OpenAI establece una asociación con la educación superior

Estar al tanto de una industria que cambia a la velocidad de la luz como lo hace la Inteligencia Artificial (IA) representa un desafío significativo. Por lo tanto, hasta que la IA pueda asumir esta tarea por nosotros, te presentamos un compendio detallado de las noticias más recientes en el ámbito del aprendizaje automático, así como investigaciones y experimentos destacados que no se han tratado de manera independiente.

Esta Semana en el Mundo de la IA

Esta semana en IA, OpenAI ha marcado un hito al sumar a su primer cliente en el sector educativo superior: la Universidad Estatal de Arizona (ASU).[automatic_youtube_gallery type="search" search="OpenAI establece una asociación con la educación superior" cache="2419200" per_page="1" thumb_excerpt="0" player_description="0"]

ASU está colaborando con OpenAI para integrar a ChatGPT, el avanzado chatbot con tecnología IA de OpenAI, en los procesos académicos y administrativos de la universidad, anunciando un desafío en febrero para que docentes y personal propongan formas de utilizar ChatGPT en sus actividades cotidianas.

La alianza entre OpenAI y ASU muestra un cambio en la percepción acerca del papel de la IA en la educación, el cual evoluciona más rápidamente de lo que los programas de estudio pueden seguir. Durante el verano anterior, diversos centros educativos se apresuraron a prohibir el uso de ChatGPT por preocupaciones relacionadas con el plagio y la difusión de desinformación. Sin embargo, algunas instituciones han revertido dichas prohibiciones, mientras que otras han comenzado a organizar talleres para explorar las herramientas GenAI y su potencial pedagógico.

El debate sobre la influencia de la tecnología GenAI en la formación académica está lejos de concluir. Pero, para aportar al diálogo, me he convertido recientemente en uno de los defensores de su uso.

Sí, la GenAI tiene sus limitaciones en cuanto a realizar resúmenes y puede incluir parcialidad o incluso generar información inexacta. No obstante, su aplicación puede resultar beneficios para objetivos educativos.

ChatGPT Empoderando la Educación

Pensemos en cómo ChatGPT podría ofrecer asistencia a estudiantes en apuros con sus tareas. Podría desglosar un complejo problema matemático paso a paso o generar una estructura para un ensayo académico. Quizás incluso pueda ofrecer respuestas a interrogantes que tardarían más en ser encontradas en buscadores tradicionales como Google.

Indudablemente, surgen legítimas preocupaciones sobre el trampas potenciales y los desafíos éticos en la educación. Anécdotas sugieren que estudiantes universitarios han utilizado ChatGPT para elaborar ensayos detallados e incluso contestar exámenes para hacer en casa.

Este fenómeno no es precisamente novedoso; los servicios de redacción de ensayos por encargo existen desde hace años. Sin embargo, la facilidad de acceso que representa ChatGPT puede considerarse una disminución significativa de las barreras de entrada, según señalan ciertos educadores.

Existen evidencias que sugieren que estos temores pueden ser exagerados. Pero aun dejando esos datos de lado, sugiero reflexionar sobre la motivación detrás de la trampa. Los alumnos frecuentemente son valorados por sus calificaciones y no tanto por su esfuerzo o comprensión, lo cual distorsiona la estructura de incentivos. ¿Es sorprendente entonces que vean las tareas más como una casilla a marcar y no como una oportunidad de aprender?

Por ello, ¿por qué no permitir que los estudiantes se beneficien de la GenAI, y que los educadores encuentren métodos innovadores para aprovechar esta tecnología y conectar con los estudiantes allí donde están? Aunque no soy particularmente optimista respecto a una reforma educativa profunda, quizás la GenAI pueda servir como catalizador para lecciones más atractivas que incentiven el interés de los alumnos en áreas antes inimaginables para ellos.

Otras Noticias Relevantes en IA

Tutor de Lectura de Microsoft: Esta semana, Microsoft introdujo Reading Coach, una herramienta de IA que ofrece práctica personalizada en lectura, disponible sin coste para cualquiera con una cuenta de Microsoft.

Transparencia Algorítmica en Servicios de Música: La Unión Europea está reclamando leyes que exijan mayor transparencia en los algoritmos de las plataformas de streaming musical. Quieren también abordar temas como la música generada por IA y los deepfakes.

Robotica Espacial de la NASA: La NASA recientemente presentó una estructura robótica autoensamblable que, según expertos, podría convertirse en un elemento esencial para la colonización espacial.

Samsung Galaxy Mejorado con IA: Durante el evento de lanzamiento del Samsung Galaxy S24, la empresa mostró múltiples formas en que la IA puede enriquecer la experiencia con teléfonos inteligentes, incluyendo traducción instantánea en llamadas y búsquedas mejoradas a través de gestos.

DeepMind y la Geometría: DeepMind, el laboratorio de IA de Google, dio a conocer AlphaGeometry, su sistema de IA que puede resolver problemas geométricos al nivel del ganador promedio de la Olimpiada Internacional de Matemáticas.

OpenAI y la Colaboración Masiva: En otras noticias acerca de OpenAI, la empresa está creando un equipo nuevo, Collective Alignment, para implementar ideas del público que aseguren que sus futuros modelos de IA «se alineen con valores humanos». Paralelamente, han modificado sus políticas para permitir aplicaciones militares de su tecnología.

Copilot Pro de Microsoft: Microsoft lanzó una versión de pago de Copilot, su conjunto de tecnologías de generación de contenido con IA, ampliando la elegibilidad para sus ofertas a nivel empresarial y añadiendo nuevas funcionalidades para usuarios gratuitos, incluida una app móvil Copilot.

Modelos de IA Engañosos: La mayoría de los seres humanos aprenden a engañar. ¿Puede la IA hacer lo mismo? De acuerdo con un estudio de la empresa Anthropic, la respuesta es afirmativa y resulta que los modelos de IA son excepcionalmente hábiles en esta tarea.

Demonstración de Robótica Tesla: El robot humanoide Optimus de Tesla demostró nuevas habilidades doblando una camisa, aunque todavía no alcanza autonomía completa en estas tareas.

Aprendizaje Automático en Profundidad

Uno de los obstáculos para aplicaciones más extensas, como el análisis satelital con IA, es la necesidad de entrenar modelos para reconocer conceptos específicos. Identificar contornos de edificios es relativamente sencillo; determinar campos de escombros tras una inundación, mucho menos. Investigadores de la EPFL en Suiza esperan facilitar esto con un programa llamado METEOR, cuya novedosa estructura de aprendizaje permite la educación de un algoritmo de reconocimiento con escasas cinco imágenes representativas. Este sistema apunta a ser accesible para investigadores no especializados en IA mediante una intuitiva interfaz de usuario. Detalles del proyecto pueden ser consultados en su publicación.

En paralelo, el desarrollo de métodos para crear imágenes es de gran interés investigativo, ya que permitiría aligerar la carga computacional de las plataformas de IA generativa. Blackout Diffusion de Los Álamos National Laboratory representa un avance en este campo, ya que inicia el proceso desde una imagen completamente negra, lo que puede disminuir considerablemente el esfuerzo de cálculo. Aunque lejos de estar listo para uso general, representa un prometedor avance.

Modelos de aprendizaje automático están emergiendo en ciencias naturales, proveyendo ahorros significativos de tiempo y recursos al separar señales de ruido.

En Australia, por ejemplo, la tecnología de detección de incendios de Pano AI se está aplicando en la región forestal conocida como el «Triángulo Verde». La rápida detección es clave, pues los primeros momentos pueden significar la diferencia entre un daño mínimo o devastación extensa.

Los Álamos también tiene un nuevo modelo de IA para la estimación de deshielo de permafrost, mejorando la resolución de estudios anteriores y brindando datos más precisos en tiempos críticos, considerando el avance del cambio climático.

Finalmente, es importante subrayar que aunque los modelos de aprendizaje automático son poderosos, su precisión puede variar dependiendo del contexto y población a la que se apliquen, por lo que se recomienda su evaluación exhaustiva en cada nueva implementación propuesta.