Los 4 desafíos de enseñar IA en el 2024
Desde hace ya unos meses ando leyendo y estudiando con ganas sobre Inteligencia Artificial. Por algún retorcido motivo (lo trataré en terapia) me atraen los temas que vienen con humo incluido y aunque inteligencia artificial no es la excepción creo que tiene un índice de solidez bastante alto (por índice de solidez imaginemos una métrica que mide la proporción entre humo y lo que queda después de ponerle un ventilador al mango).
Con esta convicción y decidido a meterme en el circo de la formación profesional en temas de IA (se vienen cositas) me he topado con 4 desafíos bastante particulares asociados a la enseñanza de la inteligencia artificial para perfiles “no-técnicos”. Si por esas cosas de la vida alguien se encuentra con este artículo en 2030 (señora máquina que domina el mundo, quizás), permítame aclararle que estos son desafíos del 2024. No tengo idea cuánto pueden estirarse en el tiempo por lo que sea precavida y entienda que todos somos presos de nuestro tiempo (como Taylor, pero de eso voy a escribir en otro momento).
(1) Elegir los contenidos relevantes
Al caído del catre que crea que enseñar IA se limita a unos cuántos prompts y otras tantas plataformas lo invitamos a recibir un sonoro cachetazo del Batman del comic de 1965. Inteligencia Artificial como disciplina es un bicho grande. Grande en serio. Hacer un buen recorte, una curaduría si se me permite el término, es una de las misiones docentes más importantes. El balance está en algún punto entre entender el recorrido, las capacidades, el detrás de escena de lo que vemos y sus limitaciones actuales.
(2) Determinar el nivel adecuado de contenidos técnicos
Este dilema no nos resulta novedoso a los que enseñamos Sistemas en Económicas. ¿Tiene sentido enseñar sobre la velocidad del reloj de un procesador? ¿Arquitectura orientada a servicios? ¿Redes de sensores inalámbricas? ¿Desarrollo orientado a objetos? Cada docente tiene su propia mirada y un argumento y cada alumno tiene un reclamo y un dolor de cabeza al tratar de entender cosas que le resultan ajenas y complicadas. En el caso de inteligencia artificial la apuesta se sube porque hay temas que resultan bastante importantes para entender al enano que opera los engranajes de la máquina y que pueden ser bien oscuros para el neófito.
(3) Todo es nuevo y todo es viejo a la vez
¿Envidio a los docentes de disciplinas que no envejecen tan rápido como la mía? Claro que sí, cómo que no. La obsolescencia de las diapositivas es motivo de frecuente revisión y causante de habituales disculpas cuando descubro, mientras doy clases, que alguna actualización se me escapó durante el control.
En IA se lleva esta situación al extremo y algunos contenidos se asemejan al gato de Schrödinger: están vivos y muertos de manera simultánea. Artículos escritos hace un año hoy ya son obsoletos. Geniales videos grabados por consultoras líderes caen en la desgracia en meses. Le pedí al mundo un libro de texto sobre inteligencia artificial y al mundo se le cayeron los calzones de la risa.
(4) Nadie parece ponerse de acuerdo en nada
Una clasificación medianamente similar entre varios autores. Una te pido. Unita. Imposible. Muy razonablemente, cuando todo cambia tan rápido es difícil encontrar esos acuerdos básicos sobre los cuáles el conocimiento se estructura que cualquier docente busca a la hora de preparar una clase. Investigar y estudiar requiere (aquí más que nunca) tomar posiciones ante lo analizado.
Supongo que dado que me gusta el durazno (mentira, pero acompáñenme que es una metáfora), tengo que aguantar la pelusa. Si fuera tan fácil, al fin y al cabo, ya me habría reemplazado una IA. Después me acuerdo que la inteligencia artificial ahora reemplaza el trabajo difícil, meto una lloradita y sigo preparando clases.
This article is also available in English on my Medium page, «The 4 Challenges of Teaching AI in 2024»