de estudios de AI+
El plan de estudios desarrollado se basa en el concepto de agente inteligente [13]. Un agente inteligente es un sistema de IA situado en un entorno (real o virtual) en el que opera. El agente está continuamente interactuando con dicho entorno en un ciclo que se representa en la Figura 1 a través de las flechas curvas. A partir de la información obtenida de sus sensores (Sensorización), el agente selecciona la acción más adecuada que debe llevar a cabo para cumplir sus objetivos. Dicha acción se ejecuta en el entorno en una etapa de Actuación, y esto modifica el entorno. Consecuentemente, en la siguiente etapa de Sensorización se obtiene información de las consecuencias de la acción en el entorno.
El agente inteligente puede utilizar esta información para inferir la relación entre la acción aplicada y la contribución a la consecución del objetivo. Este ciclo continúa a lo largo del tiempo, y el agente puede aprender de su experiencia para mejorar el proceso de selección de acciones. [Figura 1]
Figura 1. Esquema básico de un agente inteligente
Aunque el esquema anterior es simple, es de gran importancia entender que un agente inteligente está situado en un entorno e interactúa con él. Por tanto, debemos avanzar desde una perspectiva clásica de la IA entendida como una serie de técnicas de aprendizaje y razonamiento aisladas del contexto de aplicación, hacia una visión más “de ingeniería”. La experiencia en campos relacionados con la IA aplicada, como la robótica o la inteligencia ambiental, ha demostrado que las consideraciones sobre sensores y actuadores del mundo real deben incluirse como parte nuclear de la enseñanza en IA, ya que influyen en gran medida en otros procesos cognitivos de más alto nivel.
Partiendo de este enfoque de agente inteligente y de la experiencia obtenida en otras iniciativas como AI4K12 [16], en el proyecto AI+ se propusieron los siguientes temas de IA como elementos fundamentales para la educación a nivel preuniversitario:
(1) Percepción
(2) Actuación
(3) Representación
(4) Razonamiento
(5) Aprendizaje
(6) IA colectiva
(7) Impacto de la IA
Como se puede observar, el conjunto de temas seleccionados proporciona una visión general de la IA aplicada, que no está únicamente centrada en los temas más populares como el aprendizaje automático, que suele ser la tendencia habitual [18]. De todas formas, no todos los temas tienen la misma relevancia para este nivel educativo, por lo que su carga lectiva no es homogénea.
Los temas anteriores se han estructurado en un conjunto de UDs que abordan problemas reales pertenecientes a tres campos de aplicación de la IA: aplicaciones para smartphones, robótica autónoma e Internet de las Cosas (IoT). Para el primer campo se ha decidido utilizar el entorno MIT App Inventor, y los módulos disponibles para IA [19]. En cuanto a la robótica autónoma, se utilizó el robot basado en smartphone Robobo [20], sobre el cual se desarrolló un simulador y diversas librerías avanzadas. Por último, para el ámbito IoT, se utilizó el framework Home Assistant [21], para el cual se desarrollaron librerías propias. La figura 2 muestra algunas imágenes de los proyectos realizados por los estudiantes. [Figuras 2, 3 y 4]
Figuras 2,3 y 4. Casos prácticos resueltos en AI+ sobre robótica autónoma (Figura 2, izquierda), aplicaciones para Smartphone (Figura 3, derecha) e IoT (Figura 4)
Los proyectos realizados por los estudiantes son diversos y tienen en común la orientación práctica y el desarrollo de la IA en aplicación a situaciones contextualizadas.
El cronograma del plan de estudios desarrollado durante este proyecto Erasmus+ abarca dos cursos académicos, cada uno de ellos de 32 semanas de duración, con 2 horas lectivas semanales y un total de 17 UDs, y se presenta en la Figura 5. [Figura 5]
Figura 5. Organización del plan de estudios de AI+
Como se puede observar en la figura 5, para el primer año se ha previsto un conjunto inicial de 6 UDs donde se cubren de forma introductoria todos los temas de IA propuestos en el plan de estudios. De la UD7 a la UD9 los alumnos profundizan en la robótica inteligente utilizando el robot Robobo con Scratch.
El segundo año es más técnico que el anterior, e implica que los alumnos resuelvan proyectos más desafiantes utilizando el lenguaje Python. Las UDs 11, 12, 13 y 14 siguen centradas en la robótica autónoma, y profundizan en métodos de IA muy relevantes como el aprendizaje por refuerzo, la planificación y el reconocimiento de objetos con deep learning.
Las dos últimas UDs se centran en la Inteligencia Artificial Colectiva. Hay que destacar la gran relevancia que tiene el impacto de la IA en el plan de estudios propuesto con 4 UDs específicas para este tema (6, 10, 15 y 17), que implican actividades de búsqueda e investigación web, sin que los estudiantes tengan que programar, y en las cuales el objetivo en la reflexión y el debate.
Resultados de aplicación con estudiantes y acceso al material
Durante los tres años de desarrollo del proyecto AI+, los estudiantes de las escuelas participantes implementaron en sus colegios las diferentes UDs que conforman el plan de estudios. De este trabajo en el aula, los profesores proporcionaron realimentación al equipo de la UDC, que fue utilizada para mejorar las unidades originales. Además, se realizaron cinco actividades prácticas con todos los estudiantes juntos, en las que se validaron las UDs y la metodología de primera mano.
Tras estas pruebas de uso en el aula, podemos concluir que el enfoque de IA específica propuesto en AI+, proporcionó resultados de aprendizaje satisfactorios, contrastados mediante cuestionarios de evaluación que se pasaron a los estudiantes. Es un resultado interesante para esta nueva disciplina, ya que estudiantes sin formación previa en IA y sin depender de lecciones teóricas específicas, pudieron adquirir habilidades fundamentales de IA mediante el desarrollo de los retos, y un conocimiento adecuado de los temas. En cuanto a los profesores participantes, la mayoría concluyeron que se sienten motivados para enseñar IA, pero no suficientemente preparados para hacerlo a corto plazo, por lo que la experiencia adquirida en el proyecto no ha sido suficiente. Parece, por tanto, imprescindible incidir lo antes posible en una formación específica para el profesorado.
Todas las unidades didácticas del proyecto AI+, junto con el material complementario para utilizarlas en clase están disponibles para su descarga en: http://aiplus.udc.es/results/. Estos recursos deben ser vistos como un punto de partida para aquellos docentes interesados en la formación en IA, y pueden ser adaptados según las circunstancias. Queda mucho camino por recorrer, pero las contribuciones individuales o a nivel de centro educativo son de gran relevancia para crear materiales cada vez mejores. La enseñanza de la IA de las futuras generaciones es un reto y una responsabilidad para la comunidad educativa.
Bibliografía y enlaces relacionados
- Szczepański, M. (2019). Economic impacts of Artificial Intelligence. European Parliamentary Research Service. http://www.europarl.europa.eu/RegData/etudes/BRIE/2019/637967/EPRS_BRI(2019)637967_EN.pdf. Accedido en 14/02/23.
- MAETD (2018) Estrategia Nacional de Inteligencia Artificial (AENIA). Ministerio de Asuntos Económicos y Transformación Digital, Gobierno de España. https://portal.mineco.gob.es/es-es/ministerio/areas-prioritarias/Paginas/inteligencia-artificial.aspx, Resumen ejecutivo: https://portal.mineco.gob.es/RecursosArticulo/mineco/ministerio/ficheros/201202_ENIA_V1_0_Resumen_ejecutivo.pdf Accedido en 14/02/23
- Bughin, J., Seong, J., Manyika, M., Chui, M., and Joshi, R., (2018), Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global Institute. September 4, 2018. https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy. Accedido en 14/02/23
- Amazon GO. https://www.youtube.com/watch?v=NrmMk1Myrxc. Accedido en 14/02/23
- Dignum, V., Penagos, M., Pigmans, K., Vosloo, S. (2021). Policy Guidance on AI for Children, UNICEF. https://www.unicef.org/globalinsight/reports/policy-guidance-ai-children. Accedido en 14/02/23
- Comisión Europea (2021). Digital Education Action Plan 2021-2027. https://education.ec.europa.eu/focus-topics/digital-education/digital-education-action-plan. Accedido en 14/02/23
- Long, D., Magerko, B. (2020) What is AI Literacy? Competencies and Design Considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. Association for Computing Machinery, New York, NY, USA, 1–16. https://doi.org/10.1145/3313831.3376727
- Vuorikari, R., Kluzer, S. and Punie, Y., (2022) DigComp 2.2: The Digital Competence Framework for Citizens, EUR 31006 EN, Publications Office of the European Union, Luxembourg, 2022, ISBN 978-92-76-48882-8, doi:10.2760/115376, JRC128415.
- Ng, D., Leung, J., Chu, S., Qiao, M. (2021) Conceptualizing AI literacy: An exploratory review. In Computers and Education: Artificial Intelligence, Volume 2, Elsevier. https://doi.org/10.1016/j.caeai.2021.100041.
- Yang, W. (2022). Artificial Intelligence education for young children: Why, what, and how in curriculum design and implementation. In Computers and Education: Artificial Intelligence, Volume 3, 100061, Elsevier. https://doi.org/10.1016/j.caeai.2022.100061.
- Chiu, T. K. F., Meng, H., Chai, C. -S., King, I., Wong, S., Yam, Y. (2022), Creation and Evaluation of a Pretertiary Artificial Intelligence (AI) Curriculum, in IEEE Transactions on Education, vol. 65, no. 1, pp. 30-39, Feb. 2022, doi: 10.1109/TE.2021.3085878.
- UNESCO (2022). K-12 AI curricula: a mapping of government-endorsed AI curricula. https://unesdoc.unesco.org/ark:/48223/pf0000380602.locale=en. Accedido en 14/02/23
- Russell, S. J., Norvig, P. (2021). Artificial intelligence: a modern approach. Pearson; 4th edition
- Schiff, D. (2021). Education for AI, not AI for Education: The Role of Education and Ethics in National AI Policy Strategies. Int. J. of Artificial Intelligence in Education. https://doi.org/10.1007/s40593-021-00270-2
- Miao, F., Holmes, W., Huang, R., Zhang, H. (2021). AI and education: Guidance for policy-makers. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000376709. Accedido en 14/02/23
- AI4K12 (2022). Artificial Intelligence for K12 initiative. Association for the Advancement of Artificial Intelligence (AAAI) and the Computer Science Teachers Association (CSTA). https://ai4k12.org. Accedido en 14/02/23
- AI+ (2022). Developing an Artificial Intelligence curriculum adapted to European high schools. Erasmus+ European project, num: 2019-1-ES01-KA201-065742. Official page of the AI+ project. http://aiplus.udc.es. Accedido en 14/02/23
- Lee, I., Ali, S., Zhang, H., DiPaola, D., Breazeal, C. (2021). Developing Middle School Students’ AI Literacy. In Proceedings of the 52nd ACM Technical Symposium on Computer Science Education (SIGCSE ’21), March 13–20, 2021, Virtual Event, USA. ACM, New York, NY, USA, 7 pages. https://doi.org/10.1145/3408877.3432513
- App Inventor (2022), Artificial Intelligence with MIT App Inventor. Massachusetts Institute of Technology. https://appinventor.mit.edu/explore/ai-with-mit-app-inventor. Accedido en 14/02/23.
- Robobo (2022) The Robobo Project. https://theroboboproject.com/en/. Accedido en 14/02/23.
Home (2022). Home Assistant official web. https://www.home-assistant.io. Accedido en 24/08/23.
Descargar PDF del Informe. Informe-Tendencias-ODITE-2022.pdf (10724 descargas )