Las cuatro etapas de la Sinapsis Algorítmica

 Por Antonio Delgado

En la primera parte presentamos el concepto de la Sinapsis Algorírmica. En esta segunda parte, nos dedicamos a describir las cuatro fases que componen este revolucionario enfoque educativo .

Imagen: IdeogramAI

La educación universitaria se encuentra en una encrucijada única en la historia de la humanidad, donde la integración de tecnologías avanzadas redefine la forma en que se produce y se transmite el conocimiento. Un concepto emergente que está ganando relevancia en el contexto educativo es la Sinapsis Algorítmica (SA). Este término describe la simbiosis entre el cerebro humano y los modelos de lenguaje de Anteligencia Artificial (Modelos de Lenguaje de Gran Escala) en el proceso de creación de contenido digital. La SA no solo representa una metáfora poderosa para comprender la interacción entre humanos y máquinas, sino que también proporciona un marco práctico para mejorar la generación de contenido educativo de manera balanceada y aceptable.

En esencia, la SA permite a los educadores universitarios aprovechar las capacidades avanzadas de los modelos de IA para amplificar su creatividad y eficiencia. Los LLM (GPT-4, Gemini, Copilot, MetaAI, etc.) han demostrado una notable habilidad para comprender y generar texto de manera coherente y contextualmente relevante. Estos modelos pueden analizar grandes volúmenes de información, identificar patrones y proporcionar respuestas detalladas, lo que resulta invaluable para los profesores que buscan desarrollar materiales educativos de alta calidad. Al combinar la intuición, el juicio y la experiencia humana con la capacidad de procesamiento y generación de datos de los LLM, los educadores podrían crear contenidos más enriquecidos, diversificados y accesibles.

La implementación de la SA en la educación no se trata simplemente de delegar la ejecución de tareas a una máquina, sino de establecer una colaboración dinámica en la que la capacidad humana y la tecnología se potencian mutuamente. Por ejemplo, un profesor podría utilizar un modelo generativo para esbozar los puntos principales de un tema complejo, generar ejemplos adicionales, ejercicios prácticos o incluso traducir contenido a múltiples idiomas para llegar a audiencias extendidas. Además, estos modelos ayudan a personalizar el aprendizaje, proporcionando retroalimentación y materiales adaptados a las necesidades específicas de cada alumno, lo que fomenta una experiencia educativa más abierta, ubicua e inclusiva.

A medida que avanzamos hacia una era donde la IA Generativa se integra cada vez más en nuestras actividades diarias, la SA se perfila como un enfoque novel de la disrupción educativa. Los profesores universitarios interesados en explorar y utilizar la IA Generativa encontrarán en esta fusión una oportunidad para transformar su educación, mejorando tanto la calidad del contenido como las actividades instruccionales y las experiencias de aprendizaje. La clave del éxito radicará en entender cómo equilibrar esta colaboración, reconociendo las fortalezas y limitaciones tanto del cerebro humano como de los modelos generativos de la IA para establecer una sinergia que promueva un futuro educativo más brillante y equitativo.

Según el informe de Copyleaks (2023), para el 2026, casi el 90% de todo el contenido en línea será generado por IA. Como resultado de la saturación del contenido genetativo, surgen preocupaciones sobre la contaminación de datos y el colapso inevitable de modelos que plantean dudas sobre la calidad y confiabilidad del texto generado por IA.

A continuación se presenta una infografía de la SA con el objetivo de describir las cuatro etapas de generación del contenido ciber-humano. Cada etapa se divide en lo que ocurre en el cerebro, lo que ocurre en el modelo LLM y el resultado final a través de la conexión sináptica entre ambos.

Este gráfico detalla las etapas de la sinapsis algorítmica, destacando las interacciones y diferencias entre los procesos cognitivos del cerebro humano y los procesos generativos de los modelos de lenguaje de larga escala (LLM). Cada etapa refleja una fase crítica en la generación y refinamiento de contenido digital, donde la colaboración entre humanos y algoritmos maximiza la calidad y efectividad del producto final.

La Sinapsis Algorítmica es un proceso iterativo y dinámico. Las etapas pueden solaparse y repetirse a medida que se refina el contenido digital. Para alcanzar niveles óptimos, se recomienda aprender a redactar indicaciones detalladas (prompts) para que los modelos LLM puedan procesar los elementos esenciales en la generación de contenido digital.

Uno de los principales objetivos de este enfoque educativo pretende que los educadores ayuden a activar la parte generativa del cerebro que es la encargada de convetir las ideas y planes en acciones concretas. Esto incluye las palabras habladas y escritas. Pero la parte difícil de la inteligencia es accionar esas ideas y planes generadas por los modelos algorítmicos. Las ideas humanas se forman en la corteza prefrontal del cerebro. Pero el cerebelo y la corteza motora se encargan de convertirlas en acciones ejecutables. No deberíamos permitir que la agencia estudiantil se reduzca a la simple generación de contenidos algorítmicos, de la misma manera que se reducía las capacidades del sowftware a la instrucción de imprimir el papel. Si las actividades mentales de los estudiantes consisten en la simple ejecución de prompts, la IA los sustituirá por completo. Pero si la actividad instruccional los impulsa a alcanzar niveles cognitivos superiores, la IA los potenciará exponencialmente. Es ahí a donde quiere llegar la Sinapsis Algorítmica.

¿Cuáles son sus beneficios?

• Mayor creatividad y productividad: La colaboración entre humanos y modelos LLM amplifica el potencial creativo y permite generar contenido digital de alta calidad.
• Mejor precisión y confiabilidad: La revisión y evaluación humana ayudan a garantizar la exactitud del contenido y minimizar errores, sesgos, contenido engañoso e inexacto.
• Productos personalizados y adaptables: La SA fomenta el desarrollo de contenido adaptado a diferentes públicos y necesidades. 
• Aprendizaje continuo: El proceso iterativo de la SA fomenta el aprendizaje continuo de los humanos y los modelos generativos LLM que se entrenan constantemente a través de interacciones. 
• Preparación para el Mundo Digital: La educación algorítmica fomenta habilidades como el pensamiento computacional, la resolución de problemas y la creatividad, que son esenciales en el siglo 21.
• Aprendizaje colaborativo y pensamiento adaptativo innovador: Estas habilidades son cada vez más demandadas en un mundo de transformaciones sin precedentes y radicalmente inciertas.

Este enfoque educativo representa una nueva era en las formas de aprender y trabajar en entornos colaborativos aumentados, donde la inteligencia humana y la potencia algorítmica se unen para crear productos innovadores y valiosos. Su objetivo principal es evitar que los estudiantes, educadores y creadores de contenido, tengan altos niveles de dependencia de la IAGen en la realización de sus tareas académicas o proyectos profesionales.

Asimismo, profundizar en este enfoque educativo nos permite cuestionar y superar las limitaciones de los enfoques educativos tradicionales. Los sistemas educativos actuales a menudo se centran en la memorización y la transmisión de conocimientos de manera lineal y unidireccional. En cambio, la sinapsis algorítmica nos invita a adoptar un enfoque más dinámico, donde los estudiantes son protagonistas activos de su propio aprendizaje al formular preguntas sobre temas de interés. Esto implica promover la resolución de problemas, la creatividad y el pensamiento crítico.

El papel más importante de la educación en la era de la IA es preparar a los estudiantes para vivir y trabajar en un mundo que será fundamentalmente remodelado por la IA. En estos precisos momentos, es están entrenando máquinas para lacer lo mismo que nosotros los profesores le pedimos a nuestros estudiantes que hagan en nuestros cursos: desarrollar capacidades de aprendizaje.

El plan de estudios vigente no fue diseñado para preparar a los estudiantes en el mundo moderno de la IA. Esto no significa que ya no sea relevante, pero sí significa que debemos arriesgarnos a sustituirlo por experiencias de aprendizaje que los preparen para utilizar la IA de manera apropiada, ética y responsable.

En su muro de LinkedIn, Javier Martínez (2024) compartió una interesante reflexión sobre este tema:

¿Por qué la IA va a cambiar la formación, la educación y el aprendizaje en general? Porque tiene sentido para todo aquello donde tienes una pregunta. Y aprender sobre todo, tiene que ver con hacerse preguntas (acerca de lo que te interesa), aunque el colegio nos engañó haciéndonos creer que estudiar tiene que ver con saberse la respuesta correcta sobre lo que no nos interesa.

En un aula, un profesor no puede responder cada pregunta de cada alumno en cada momento… y por eso, nadie pregunta. La IA te responderá o te entregará elementos para que puedas encontrar respuestas a tus preguntas. Podrás aprender todo lo que te importe. Hay que olvidarse de esperar a que alguien te enseñe. Y tendremos que repensar el rol de los profesores y de las instituciones educativas.

Claro que existen riesgos en el uso educativo de la IA. Pero las amenazas se combaten mejor al incorporar la Alfabetización IA en la estructura del sistema, en vez de depender de las determinaciones de una junta de gobierno o de algunas conferencias teóricas sobre la IA en la Educación Superior. El panorama de la IA está en constante evolución, por lo que el enfoque más sostenible es fomentar una cultura de conversaciones constantes sobre la IA que dote a estudiantes, docentes, personal administrativo con los conocimientos y habilidades necesarias para tomar decisiones informadas sobre su manejo socio-académico (Chris Goodall, 2024).

La educación de hoy requiere que los estudiantes a desarrollen conocimientos transversales y comprender los impactos que la IA tendrá en la sociedad. Tenemos que cultivarles habilidades duraderas como la comunicación y el pensamiento crítico. Aprender a trabajar eficazmente con sistemas automatizados que los preparen para formar parte de la naturaleza cambiante del trabajo. Si no estamos preparando a los estudiantes para el mundo de la IA, ¿para qué los estamos preparando?

En este momento, las universidades están haciendo un trabajo pésimo al hacer que los estudiantes realmente piensen y descubran su lugar en el universo. Incluso, las mejores escuelas de la Ivy League se centran en producir los mejores engranajes en la actual máquina económica insostenible. ¿Comenzamos nuestras clases con una discusión sobre ética? ¡No! ¿Alguna vez nos preguntamos si toda esta tecnología moderna está realmente ayudando al mundo? ¡No! ¿Podríamos, por favor, detenernos y preguntarnos si la búsqueda interminable de conocimientos y nuevos productos es una pérdida de tiempo gigantesca? ¡Espero que sí! Entonces, ¿qué tal si hacemos una pausa en la locura de la especialización interminable y enseñamos a los jóvenes a cambiar verdaderamente el mundo? (Jason Polak, 2024).

No solo reflexionemos sobre la IA en la Educación, sino también en la IA en la Sociedad...

Tomado de EDUMORFISEDUMORFIS