A intelixencia artificial na educación

«Os homes convertéranse en ferramentas das súas ferramentas», observou Henry David Thoreau no século XIX, unha era na que a tecnoloxía se medía na forza do vapor e no fío do aceiro. Se o filósofo espertase no noso tempo, ante ferramentas que compoñen, deseñan e dialogan, a súa vertixe sería, sen dúbida, monumental. Enfrontámonos a unha tecnoloxía que parece imitar o pensamento e esa aparencia obríganos a reflexionar.

A chegada da intelixencia artificial (IA) á educación dividiu o debate en dous bandos irreconciliables. Por unha banda, os optimistas dixitais anuncian unha nova era de aprendizaxe hiperpersonalizada, un futuro utópico onde cada estudante é guiado por un titor algorítmico omnisciente. Por outra, os profetas do desastre auguran unha distopía onde o pensamento crítico se atrofia e a creatividade humana se externaliza ás máquinas. A realidade, como é habitual, afástase de ambos os extremos; é un territorio intermedio, máis complexo e menos espectacular, que esixe unha análise serena.

Para avaliar o auténtico potencial destas ferramentas na aula, primeiro debemos desposuílas da súa mitoloxía e comprender que son en realidade.

Desmitificando a IA: Máis matemáticas ca maxia

Para navegar con sensatez o debate sobre a IA, é crucial entender a súa natureza técnica. Non estamos ante unha conciencia embotellada, senón ante unha proeza das matemáticas e da estatística impulsada por unha excelente estratexia de comunicación. A historia da IA non é un ascenso meteórico, senón unha sucesión de «veráns» de optimismo febril e «invernos» de decepción e recortes de financiamento, un ciclo que nos lembra a dificultade de replicar a intelixencia humana.

Cando un modelo de linguaxe xenerativa nos ofrece unha resposta articulada, non está «a comprender» a nosa pregunta, senón executando un cálculo de probabilidades a unha escala colosal. A partir das palabras que lle proporcionamos (prompt), predí a secuencia de palabras máis plausible baseándose nos padróns que internalizou tras analizar inxentes cantidades de texto de Internet. É o equivalente a un sistema de autocompletar cósmico, adestrado coa práctica totalidade da biblioteca dixital humana. Modelos como os Transformers, co seu innovador mecanismo de «atención», son capaces de sopesar a importancia de cada palabra no seu contexto, o que lles confire unha fluidez asombrosa.

Non obstante, a súa principal fortaleza é tamén a súa debilidade fundamental. Estes sistemas carecen dunha ancoraxe na realidade; o seu único criterio é a coherencia estatística. Por iso, poden xerar unha biografía inventada sobre un científico ficticio coa mesma autoridade estilística coa que describen a fotosíntese. Estas invencións, coñecidas como «alucinacións», non son erros no sentido tradicional, senón o resultado lóxico dun sistema para o cal a verdade non é un valor, só unha probabilidade máis.

Unha vez comprendida como unha poderosa ferramenta de procesamento de padróns, e non como unha mente incipiente, podemos comezar a explorar as oportunidades reais que lle ofrece á educación.

As oportunidades: O brillo que cega

Lonxe dun rexeitamento tecnofóbico, é necesario recoñecer o potencial transformador da IA, que pode actuar como un catalizador para liberar a estudantes e docentes de certas limitacións, permitindo que a enerxía se concentre nos aspectos máis profundos da aprendizaxe.

- Para os estudantes: Aprendizaxe á medida

A IA posibilita unha personalización da aprendizaxe a unha escala previamente inalcanzable.

• Sistemas de titoría intelixente: plataformas como ALEKS ou Carnegie Learning avalían o desempeño do estudante en tempo real e adaptan a dificultade dos problemas, creando un itinerario de aprendizaxe individualizada.
• Aprendizaxe de idiomas: aplicacións como Duolingo empregan algoritmos para personalizar os exercicios, reforzando as áreas onde o usuario mostra máis dificultades.

- Para os docentes: Amplificadores do labor educativo

A IA pode descargar o profesorado de tarefas mecánicas, dándolle máis tempo para a interacción humana, a mentoría e o fomento do pensamento crítico.

• Corrección e avaliación: ferramentas como Gradescope automatizan a corrección de certos tipos de exercicios, ofrecendo retroalimentación inmediata.
• Supervisión e análise: sistemas como Jill Watson poden moderar foros en liña, mentres que Turnitin Draft Coach axuda o estudantado a mellorar a súa escritura e a previr o plaxio.
• Creación de materiais: plataformas como EdGPT asisten os docentes na xeración de preguntas, resumos ou plans de lección.

- Para o sistema educativo: Xestión intelixente

A escala institucional, a IA ofrece ferramentas para optimizar a xestión e anticipar problemas.

• Predición e prevención: sistemas como Civitas Learning analizan datos académicos e de comportamento para identificar estudantes en risco de abandono, permitindo intervencións temperás.
• Soporte administrativo: chatbots como Ivy.ai resolven dúbidas frecuentes sobre matrículas ou bolsas, liberando o persoal administrativo para tarefas máis complexas.

Estas son as promesas que figuran no folleto. Porén, é o noso deber ler con atención as condicións e os efectos secundarios que non sempre se anuncian.

Os retos: A resaca despois da festa tecnolóxica

Toda innovación tecnolóxica supón riscos e a IA non é unha excepción. Unha adopción acrítica, sen unha avaliación rigorosa dos seus inconvenientes, pode xerar problemas significativos.

- O desafío da explicabilidade

Moitos modelos de IA operan como «caixas negras»: reciben datos de entrada e producen un resultado, pero o seu proceso de razoamento interno é opaco. Isto enfróntanos a unha cuestión ética fundamental: como podemos confiar nun sistema que recomenda un plan de estudos ou avalía o traballo dun alumno se non podemos auditar a súa lóxica? En educación, onde a xustificación de cada decisión é crucial, a falta de transparencia dos modelos de «caixa negra» é unha barreira formidable para unha implementación responsable. Necesitamos avanzar cara a modelos de «caixa branca» que ofrezan non só un resultado, senón tamén unha explicación.

- O problema dos nesgos algorítmicos

A IA non é un árbitro imparcial; é un amplificador dos datos cos que se adestra. Se os datos reflicten os prexuízos da nosa sociedade, o algoritmo aprenderaos e reproduciraos a escala. Un exemplo paradigmático é o de modelos como DALL-E 2, que ao solicitar imaxes de «directivos» tende a xerar figuras de homes brancos. O sistema non inventa o nesgo, extráeo do corpus co que aprendeu. Nun contorno educativo, un algoritmo nesgado podería perpetuar estereotipos, penalizando a certos grupos de estudantes ou guiándoos por camiños que limitan o seu potencial.

O factor humano: O que un algoritmo non pode ensinar

Na súa esencia, a educación é un acto profundamente humano. O seu propósito non é a mera transferencia de información —unha tarefa para a que xa existen ferramentas como Wikipedia— senón a formación integral de persoas capaces de pensar, crear, dubidar e colaborar.

Unha máquina pode individualizar o ritmo de aprendizaxe cunha eficiencia sobrehumana, pero hai todo un universo da experiencia educativa que permanece fóra do seu alcance. A IA non pode interpretar o silencio dun alumno superado por un problema persoal, non pode compartir a alegría xenuína que acompaña un descubrimento e non pode transmitir a paixón por unha disciplina, pois a paixón nace da experiencia vivida, non dun cálculo de probabilidades.

Aquí está o verdadeiro norte para a integración destas tecnoloxías: o obxectivo non debe ser substituír o docente, senón amplificar as súas capacidades. Debemos aspirar a ferramentas que automaticen o mecánico para que os educadores poidan dedicar o seu tempo e enerxía ao que é exclusivamente humano: inspirar, mentorizar, fomentar o debate crítico e tecer os lazos afectivos que conforman unha comunidade de aprendizaxe.

Para que esta colaboración teña éxito, son indispensables tanto un marco regulatorio claro coma unha sólida cultura de alfabetización dixital.

Cara a unha convivencia intelixente: Regulación e alfabetización

Unha integración responsable da IA require dous piares: normas que establezan límites éticos e unha comunidade educativa preparada para interactuar con estas tecnoloxías de forma crítica e consciente.

- Marcos normativos para un futuro seguro

Os lexisladores comezaron a reaccionar. No ámbito europeo, a Lei de intelixencia artificial propón un enfoque baseado no risco para regular as súas aplicacións. No ámbito nacional, a lei galega de impulso á IA e a creación na Coruña da Axencia Española de Supervisión da Intelixencia Artificial (AESIA) son pasos importantes que indican unha crecente conciencia sobre a necesidade de gobernar esta tecnoloxía.

- A materia pendente: Alfabetización en IA

A regulación por si soa non é suficiente. É imperativo fomentar unha alfabetización en IA que abarque a toda a comunidade educativa. O fin non é que todos aprendan a programar, senón que todos comprendan os principios básicos de funcionamento destas ferramentas, as súas limitacións inherentes e as súas implicacións sociais. Iniciativas como o curso Elements of AI ou a adaptación de A Hora do Código por parte da UDC-CITIC son exemplos excelentes de como democratizar este coñecemento. O futuro non lle pertencerá a quen simplemente use a IA, senón a quen saiba cando e como cuestionala e, sobre todo, cando é preferible non usala.

O éxito desta transición dependerá da nosa capacidade para equilibrar a potencia da ferramenta coa sabedoría do xuízo humano.

Conclusión: Pensar mellor, non que pensen por nós

Aristóteles afirmaba que «o sabio non di todo o que pensa, pero sempre pensa todo o que di». Parafraseando o estagirita para a nosa era, poderiamos afirmar que «a tecnoloxía intelixente non debería pensar por nós, pero si axudarnos a pensar mellor». A intelixencia artificial non é nin unha solución máxica para os desafíos da educación nin unha sentenza de morte para o intelecto humano. É unha ferramenta dun poder sen precedentes, capaz de amplificar tanto as nosas maiores virtudes coma os nosos máis profundos defectos.

O reto fundamental consiste en deseñar e implementar sistemas de IA que aumenten as capacidades humanas sen substituílas, que personalicen sen crear burbullas, e que optimicen procesos sen deshumanizar as interaccións. Como admiten os propios expertos, queda un longo camiño por percorrer para que os beneficios da IA na educación sexan reais e equitativos.

Mentres tanto, é vital lembrar que detrás de cada algoritmo hai unha decisión humana, detrás de cada conxunto de datos hai un contexto social, e alén de cada pantalla hai un estudante que necesita ser visto, escoitado e acompañado. Esa tarefa, por moitos «veráns» e «invernos» que atravese a IA, seguirá sendo unha misión irredutiblemente humana.

Porque ao final, como diría Jorge Luis Borges coa súa habitual perspicacia, «cometín o peor dos pecados: non fun feliz». E ningunha intelixencia artificial, por moi xenerativa que sexa, pode ensinarnos a ser felices. Para iso, seguimos necesitando educadores de carne e óso, coas súas teimas, as súas paixóns e a súa gloriosa imperfección humana.

Este editorial non foi escrito por unha IA. Ou si. Ou quizais foi un traballo colaborativo. Importa realmente? Quizais esa sexa, precisamente, a pregunta correcta.