Más allá del hype de la GEN-IA: ¿revolución educativa o ilusión corporativa?

Publicado porFractalesPublicado en OpiniónEtiquetas:, ,

Por: David Velez

Confieso que me siento harto de la Inteligencia Artificial (IA). Sí, he escrito varias palabras explorando sus matices y, sin embargo, hay un punto en el que mi voz dice “ya, chole con la IA”. Después de dos años de tratar de comprender sus dimensiones técnicas y sociales, puedo decir que pocas cosas me sorprenden. He observado las actualizaciones incesantes, los nuevos modelos y las promesas brillantes, y quizá sea ese exceso de discursos —una colisión de posturas en redes— lo que alimenta mi fatiga. En especial, cuando esa efervescencia gira en torno a la educación, la mezcla de voces se vuelve un ruido incesante que no me permite escuchar mis pensamientos. Posturas tecno-optimistas, tecno-realistas y tecnófobas retumban en un eco incesante, cada una con su verdad, con su horizonte.

Fuente: Digital School

Mucha gente piensa que no hay nada nuevo bajo el sol; que la IA apenas es un cambio de nombre, un truco de marketing con raíces en lo que antes llamábamos machine learning[1], deep learning[2] o estadística avanzada. Sin embargo, lo cierto es que esta inteligencia artificial —y en particular la rama generativa, capaz de crear contenido aparentemente nuevo— ha desatado una tormenta discursiva que es difícil de ignorar.

También están quienes pregonan que la IA transformará cada rincón de la vida humana, que nos llevará a dar un salto cuántico que sacudirá al mundo, superior a la revolución industrial. Después de mi travesía en este mundo, solo atino a compartir un par de reflexiones. La primera es que la IA sirve, esencialmente, para dos cosas: I) optimizar procesos; y II) reducir costos. Esa fue la semilla que germinó en los primeros modelos de OpenAI y en los ingenieros que diseñaron los transformadores de Google[3]. Tal es su naturaleza primordial.

Vale la pena, además, precisar diferencias: está la IA como disciplina, ese vasto empeño por lograr que las máquinas emulen el pensamiento humano[4]; y luego la inteligencia artificial generativa (GEN-IA), que es una subdisciplina, volcada a crear textos, imágenes, videos o líneas de código[5] a partir de patrones masivos.

Surge entonces la pregunta: ¿qué hace la GEN-IA —específicamente ChatGPT, Copilot, Gemini, Leonardo y demás— en la sociedad actual?, ¿en especial en la educación? ¿Enajena al estudiante o, por el contrario, ofrece una posibilidad de transformación genuina en la educación? La duda central: ¿su uso reforzará una visión bancaria de la enseñanza, o abrirá un umbral para el cambio profundo?

Retomo a Paulo Freire y su noción de la educación bancaria[6] para adentrarme en un nuevo pliegue entre la educación y la IA: las grandes empresas tecnológicas, depositarias absolutas de datos, alardean de poseer información y conocimiento a través de sus modelos de IA. Y ahí radica la paradoja: entre la promesa de la innovación y el copy-paste de inputs y outputs[7] (de trabajos, tareas, ensayos, incluso dentro del salón de clases) nos arriesgamos a caer en una dinámica donde el estudiante se vuelve mero engranaje, pasivo y silencioso, alimentando a esos entes no humanos que no crean, sino que predicen la siguiente palabra (token[8]).

Imagen generada con CHATGPT

La relación de poder entre la GEN-IA y la persona no es horizontal, ni siquiera dialógica, sino un monólogo donde las corporaciones extraen datos, casi como si cosecharan energías vitales, para refinar sus Large Language Model (LLM)[9]. La esencia de la educación bancaria se reconfigura en la era digital y, de pronto, dejamos de ser sujetos para convertirnos en objetos-dato de consumo. ¿Sujeto o mercancía? ¿Ciudadano o usuario? Las fronteras se difuminan.

La pregunta que me surge en esta realidad es: si la IA solo pronostica a partir de patrones y el estudiante se limita a nutrir ese mecanismo, ¿qué queda de la verdadera transformación educativa? Tal vez, en lugar de emancipar a la humanidad, terminemos reducidos a un cúmulo de registros comerciales, perpetuando un sistema donde la autenticidad de aprender se diluye y florece, en su lugar, la industria de la predicción. ¿Será este el nuevo semblante de la educación bancaria, donde el rol del estudiante se transfigura en un objeto-dato a merced de quienes, verdaderamente, detentan la información?

Así, la cuestión que subyace es si estamos frente a un cambio puramente cosmético —teñido de marketing— o ante la antesala de una auténtica revolución en la forma de concebir la educación. ¿Conseguirá la GEN-IA forjar una educación más crítica y participativa, o terminará replicando los mismos vicios que tanto nos cansan? Por un lado, se argumenta que democratiza la información, personaliza la experiencia de aprendizaje y promete revolucionar la forma de enseñar y aprender. Grandes corporaciones como OpenAI, Google o Microsoft invierten en desarrollar modelos cada vez más seductores, con la promesa de caminar rumbo al futuro de la educación. Por el otro, algunos advierten que este exceso de dependencia puede desdibujar el pensamiento crítico, restarle relevancia al profesor y empujar al estudiante hacia la pasividad.

En respuesta a las preguntas planteadas, considero que la GEN-IA no está contribuyendo de manera significativa a mejorar el aprendizaje. Al interactuar con estos modelos, se asume en muchas ocasiones un rol pasivo, pues nuestra participación se limita a proporcionar datos y prompts sin un proceso reflexivo. Estamos ante un cambio cosmético: marketing sensacionalista.  La tarea es pensar cómo cambiar las lógicas de la GEN-IA que responden a intereses  corporativos, extractivistas y que enajenan al estudiante en lugar de potenciar su pensamiento crítico. Debemos superar los ganchos del marketing para trabajar en investigaciones que sustenten su impacto en la educación y, comenzar a pensar en una descentralización y decolonización de está tecnología.

Imagen generada con CHATGPT

[1] Se refiere a la capacidad de los sistemas para aprender a partir de datos de entrenamiento específicos y automatizar la construcción de modelos analíticos, permitiendo resolver tareas sin programación explícita.

[2] Esto es un subconjunto de Machine Learning basado en redes neuronales artificiales, que permite el aprendizaje a través de múltiples capas ocultas, logrando mejores resultados en tareas como el reconocimiento de imágenes y procesamiento del lenguaje natural.

[3] Vaswani, Ashish; Shazeer, Noam; Parmar, Niki; Uszkoreit, Jakob; Jones, León; Gómez, Aidán N.; Kaiser, Łukasz y Polosukhin, Illia, “Attention Is All You Need”, [en línea], en arXiv , 2017.

[4] Kalota, Faisal, “A Primer on Generative Artificial Intelligence”, [en línea], en Education Sciences , 2024, p.2.

[5] Ibidem.

[6] Freire, Paulo, Pedagogía del oprimido , 2022, p. 70.

[7] Ansede, Manuel, “El exceso de palabras como ‘encomiable’ y ‘meticuloso’ sugiere el uso de Chat GPT en miles de estudios científicos”, en El País, 24 abr. 2024.

[8] Un token es la unidad mínima de texto en la que un modelo de lenguaje divide una oración o un párrafo para procesarlo.

[9] Large Language Model es un modelo de lenguaje a gran escala basado en inteligencia artificial, diseñado para procesar y generar texto de manera coherente y contextual.

Lista de referencias

Deja un comentario