"Si una tarea te lleva menos de un segundo de pensamiento, probablemente una máquina pueda hacerla ahora o en un futuro cercano". Esta es la afirmación que hizo hace unos años Andrew Ng, uno de los mayores expertos en Inteligencia Artificial del mundo, sobre las posibilidades de esta tecnología. Y los últimos avances en este campo (ChatGPT y el resto de modelos generativos entre ellos) han demostrado que tenía razón. La clave está en el aprendizaje automático o ‘machine learning’: la capacidad que tienen las máquinas para ‘aprender’ e imitar el comportamiento humano, para lo que emplean algoritmos matemáticos. Y es algo que, aunque no seamos conscientes, ya está presente en nuestro día a día como usuarios de aplicaciones, programas y plataformas. ¿Sabías que es la tecnología que facilita la recomendación de contenidos al utilizar plataformas de streaming? Para conseguirlo, ha sido necesario recopilar información sobre qué se consume, cómo y cuáles son las preferencias del usuario.
Ejemplos prácticos de aprendizaje automático
Pero sus aplicaciones van mucho más allá. Siguiendo el ejemplo de las inteligencias artificiales generativas, sería su aptitud para leer y aprender todo lo que se ha publicado en Internet para luego responder a cualquier pregunta de forma original y ajustada a lo que se le ha pedido, por ejemplo. También es la encargada de traducir textos de un idioma a otro o conseguir que los coches sean autónomos y se conduzcan solos. Y de hacer mucho más inteligentes a los teléfonos móviles gracias a asistentes de voz como Siri, Google Assistant o Alexa y de mejorar las fotografías que se toman con sus cámaras.
El aprendizaje automático en la educación
En el ámbito educativo, el aprendizaje automático se emplea de diferentes formas, principalmente relacionadas con ofrecer un aprendizaje más personalizado y ayudando con las evaluaciones y calificaciones de los estudiantes. Estas son algunas de las aplicaciones más destacadas según Luis Toro Dupouy, doctor en Ciencias Económicas y Empresariales por la Universidad de Granada y director de Programas de OBS Business School.
- Aprendizaje personalizado. Es la base del ‘machine learning’ en el ámbito educativo. El objetivo es que a través de los algoritmos de las distintas plataformas o programas en las que se almacenan datos de los estudiantes, los docentes y equipos directivos puedan crear contenidos personalizados y adaptados al ritmo de cada estudiante, identificando las áreas o materias en las que necesitan más ayuda. También proporciona suficiente información para llevar a cabo un plan de estudios adaptado a la clase o evaluaciones con mayor o menor dificultad.
- Automatizar tareas del día a día. Un ejemplo es la calificación de los exámenes o actividades del alumnado, incluso en tiempo real. De este modo, reciben el ‘feedback’ de la prueba que han realizado de forma más rápida y el profesorado consigue más tiempo para otras tareas.
- Llevar a cabo tutorías inteligentes. Es posible obtener de forma automática datos relacionados con las tasas de asistencia a clase, de rendimiento académico o de graduación al finalizar una etapa educativa. Así, resulta más sencillo realizar un seguimiento de cada estudiante y prever si se puede producir un caso de abandono escolar, por ejemplo.