Este artículo de Huang Ronghuai se publicó originalmente en Academic Frontiers, n.º 14 de 2024. Su análisis y sus ejemplos conservan el contexto de aquella publicación.
Contenido del artículo
Resumen
La evolución iterativa de los grandes modelos de IA está despertando en los sistemas educativos una conciencia de transformación sistémica. La educación atraviesa una etapa decisiva: pasa de aceptar pasivamente los cambios externos a adaptarse activamente e impulsar transformaciones internas. En el plano conceptual, la integración continua de estos modelos acelera nuevas visiones del conocimiento, basado en la creación y el intercambio colectivos; del aprendizaje, mediante conexiones inteligentes y construcción; del currículo, integrado y abierto; y de la enseñanza, mediante colaboración humano–IA.
En la práctica, su aplicación profunda genera enseñanza colaborativa diversa y entre ámbitos, aprendizaje colaborativo de fortalecimiento mutuo y decisiones colaborativas seguras y fiables. Para responder a esta ola es necesario reforzar continuamente las competencias de docentes y estudiantes, mejorar los mecanismos de admisión de productos inteligentes en las escuelas, desarrollar prácticas colaborativas de forma ordenada, establecer normas para las aplicaciones educativas de la IA generativa y garantizar la seguridad técnica y la ética, construyendo un nuevo ecosistema de educación inteligente.
Las nuevas tecnologías de la información, como Internet, los macrodatos y la IA, están reorganizando estructuras y procesos de producción y de la vida cotidiana, y modificando la organización y prestación de la educación. El secretario general Xi Jinping ha descrito la IA como un motor importante de una nueva revolución científica y tecnológica y transformación industrial, que cambia profundamente las formas de producir, vivir y aprender y abre una era de colaboración humano–IA, integración entre sectores, creación conjunta e intercambio. Ha pedido promover activamente una integración profunda entre IA y educación para impulsar la transformación y la innovación educativas.
Los grandes modelos presentan escala, generalización, emergencia y versatilidad. Sus capacidades para generar texto, imágenes, audio y vídeo multimodales, dialogar en contexto, razonar, realizar cálculos con datos y resolver tareas aceleran la transformación inteligente de las industrias y crean oportunidades para profundizar la transformación digital educativa. Comprender los cambios conceptuales y de formas educativas que provocan, e integrarlos razonable, ordenada y seguramente en el ecosistema educativo, constituye una cuestión central de la educación en la era inteligente.
La evolución iterativa de los grandes modelos de IA despierta la conciencia de transformación sistémica de la educación
Las tecnologías disruptivas intensifican la competencia internacional y la transformación social
La innovación científica y tecnológica mundial atraviesa un periodo de actividad y concentración excepcionales. Una nueva revolución tecnológica e industrial redefine el mapa mundial de la innovación y la economía. Las tecnologías disruptivas en evolución afectan profundamente al futuro de los países y al bienestar de las personas.
Primero, el rápido desarrollo tecnológico es una tendencia irreversible. La IA, la computación cuántica, la biotecnología y otras tecnologías se incorporan de manera continua, agrupada y multidimensional a la producción y la vida. Sus efectos han superado en cierta medida las expectativas y la capacidad de adaptación social, económica y política; incluso pueden rebasar la percepción y predicción intuitivas, introduciendo nuevas variables en la competencia internacional.
Segundo, la IA es un foco de competencia internacional. Las principales potencias buscan avances decisivos y adoptan estrategias nacionales de IA, considerando su desarrollo acelerado una vía para tomar la iniciativa en la competencia tecnológica mundial.
Tercero, el progreso tecnológico obliga a una transformación social integral. Sus presiones afectan a estructuras industriales, mercados laborales, estilos de vida y gobernanza. El libro blanco del Foro Económico Mundial Jobs of Tomorrow: Large Language Models and Jobs señala que ocupaciones repetitivas, como las de autorizadores de crédito, cajeros y empleados administrativos, están especialmente expuestas a la IA: hasta el 81 % de sus tareas podrían automatizarse. La transformación requiere seguir el ritmo tecnológico y también adaptar la formación de talento, optimizar las estructuras industriales e innovar en gobernanza para afrontar activamente retos y oportunidades.
La lógica del capital impulsa aplicaciones de grandes modelos en múltiples contextos
El capital ha pasado de proporcionar recursos económicos a catalizar la integración de la IA y otras tecnologías en entornos diversos. Sus flujos suelen anticipar el rumbo tecnológico, acelerando la evolución e integración entre industrias.
Primero, la inversión sostiene la mejora continua. En poco más de una década, la IA ha pasado de modelos para tareas específicas, con aprendizaje supervisado y datos etiquetados, a modelos preentrenados con datos sin etiquetar y ajuste con datos etiquetados; después, a grandes modelos con preentrenamiento masivo, ajuste mediante instrucciones y alineación humana. El desarrollo acelera y los ciclos se acortan. Existen modelos en la nube y en dispositivos, generales y sectoriales, lingüísticos y multimodales. Desde 2022, OpenAI ha presentado sucesivamente ChatGPT, GPT-4, Sora y GPT-4o.
La interacción multimodal y generación de contenidos han madurado, con una evolución hacia modelos multimodales, de vídeo, inteligencia corporizada e IA para la Investigación (AI4R).
Segundo, el capital impulsa aplicaciones en distintos campos. Al madurar la tecnología, es necesario aprovechar los datos abundantes y la diversidad de escenarios. La innovación se orienta al uso eficiente de datos existentes y nuevas aplicaciones: apoyar diagnósticos más precisos en salud, controlar riesgos y apoyar decisiones de inversión en finanzas, u optimizar el tráfico y reducir la congestión. La lógica del capital orienta cada vez más el desarrollo hacia las necesidades de aplicación.
Combinados con el Internet de las Cosas, los macrodatos y la computación en la nube, los grandes modelos pueden ofrecer soluciones más inteligentes e impulsar la transformación industrial.
La educación se adapta activamente a la nueva ola de grandes modelos
Se observa una transición decisiva de la aceptación pasiva del cambio externo hacia la adaptación activa y el impulso de transformaciones internas. Este despertar convierte a la educación en protagonista del cambio, además de responder a tecnología y capital. Las autoridades deben comprender tanto las aplicaciones directas como la lógica educativa subyacente, preparando personas para el futuro.
Primero, la educación superior está en vanguardia. Integra rápidamente tecnologías: asistentes docentes de IA y entornos conectados de aprendizaje modifican la transmisión de contenidos y la organización, mientras la investigación y el aprendizaje interdisciplinarios renuevan los paradigmas científicos, integran conocimiento e impulsan aplicaciones innovadoras.
Segundo, la formación profesional necesita cambios más urgentes. Con la creciente demanda de trabajo cualificado, constituye un puente entre educación y empleo. Instituciones y gobiernos aumentan la inversión y la cooperación industrial para vincular adaptativamente el currículo con el mercado.
Finalmente, la educación escolar avanza de forma sostenida bajo una fuerte orientación política. Los gobiernos ofrecen normas favorables y financiación para plataformas inteligentes, macrodatos e IA en enseñanza y gestión, y formación en alfabetización digital de docentes y estudiantes.
La educación es uno de los ámbitos clave para acelerar las aplicaciones de grandes modelos
Organismos internacionales, gobiernos, academia e industria exploran conjuntamente su integración.
Primero, publican documentos para fomentar, regular y orientar los usos educativos. La Guía para el uso de IA generativa en educación e investigación de la UNESCO busca una mejor integración educativa. La publicación del Departamento de Educación británico sobre IA generativa expone su postura ante estos usos, incluidos grandes modelos lingüísticos como ChatGPT.
Segundo, investigación y práctica exploran vías de implementación ordenadas. La Universidad Vanderbilt ofrece amplia formación y talleres a personal docente, empleados y estudiantes. La Universidad Tsinghua ha iniciado un programa de asignaturas piloto con enseñanza potenciada por IA, desarrollando aplicaciones de grandes modelos lingüísticos por disciplinas y escenarios docentes diversos.
Las respuestas positivas de distintos actores reflejan el paso desde los impulsores externos hacia una conciencia interna del cambio. Los participantes deben mantener lucidez y prudencia ante la aceleración tecnológica y evitar quedar arrastrados por la lógica del capital. También deben comprender el valor educativo potencial, los riesgos técnicos y los límites de aplicación. Un enfoque centrado en las personas ha de permitir una evolución interactiva entre modelos y necesidades educativas. La cooperación entre actores puede transformar concepciones y formas de educación, construyendo un ecosistema más inteligente, flexible y eficiente.
La integración continua de grandes modelos acelera el cambio de concepciones educativas y docentes
Los avances decisivos de los grandes modelos han impactado profundamente en la educación y generado reflexión social sobre la era inteligente. El secretario general Xi Jinping ha destacado un círculo virtuoso entre educación, ciencia y tecnología y talento; la coordinación de las estrategias de revitalización mediante ciencia y educación, fortalecimiento mediante talento y desarrollo por innovación; y el avance integrado de educación, innovación tecnológica y formación. China ha introducido políticas para optimizar sistemáticamente objetivos formativos, estructuras escolares y normas curriculares. Expresan estrategias nacionales de formación para responder a los cambios y desarrollar talento acorde con las necesidades estratégicas.
Sin embargo, la orientación a exámenes mantiene las tasas de progresión, excelencia y admisión en instituciones selectivas como criterios habituales. La formación estandarizada no satisface las necesidades diversas de la sociedad. Educadores, investigadores y ciudadanía deben reconsiderar los cambios y desafíos que aportan los grandes modelos y construir un consenso amplio y sólido. Así se refuerza la coherencia del ecosistema y la interacción positiva entre Estado, escuelas y sociedad. Impulsada por las políticas, la tecnología y las expectativas sociales, la transformación resulta urgente.
Su clave reside en cambiar las concepciones del conocimiento, el aprendizaje, el currículo y la enseñanza: las cuatro nuevas concepciones de la era inteligente.
Una nueva concepción del conocimiento basada en creación e intercambio colectivos
Destaca conocimientos metacognitivos diversos y de alta dimensionalidad: conocimientos relacionales generados mediante «aprendizaje federado» en redes neuronales, sociales y conceptuales; conocimientos situacionales derivados de la cognición corporizada en la interacción entre cuerpo y entorno tecnológico; y conocimientos de reglas formados mediante aprendizaje automático, incluido aprendizaje profundo y por refuerzo. Presentan inteligencia colectiva, apertura, fragmentación y ambigüedad. Al modelizar, analizar y predecir grandes volúmenes de datos, los modelos descubren relaciones y patrones implícitos. Combinando instrucciones y contexto humanos, generan creativamente contenidos y simulan formas de pensamiento para analizar multidimensionalmente problemas complejos, cambiando la producción del conocimiento.
Una nueva concepción del aprendizaje mediante conexiones inteligentes y construcción
Las tecnologías inteligentes abren posibilidades para crear situaciones de aprendizaje. El alumnado debe pasar de la recepción pasiva a la autodirección, adquiriendo conocimientos, competencias y actitudes mediante construcción colaborativa con compañeros, docentes y agentes inteligentes. En espacios compartidos por humanos y máquinas, los agentes basados en grandes modelos pueden ser compañeros de aprendizaje. Entornos interactivos, asistentes y compañeros inteligentes apoyan la corrección de redacciones, la práctica oral, la tutoría, la programación, la escritura, la orientación psicológica y las entrevistas simuladas, mejorando la experiencia.
Una nueva concepción de currículo integrado y abierto
La tecnología abre los límites curriculares, convierte contenidos fragmentados en redes estructuradas y desplaza la separación de asignaturas hacia integración y contextualización. El aprendizaje combina conocimiento científico, experiencia tecnológica, participación social, conciencia cultural y comprensión de la vida. Los grandes modelos renuevan sistemáticamente el desarrollo y la gestión curricular, posibilitando currículos individuales diversos e integrados y experiencias personalizadas e interactivas. La Plataforma de Apoyo al Aprendizaje Siyuan AI de la Universidad Jiao Tong de Shanghai permite elaborar grafos de conocimiento para consolidar contenidos y mapas disciplinares que identifican solapamientos y diferencias claras, optimizando el currículo.
Una nueva concepción de enseñanza colaborativa humano–IA
Los grandes modelos complementan, amplían y refuerzan las capacidades docentes y facilitan el paso de transmitir conocimientos a construir situaciones y organizar y orientar actividades. La colaboración destaca la comunicación multidimensional entre docente, estudiante y máquina y la interacción segura, fiable y ética con agentes. Robots educativos, avatares o docentes gemelos digitales pueden actuar como asistentes administrativos, ayudantes docentes o profesores colaboradores. En la asignatura Mind, Individual and Culture de Tsinghua, por ejemplo, un asistente de IA ofrece comentarios precisos y eficientes para mejorar la escritura del alumnado.
La aplicación profunda de grandes modelos genera nuevas formas de educación colaborativa humano–IA
Los grandes modelos marcan un punto histórico de innovación en la inteligencia de las máquinas. Aceleran cambios sistémicos en conocimiento, aprendizaje, currículo y enseñanza e impulsan nuevas formas educativas. La colaboración humano–IA consiste en que personas y máquinas interactúen y actúen como un conjunto en entornos diversos para lograr objetivos comunes y mejorar resultados. Su lógica práctica combina fortalezas complementarias y cooperación eficaz para necesidades variadas. Frente a herramientas anteriores de inteligencia y adaptación limitadas, los grandes modelos representan un salto y amplían las modalidades de interacción. Ofrecen oportunidades de transformación mediante enseñanza, aprendizaje y decisiones colaborativas.
Enseñanza colaborativa humano–IA diversa y entre ámbitos
Los grandes modelos aceleran el paso de la estructura docente–estudiante a docente–estudiante–máquina. Las relaciones se hacen complejas, con coexistencia e interacción multidimensional, favoreciendo la enseñanza conjunta.
Primero, amplían los escenarios. Los modelos potencian capacidades de las máquinas y superan obstáculos de aplicación. Los robots humanoides combinados con grandes modelos producen inteligencia corporizada con percepción multimodal, comprensión, adaptación, planificación y decisión autónomas en el mundo físico. Esto permite nuevas aulas con dos docentes, humano e IA. Plataformas inteligentes, tutores y otros agentes superan barreras temporales, espaciales y pedagógicas, ofreciendo apoyo eficiente, inmediato y adaptativo a necesidades diversas de aprendizaje en línea.
Segundo, profundizan la colaboración. Al ampliarse las tareas tecnológicas, la práctica entra en un espacio dirigido y controlado conjuntamente por inteligencia docente y artificial. Cambian los roles, la autoridad del conocimiento y el diseño didáctico. La colaboración eficaz supera la mera división o sustitución de tareas: exige alfabetización tecnológica, gestión del aula, capacidad de respuesta y coordinación flexible. El profesorado debe aplicar experiencia y sabiduría práctica en relaciones diversas y profundas de colaboración con agentes.
Aprendizaje colaborativo humano–IA de fortalecimiento mutuo
La aplicación educativa modifica gradualmente el aprendizaje. Además del procesamiento cognitivo propio, los estudiantes pueden recurrir a la inteligencia artificial mediante externalización cognitiva y mejorarla a través de retroalimentación iterativa, formando aprendizaje conjunto.
Primero, mejora la experiencia. Interacciones más inteligentes permiten a las máquinas actuar como tutores, compañeros y asistentes. Recogen y analizan de forma natural datos multimodales del proceso para explorar cambios emocionales implícitos y estados cognitivos, ofreciendo compañía emocional inmediata, apoyo preciso e itinerarios personalizados.
Segundo, cambian los mecanismos. Se transforma el procesamiento de información: junto a la interacción del estudiante con el entorno, surge una estructura inteligente colaborativa estudiante–máquina. Al resolver tareas juntos, las máquinas comparten actividades cognitivas antes realizadas enteramente por el cerebro. Los modelos se convierten en un recurso cognitivo externo para comprender y procesar contenidos, reforzando de manera complementaria la inteligencia humana y artificial.
Decisiones colaborativas humano–IA seguras y fiables
Los avances sucesivos de los modelos pueden elevar la gobernanza educativa hacia decisiones basadas en evidencia, datos y colaboración, con procesos más científicos, precisos e inteligentes.
Primero, cambian los métodos. Los datos educativos aumentan rápidamente en volumen y velocidad y son fragmentados y diversos. Los modelos extraen y procesan información entre modalidades y descubren patrones implícitos. El seguimiento, la evaluación y la retroalimentación dinámicos ofrecen análisis oportunos, integrales y objetivos. Reducen la presión de la sobrecarga informativa y ayudan a resolver distorsiones, sesgos cognitivos y ajustes tardíos en decisiones multinivel, pasando de una gestión general basada en experiencia a una gobernanza precisa, científica y basada en evidencia.
Segundo, cambia el pensamiento de gobernanza. La colaboración genera ideas y conocimientos nuevos. El entrenamiento y análisis de grandes datos y la extracción de rasgos de objetos físicos permiten entornos de representación mediante gemelos digitales. Las simulaciones descubren regularidades y predicen elementos y procesos para orientar la práctica. Esto favorece el paso de una gobernanza reactiva a otra proactiva y anticipatoria.
Iniciativas clave para construir un ecosistema de educación inteligente con grandes modelos
Reforzar continuamente las competencias de docentes y estudiantes en la era inteligente
Los efectos tecnológicos sobre empleo y carreras exigen priorizar competencias y mejorar creatividad digital, adaptación y capacidad de desenvolverse.
Para estudiantes, primero mejorar los mecanismos de alfabetización y competencias digitales: impartir eficazmente tecnología de la información y establecer evaluación y seguimiento del progreso para describir trayectorias. Segundo, fortalecer el aprendizaje autónomo mediante enfoques activos y hábitos de planificación, supervisión y evaluación propias. Tercero, mejorar el aprendizaje con tecnologías inteligentes. Los modelos apoyan adquisición de conocimiento, autonomía y acompañamiento; ayudan a repasar y aprender, mejoran experiencias y facilitan gestionar tiempo, tareas y procesos.
Para docentes, primero fomentar la exploración y aplicación activa. El uso pasa por conciencia, experiencia, práctica y difusión. Deben aprender principios de IA, potenciar su propio aprendizaje y enseñanza y compartir experiencia. Segundo, promover conciencia del cambio de roles. Las escuelas han de adaptar la formación digital a necesidades individuales, mejorar la enseñanza colaborativa y orientar al profesorado hacia el apoyo emocional y la formación del carácter. Tercero, desarrollar investigación docente precisa. Datos de tipos, fuentes y dimensiones diversos permiten identificar carencias pedagógicas, disciplinares y tecnológicas.
Resúmenes e informes analíticos apoyan la investigación colaborativa, la comprensión del aula, la reflexión y la mejora docente.
Mejorar los mecanismos de admisión de productos inteligentes en las escuelas
Integrarlos y prevenir problemas de privacidad, seguridad y contenidos nocivos exige salvaguardias para un entorno saludable y seguro.
Primero, establecer revisión integral y diferenciada. Clasificar productos y graduar riesgos, examinar productos educativos por disciplinas y analizar la cadena de tiempos, lugares, personas, recursos, funciones y materias asociados. La revisión y adaptación rigurosas deben asegurar su integración y correspondencia con necesidades personalizadas en distintas etapas.
Segundo, explorar supervisión dinámica integral y permanente. Evaluar seguridad y adecuación educativa, realizar inspecciones selectivas y rutinarias, gestionar dinámicamente listas negras, grises y blancas y desarrollar alertas y respuestas de emergencia según escenarios. Evaluar seguridad y eficacia.
Tercero, desarrollar modelos educativos más precisos, coherentes lógicamente y adecuados pedagógicamente. Reforzar pruebas éticas y reducir errores, sesgos y contenidos inapropiados para entornos seguros, conformes y éticos.
Cuarto, mejorar guías prácticas para campus. Autoridades, profesionales e investigadores deben elaborar conjuntamente orientaciones para desarrollo estudiantil, docente y transformación escolar. Deben abordar enseñanza diferenciada, aumentada y colaborativa, adquisición de conocimiento, autonomía, mejora del campus y conexiones hogar–escuela, apoyando usos razonables y conformes.
Desarrollar ordenadamente prácticas educativas colaborativas humano–IA
La evolución y aplicación tecnológica hacen de esta colaboración una dirección importante del futuro. Debe animarse al profesorado a explorar y utilizar eficazmente las tecnologías en estos entornos.
Primero, adoptar la pedagogía digital como fundamento teórico. Orientarse a enseñanza eficaz y aprendizaje profundo; optimizar entornos; usar recursos y tecnologías como medios; y buscar prácticas eficaces, centradas en el alumnado y potenciadas por tecnología en espacios digitales fiables.
Segundo, profundizar la investigación de mecanismos mediante enfoques multidisciplinares e interdisciplinares. Estudiar conductas docentes y las interacciones complejas docente–máquina–estudiante, enriqueciendo la teoría. Evaluar sistemáticamente el efecto global y mejorar estructuras y procedimientos de forma iterativa a partir de evidencia.
Tercero, publicar guías y normas de enseñanza. Promover IA generativa en análisis de necesidades de aprendizaje, búsqueda de recursos, generación de preguntas, diseño didáctico y evaluación y retroalimentación, orientando también su uso razonable por estudiantes.
Cuarto, difundir experiencias. Identificar casos que mejoran calidad y aprovechar el liderazgo de docentes ejemplares. Organizar formación según necesidades reales y extender prácticas avanzadas, transferibles y de calidad. Crear comunidades y plataformas para intercambio, colaboración y recursos compartidos y explorar nuevas direcciones.
Establecer normas para las aplicaciones educativas de IA generativa
Prevenir riesgos imprevisibles y proteger a estudiantes cuyo juicio aún se desarrolla exige principios éticos, reglas de servicio y normas educativas.
Primero, normas técnicas fundamentales, generales y orientadoras. Deben incluir, sin limitarse a ello, arquitecturas estables y escalables; accesos cómodos y seguros; cifrado estricto y protección de privacidad; protocolos comunes para interoperabilidad; y derechos claros de propiedad y uso de contenidos.
Segundo, normas de calidad que midan valor, eficiencia y eficacia. Deben contemplar pruebas periódicas de precisión y estabilidad, fuentes fiables y diversas, seguimiento de exactitud, relevancia y adecuación de contenidos y evaluación del apoyo efectivo a objetivos docentes.
Tercero, normas de servicio sobre asistencia técnica, derechos de contenido, orientación y feedback. Deben definir ámbito, destinatarios y escenarios y ofrecer guías para docentes y estudiantes, procedimientos detallados y buenas prácticas. La asistencia debe incluir apoyo permanente y formación periódica. Los derechos deben aclarar la propiedad intelectual y prevenir infracciones. La orientación ha de explicar procedimientos y normas de uso. Canales accesibles deben responder oportunamente a preguntas y sugerencias.
Construir un marco de seguridad técnica y ética para grandes modelos
Su uso masivo puede generar información errónea o falsa, filtraciones de datos y privacidad, sesgos y discriminación algorítmica. Diversos actores deben coordinarse para garantizar diseño, desarrollo y uso ordenados y conformes.
Primero, reforzar regulación y supervisión externa. Adoptar políticas para orientar desarrollo y aplicaciones, proteger datos y privacidad frente a filtraciones, accesos no autorizados y otras vulneraciones. Aplicar gobernanza de datos y computación confiable, cifrado estricto y auditorías y evaluaciones de riesgos habituales.
Segundo, reforzar la responsabilidad de organizaciones y personal de investigación y desarrollo. Mejorar trazabilidad y explicabilidad, diseñar algoritmos transparentes, registrar decisiones y ofrecer documentación explicativa detallada. En lo social, reforzar autorregulación e incorporar principios fiables para prevenir, detectar y eliminar discriminación y sesgos. Establecer normas y acuerdos sectoriales e informes periódicos de transparencia.
Tercero, reforzar la responsabilidad y las normas de uso de los usuarios. Cumplir leyes y reglamentos de datos y ciberseguridad y aplicar las tecnologías razonable y responsablemente. Evitar actos ilegales o contrarios a la ética, invasiones de privacidad y abuso de datos. Formación y comunicación internas deben aumentar conciencia jurídica y responsabilidad moral, junto con mecanismos de supervisión y reclamación.
Autor: Huang Ronghuai
Fuente: Academic Frontiers, n.º 14 de 2024
DOI de la publicación original：10.16619/j.cnki.rmltxsqy.2024.14.003
Enlace original: https://aiedchair.bnu.edu.cn/news-9689-es/
