La idea del experimento anterior fue:

Demostrar de manera práctica cómo la IA aprende y por qué es crucial entender sus limitaciones antes de implementarla en el aula.

El Experimento con Teachable Machine

El modelo de clasificación fue “confundido” intencionalmente para demostrar cómo la IA depende completamente de sus datos de entrenamiento:

Clase “Manzana”: fue entrenada con fotos de naranjas 🍊
Clase “Naranja”: fue entrenada con fotos de manzanas 🍎

¿Por qué es importante este experimento?

Este ejercicio revela 3 aspectos fundamentales sobre la IA:

• La IA no tiene “sentido común" - no sabe que una naranja no es una manzana.
• La IA aprende exactamente lo que le enseñamos, incluso si está mal.
• Los datos de entrenamiento determinan completamente el comportamiento de la IA.

Implicaciones para la Educación

Este simple experimento nos enseña lecciones cruciales para el uso de IA en educación:

• Los sistemas de IA necesitan datos de calidad y bien etiquetados.
• Debemos verificar y validar el entrenamiento de los modelos de IA
• La supervisión humana es esencial en aplicaciones educativas

Preguntas de reflexión sugeridas para el aula

1. Predecir resultados:
   • ¿Qué dirá el modelo ante nuevas imágenes?
2. Discutir consecuencias:
   • ¿Qué pasaría si usáramos IA mal entrenada en situaciones reales?
3. Explorar sesgos:
   • ¿Qué otros ejemplos de sesgos podemos encontrar en sistemas de IA?

La inteligencia artificial es una herramienta poderosa para la educación, pero debemos entender sus limitaciones.

Este experimento nos muestra que la IA:

• No tiene comprensión real del mundo
• Depende totalmente de sus datos de entrenamiento
• Puede perpetuar errores si no se entrena correctamente

Como educadores, entender estas limitaciones nos permite usar la IA de manera más efectiva y responsable en nuestras aulas.