La IA implica entrenamiento a través de datos (libros, imágenes, sonidos, bases de datos. Toda esta información contienen sesgos de su creador. Por ejemplo, libros con cierta tendencia ideológica, científica, etcétera.

En esta actividad que comparto abajo, alumnas y alumnos aprenden que la IA requiere aprender con ejemplos justos y variados para tomar buenas decisiones y ayudar mejor a las personas.

Esta actividad tiene como objetivo que estudiantes expliquen el funcionamiento de la Inteligencia Artificial mediante la experimentación con el Machine Learning.

Los datos, libros, imágenes, algoritmos con los cuales se entrena la IA contienen sesgos de su creador

La idea de esta actividad, creada por el MIT, es que estudiantes entrenen a una IA mediante un conjunto de datos para explicar cómo el conjunto de datos, el algoritmo de aprendizaje y la predicción son elementos que influyen en las respuestas de una IA y que por tanto, las IA como ChatGPT, DeepSeek y Copilot tienen sesgos.

¿Por qué es relevante esta actividad para alfabetizar en el uso de la IA?

Los estudiantes, al entrenar una máquina para que reconozca imágenes, podrán explicar cómo funciona la IA y además que:

La IA implica entrenamiento a través de datos (libros, imágenes, etcétera)

Los datos, libros, imágenes, algoritmos con los cuales se entrena la IA contienen sesgos de su creador (libros con cierta tendencia ideológica, científica, etcétera).
Que una IA requiere una ética para que manifieste los sesgos que tiene al usuario.
Que una IA ética, requiere la rectificación de dichos sesgos.

Pasos de la actividad

Se pide a estudiantes que generen en su computadora una carpeta denominada "Datos de entrenamiento".
Dentro de la carpeta "Datos de entrenamiento" que generaron, se pide a estudiantes que generen una carpeta denominada "Gatos" donde descargarán de la web 50 imágenes de diferentes tipos de gatos. Igualmente, además de la carpeta "gatos", deben generar una carpeta denominada "perros", donde descargarán 20 imágenes de diferentes tipos de perros.

Posteriormente, se pide a estudiantes que generen una carpeta denominada "Datos de Prueba". Ahí, estudiantes generarán dos carpetas denominadas "gatos" y "perros" y en cada una descargarán 5 imágenes de perros y 5 imágenes de gatos que sean distintas a los datos de entrenamiento.

En el siguiente paso, Se pide a estudiantes que accedan a la página “Teachable Machine With Google" (en el sitio, hay un tutorial muy breve y fácil de entender sobre cómo usar la "Teacheable Machine" y se cargan los datos de entrenamiento a una máquina. Con dichos datos de entrenamiento, se genera una IA y una vez creada, se pone a prueba su entrenamiento subiendo una imagen, de perro o gato para ver si puede reconocer cuál es uno y cuál es otro. Nota: como los datos de entrenamiento son distintos, la IA tenderá a reconocer mejor las imágenes de gatos que las de perros y estudiantes se darán cuenta de ello.
En una hoja de Word reflexionar por qué en nuestra prueba se reconoce mejor un animal que otro.
Hacer un conjunto de datos de entrenamiento nuevo, equilibrando el conjunto de datos entre perros y gatos (50 imágenes de distintas de cada uno de estos animalitos) para hacer una prueba para verificar si los resultados son diferentes..
Hacer una breve reflexión en un documento de Word y/o sostener un dialogo en clase al respecto.

Esta actividad está adaptada del curso Actividades para la Enseñanza de la Ética de la inteligencia artificial, desarrollado por el MIT Media Lab del Instituto Tecnológico de Massachusetts.

Glosario de términos utilizados en esta actividad

Datos de entrenamiento

Imagina que quieres enseñar a tu mascota robot en forma de perrito Chihuahua a reconocer diferentes animales. Los "datos de entrenamiento" son como un álbum gigante de fotos que le muestras al robot. Si quieres que aprenda qué es un perro, le enseñan miles de fotos de perros de todos los tamaños y colores. Es como cuando tú aprendes las letras viendo muchos libros y carteles. De esa misma forma, el robot Chihuahua necesita ver muchos ejemplos para aprender bien.

Datos de prueba

Después de que el robot Chihuahua "estudió" todas esas fotos, llega el momento del examen. Los "datos de prueba" son como mostrarle fotos nuevas que que el robot Chihuahua nunca ha visto para ver si aprendió correctamente. Es como cuando la maestra hace un examen con problemas diferentes a los que estudiantes practicaron en casa. De esta forma, sabremos si nuestro robot Chihuahua realmente aprendió o solo memorizó.

Machine Learning

"Machine Learning" significa "aprendizaje de máquina" en español. Es como si le enseñáramos a una computadora a aprender igual que una persona aprende a andar en bicicleta. Al principio se tambalea y comete errores, pero mientras más practica, mejor se vuelve. La computadora mira patrones en la información y aprende a hacer predicciones, como cuando nosotros aprendemos que las nubes grises significan lluvia.

Sesgos algorítmicos

Imagina que tu robot mascota solo vio fotos de perros grandes durante su entrenamiento, pero nunca vio un perrito de raza Beagle (la raza del perrito Snoopy). Cuando le muestren un Beagle podría pensar que es un gato. Eso es un "sesgo": cuando el robot tiene una idea equivocada porque no aprendió con ejemplos variados. Es como si una persona pensara que todos los doctores son hombres porque solo ha visto doctores hombres en las películas. Los sesgos hacen que las máquinas sean injustas.

La IA necesita aprender con ejemplos justos y variados para tomar buenas decisiones.

Teacheable Machine de Google

Google lo explica así:

Imagina que quieres enseñarle a tu computadora a reconocer cosas como lo haría una persona, pero sin tener que escribir una sola línea de código. De eso se trata "Teachable Machine".

Es una herramienta web gratuita de Google que te permite crear modelos de inteligencia artificial de una manera súper fácil. Funciona en tres pasos:

1. Recopilar

Primero, le das ejemplos de lo que quieres que aprenda. Puedes usar tu cámara web o subir archivos. Por ejemplo:

Imágenes: Le muestras muchas fotos de perritos en una categoría y muchas fotos de gatitos en otra.

Sonidos: Grabas el sonido de un aplauso en una categoría y el de un silbido en otra.

Poses: Te tomas fotos de pie en una categoría y sentado en otra.

2. Entrenar

Después, con un solo clic en el botón "Entrenar", la herramienta aprende a diferenciar las categorías que creaste. En cuestión de segundos, la computadora analiza todos los ejemplos y crea un "modelo" o un cerebro artificial.

3. Probar y Exportar

Inmediatamente después de entrenar, puedes probar tu modelo en tiempo real. Le muestras una nueva imagen, sonido o pose, y te dirá a qué categoría cree que pertenece. Si funciona bien, puedes exportar tu modelo para usarlo en tus propias páginas web, aplicaciones o proyectos.

En resumen, Teachable Machine es como un patio de juegos para la inteligencia artificial. Hace que cualquiera, sin importar sus conocimientos técnicos, pueda experimentar y construir cosas increíbles con aprendizaje automático.

Estos videos tienen un tutorial de la "Teacheable Machine"