La #IA nos está llevando a replantear la generación, circulación y apropiación del conocimiento. Por otra parte, pone en evidencia la existencia de un tiempo nuevo, acelerado, frenético y datificado.
Traigo en esta entrada estractos extraídos de publicaciones realizadas por los expertos Diego Leal y Hugo Pardo, que hace tiempo investigan, producen y comparten sobre innovación educativa y futuros posibles de aprendizaje social en escenarios emergentes. Imaginar, proyectar, prever futuros posibles necesitas de procesos que requieren investigación y mucha reflexión.
Señales de futuro
Estirar la imaginación es esencial para comprender y anticiparse el cambio. Cada día aparecen noticias, herramientas y servicios emergentes que sugieren posibles futuros (deseables y no deseables) para la educación y los procesos de aprendizaje.
|
A boy saw 17 doctors over 3 years for chronic pain. ChatGPT found the diagnosis (Today): Esta es una historia que veremos reportada con mayor frecuencia en el futuro cercano. Una familia estadounidense, con un niño que empezó a sufrir dolor crónico, problemas de movilidad y otros síntomas, visitó 17 especialistas durante un período de tres años en busca de un diagnóstico y tratamiento, con poco éxito. La madre optó, finalmente, por ingresar todo el historial médico a ChatGPT a ver qué resultaba. El algoritmo dio como diagnóstico posible el síndrome de la médula anclada. ¿Siguientes pasos? Ir a un grupo de Facebook de padres con hijos en esa situación y luego confirmar el diagnóstico con un especialista humano. En este caso, la historia tuvo un final feliz. Según la madre, la mirada particular de cada especialista a los que visitaron les impidió ver el conjunto completo de síntomas y llegar a un diagnóstico acertado.| Señal de un futuro en el que los sistemas de salud pública cuentan con algoritmos similares a ChatGPT pero entrenados con información médica especializada, que permiten a los ciudadanos consultar sus síntomas directamente como primer nivel de respuesta (o complemento) de la opinión médica humana. Estos algoritmos, además de dar una respuesta, indicarán el nivel de confianza de su diagnóstico, el cual generará alertas para que especialistas humanos puedan intervenir. En este futuro, el ahorro de tiempo y de recursos permite ampliar el alcance y efectividad de los servicios médicos que, como se hizo evidente durante la pandemia, se encuentran bajo un alto nivel de presión. |
Otro tema que dispara alertas ya en el presente, es el impacto de la IA Generativa -como por ejemplo el uso del chatGPT- en el medioambiente. Un tema que desde diversas dimensiones y, fundamentalemente, desde el ámbito educativo es muy necesario abordar.
La creciente necesidad de agua de la inteligencia artificial |  | Shaolei Ren, un investigador de la Universidad de California en Riverside está tratando de estimar el impacto ambiental de productos de inteligencia artificial generativa como ChatGPT, según indica AP. En su reporte ambiental de 2022, Microsoft muestra que su consumo anual de agua aumentó en un 34% (llegando a cerca de 1700 millones de galones de agua). En el caso de Google, el aumento es del 20%.
|
Aunque no es explícito que la única causa del aumento en el consumo sea la inteligencia artificial generativa –aunque este ha sido un gran movilizador desde el año pasado, con el entrenamiento de GPT-3 y GPT-4, el lanzamiento de ChatGPT y la alianza entre OpenAI y Microsoft–, la estimación de Ren indica que hacer entre 5 y 50 preguntas a ChatGPT puede consumir medio litro de agua, un recurso esencial para garantizar la refrigeración de las enormes instalaciones físicas en las cuales reside la información y ocurre el procesamiento de lo que llamamos "la nube".
|
La acelerada demanda por nuevos data centers (centrales de almacenamiento y procesamiento de datos) y por una mayor capacidad de procesamiento sólo profundizará el problema, lo que está llevando a algunas comunidades a expresar su preocupación, considerando que un data center consume en un día el agua equivalente a la que requiere una población de 30.000 a 50.000 personas, y que el cambio climático seguirá teniendo un efecto de presión adicional sobre las fuentes hídricas.
|
Así que si su organización (o usted mismo) está avanzando hacia un uso intensivo de estas soluciones, no está de más pensar en cómo compensar el impacto ambiental que se genera (esto es especialmente importante en el contexto educativo pues, como veíamos en nuestro anterior newsletter, hay mucho por hacer en relación con la huella de carbono de las instituciones educativas). Para que no ocurra lo que ha pasado con las primeras versiones de Ethereum (y con Bitcoin), el impacto energético de las tecnologías que utilizamos (esas externalidades tan poco consideradas) debe estar incluido en el cálculo de lo que nos cuestan y lo que nos ahorran.
|
| Una nueva versión del generador de imágenes DALL-EOpenAI pondrá a disposición de sus usuarios la versión 3 de DALL-E, su algoritmo de generación de imágenes (equivalente a Midjourney o Stable Diffusion). La mayor novedad de esta versión es que está construida con base en ChatGPT lo que, de acuerdo con la compañía, permitirá usar a ChatGPT como un "aliado para hacer lluvias de ideas y refinar prompts", usando desde frases simples hasta párrafos detallados. Si funciona como está anunciado, esto ampliará la base de usuarios de la herramienta, a la que se accedería a través de los servicios de ChatGPT. Esto representará también un gran reto para la competencia –que siempre podrá jugar con las cartas de la personalización y la ausencia de controles temáticos– , lo cual seguirá movilizando a este dinámico espacio.
|
Señal de un futuro (¿presente?) en el que el trabajo para un gran número de ilustradores y diseñadores gráficos será muy limitado. En la medida en que los usuarios finales puedan generar numerosas imágenes a bajo costo (cercano a cero en el caso de las instalaciones locales de Stable Diffusion), el trabajo especializado será cada vez más exigente y erosionará de manera creciente el ingreso de los profesionales en estas áreas.
|
|
Los sistemas de IA pueden considerarse un futuro inevitable pero a su vez "aliados" en el ámbito universitario. Y en este sentido, la Inteligencia Artificial Generativa nos aporta nuevos desafíos en el repensar aspectos pedagógicos y curriculares que involucren cambios en las profesiones y perfiles profesionales, atravesados por nuevos alfabetismos. Ahora llega el tiempo de la IA generativa / predictiva y el ciclo de la impostura vuelve a iniciarse. Instituciones que proponen (a veces obligan) a sus profesores a formarse en la nueva tendencia y profesores que casi nunca terminan integrando dichas tecnologías a su uso cotidiano, para seguir una vez con sus rutinas de clases expositivas y exámenes convencionales, sin una profunda comprensión de la idea del diseño de experiencias de aprendizaje centradas en el usuario. Por otra parte; ¿Nos les sorprende la cantidad de expertos en IA en educación que han surgido en el último año? Nuevamente se trata de impostura.
¿Cuántos están hablando hoy de la computación cuántica? Si la escalabilidad de esta tecnología llega a donde se espera, en 2025 ya aparecerán muchos expertos de última hora. La geekonomía propone un ciclo permanente de innovación continua y disruptiva. En las fronteras de la innovación ya se están incubando otras disrupciones que veremos en los próximos años y década. Y para los propios nuevos escribas del mundo, lo realmente valioso y productivo no son las ideas, sino su implementación para agregar valor a la experiencia de uso y destacar en la economía de la atención.
Acuerdo con Hugo Pardo en estas #3 recomendaciones que propone para pensar futuros posibles en la Universidad:
- Diseñar un grupo de investigación multidisciplinario para empezar a entender el reto de la IA lo antes posible
- Tomar decisiones de implementación sobre la base de ¿qué problema específico tiene actualmente la institución que los usos de la inteligencia artificial pueden ayudar a solucionarlo con una buena relación costo / beneficio?
- Superar la conversación y crear laboratorios de ideación ágil para diseñar prototipos que aporten foco, relevancia y valor diferencial, y lo haga de modo rápido, barato y escalable.
Futuros que ya son (pueden) ser presente.... |
