Uso de LLMs en el ámbito educativo

Herramientas, aplicaciones prácticas y ética para docentes.

Objetivo: Capacitar en los fundamentos de la Inteligencia Artificial (IA) y los Modelos de Lenguaje Grandes (LLM), sus aplicaciones prácticas y consideraciones éticas. El objetivo es fomentar un uso responsable, eficiente y seguro de estas tecnologías en el ámbito académico.

Tema 1: ¿Qué es la IA y los LLM? Fundamentos de la Inteligencia Artificial Conversacional.

La Inteligencia Artificial (IA) es un campo de la informática que busca crear sistemas y máquinas capaces de realizar tareas que requieren de la inteligencia humana. Esto incluye habilidades como el aprendizaje, la percepción visual, la toma de decisiones, la comprensión del lenguaje natural y la resolución de problemas.

En esencia, la IA se trata de dotar a las máquinas de la capacidad de imitar el comportamiento humano para que puedan procesar información y actuar de forma autónoma.

Introducción a la IA: Una breve introducción a la Inteligencia Artificial (IA), sus ejemplos cotidianos, historia y evolución.

• 1956: Conferencia de Dartmouth: Claude Shannon acuñó el término "inteligencia artificial".

• 1958: Perceptron: Perceptrón se considera la primera red neuronal artificial.

• 1960: ADALINE: El Elemento Lineal Adaptativo era una red neuronal artificial simple que sentó las bases para futuros avances en las redes neuronales y el aprendizaje automático.

• 1997: Deep Blue: el primer sistema informático en derrotar a un campeón del mundo de ajedrez en una partida de torneo estándar.

• 2012: AlexNet:  Una red neuronal de aprendizaje profundo con muchas capas, avance en el reconocimiento de imágenes.

• 2019: GPT-2: modelo capaz de generar respuestas a partir de una variedad de instrucciones (prompts) que resultan cercanas a la calidad humana y demuestran coherencia a lo largo de un texto.

• 2020-2024: La evolución de la IA se acelera: El lanzamiento del GPT-3 de OpenAI en 2020 trajo un modelo capaz de producir texto que a menudo es indistinguible del escrito por humanos.

• El futuro de la IA: además de garantizar que los beneficios de la IA lleguen a todos, según los expertos, debemos esperar una IA interactiva -bots que pueden dar instrucciones a otro software para que realicen tareas.

Definición de LLM: Explicación de qué son los Modelos de Lenguaje Grandes (LLM), cómo se entrenan y mención de modelos populares como Gemini y ChatGPT.

• Los Modelos de Lenguaje Grandes (LLM) son un tipo de Inteligencia Artificial (IA) conversacional. Un LLM es un modelo que se entrena con grandes cantidades de datos textuales para aprender a entender, generar y manipular el lenguaje humano. Estos modelos pueden ser utilizados para asistentes virtuales, traductores y generadores de contenido, entre otras aplicaciones. La clave de su funcionamiento es que, una vez que han sido entrenados, pueden generar texto de manera autónoma en respuesta a las peticiones del usuario
  
  

Capacidades y Limitaciones: Los Modelos de Lenguaje Grandes (LLM) son herramientas poderosas con capacidades notables, pero también poseen limitaciones importantes que deben ser consideradas.

Capacidades:

• Generación de Contenido: Pueden generar textos, ideas para ensayos y proyectos, y resumir documentos.

• Asistencia en tareas: Son útiles para la redacción, la gramática, el vocabulario y la práctica de idiomas.

• Soporte Educativo: Ayudan a la planificación de clases, la creación de materiales didácticos, la generación de preguntas de examen y la explicación de conceptos complejos.

• Optimización de Tareas: Agilizan tareas repetitivas, como la redacción de correos electrónicos y la creación de respuestas a preguntas frecuentes.

Limitaciones:

• Alucinaciones: Los LLM pueden generar información que parece plausible pero que es incorrecta o fabricada. Es crucial verificar la información generada por ellos.

• Sesgos: Los modelos pueden reflejar sesgos presentes en los datos con los que fueron entrenados. Es importante considerar la diversidad en los datos para mitigar este problema.

• Dependencia del Criterio Humano: Los LLM deben usarse como un punto de partida o una herramienta de apoyo, no como una fuente final o un sustituto del juicio humano. La verificación y el criterio humano son esenciales.
  
  

Tema 2: Explorando el paisaje de la IA: Más allá de los LLM.

• Interconexión y Casos de Uso: Explicar cómo los diferentes tipos de IA se complementan y mostrar ejemplos de su aplicación en diversas industrias.

• Vehículos autónomos: Utilizan Visión por Computadora para detectar otros autos, peatones y señales de tráfico; Aprendizaje por Refuerzo para tomar decisiones de conducción; y Sistemas Expertos para seguir las reglas de tráfico.

• Diagnóstico Médico: La Visión por Computadora puede analizar imágenes médicas para detectar anomalías, mientras que los Sistemas Expertos pueden sugerir diagnósticos basándose en reglas predefinidas y datos del paciente.

• Recomendaciones de Productos: El Aprendizaje Automático No Supervisado (clustering) agrupa a los clientes con gustos similares, mientras que un LLM podría generar una descripción del producto para enviar por correo electrónico.

• Sistemas de Seguridad: El Reconocimiento Facial

Tema 3: LLM en el ámbito educativo: Herramientas y aplicaciones prácticas para profesores.

•  Planificación y creación de contenido: Los LLM pueden ayudar a generar ideas para lecciones y actividades. También pueden ser utilizados para crear materiales didácticos, rúbricas y criterios de evaluación. Con esta herramienta, los docentes pueden simplificar la planificación de clases y crear materiales de enseñanza atractivos.

• Soporte a la enseñanza: Los LLM también ofrecen soporte directo en el proceso de enseñanza, se sugiere utilizarlos para la creación de preguntas de examen, ejemplos, y para la explicación de conceptos complejos.

• Retroalimentación y Personalización: Los Modelos de Lenguaje Grandes (LLM) pueden brindar ideas para proporcionar retroalimentación formativa y adaptada a las necesidades de los alumnos. Estas herramientas ayudan a los profesores a personalizar la enseñanza y el aprendizaje.

• Innovación Pedagógica: Los LLM pueden fomentar la creatividad y el aprendizaje diferenciado.

Tema 4: Uso responsable y ética de los LLM para todos

• Sesgos y discriminación: Los grandes modelos de lenguaje (LLM) son herramientas poderosas, pero no están exentos de fallas. Uno de sus mayores desafíos es el sesgo, que pueden reflejar y perpetuar a partir de los datos con los que fueron entrenados.
  
  

• Privacidad y seguridad de datos: Considera que la información puede ser almacenada. Ten en cuenta que todo lo que escribes podría ser guardado por la herramienta. Por ello, nunca introduzcas datos que no querrías que se asociaran contigo.
  
  

• El desafío del plagio y la originalidad: Fomentar el pensamiento crítico y la creación genuina, en lugar de la simple generación de contenido.
  
  

• Verificación y criterio humano: el rol insustituible del docente, los LLM, a pesar de su sofisticación, no son infalibles. Pueden cometer errores de varias maneras.
  
  

• Directrices y políticas institucionales: Una política institucional completa sobre el uso de la IA debe abarcar varios puntos clave a modo que el estudiante reconozca lo que se puede y lo que no se puede hacer con apoyo de un LLM.
  
  

Tema 5: Prompts Efectivos y Herramientas Prácticas

• El arte de los prompts: Un prompt es una instrucción o pregunta que se le da a un modelo de inteligencia artificial, como un modelo de lenguaje, para que genere una respuesta.

• Ejercicios prácticos: Se realizará un ejercicio guiado con un LLM como Gemini para diseñar una actividad, crear una rúbrica o generar un plan de clase.
  
  

  

Fuentes de Información:

• Google. (2025). Gemini (v1.5). [Modelo de lenguaje grande].

• https://es.weforum.org/stories/2024/10/una-breve-historia-de-la-ia-en-10-momentos-clave/

• Presentación creada con el apoyo de Gamma App: https://gamma.app/docs/1n0ln6mn4siezcy?following_id=n0702rd99xxg5np&follow_on_start=true