NMC Horizon Report > 2017 Higher Education Edition (Spanish)
>Desarrollos importantes en la tecnología educativa para la educación superior
>>Plazo estimado para su implementación: de cuatro a cinco años

Inteligencia artificial

Plazo estimado para su implementación: de cuatro a cinco años

Resumen ejecutivo

Introducción

Tendencias clave que aceleran la adopción de nuevas tecnologías en la educación superior

Tendencias a largo plazo: avance en la adopción de nuevas tecnologías en la educación superior en cinco o más años

 > El avance de las culturas de innovación
 > Enfoques de aprendizaje más profundo

Tendencias a medio plazo: avance en la adopción de nuevas tecnologías en la educación superior en los próximos tres a cinco años

 > Crecimiento del interés en la analítica del aprendizaje
 > Rediseño de los espacios de aprendizaje

Tendencias a corto plazo: avance en la adopción de nuevas tecnologías en la educación superior en los próximos uno o dos años

 > Diseños de aprendizaje híbrido
 > Aprendizaje colaborativo

Desafíos significativos que impiden la adopción de tecnologías en la enseñanza superior

Desafíos solucionables: aquellos que entendemos y sabemos cómo solucionar

 > Mejora de la alfabetización digital
 > Combinación de aprendizaje formal e informal

Desafíos difíciles: aquellos que entendemos pero cuyas soluciones son imprecisas

 > Diferencia de rendimiento
 > Avance de la equidad digital

Desafíos muy difíciles: aquellos que son difíciles incluso de definir y mucho más de solucionar

 > Gestión del conocimiento obsoleto
 > Replanteamiento del rol del educador

Desarrollos importantes en la tecnología educativa para la educación superior

Plazo estimado para su implementación: un año o menos

 > Tecnologías de aprendizaje adaptativo
 > Aprendizaje móvil

Plazo estimado para su implementación: de dos a tres años

 > Internet de las cosas
 > La próxima generación de LMS

Plazo estimado para su implementación: de cuatro a cinco años

 > Inteligencia artificial
 > La interfaz natural de usuario

Metodología

El panel de expertos en educación superior 2017

En el campo de la inteligencia artificial (AI), los avances en la informática están siendo utilizados para crear máquinas inteligentes que se parecen más a los seres humanos en sus funciones.[i] La ingeniería del conocimiento que permite a los ordenadores simular la percepción humana, el aprendizaje y la toma de decisiones se basa en el acceso a categorías, propiedades y relaciones entre varios conjuntos de información. El aprendizaje automático es un subconjunto de la AI, que proporciona a los ordenadores la capacidad de aprender sin ser explícitamente programados.[ii] Como otra área importante de investigación, las redes neuronales imitan la función biológica de los cerebros humanos para interpretar y reaccionar a estímulos específicos tales como palabras y tono de voz. Las redes neuronales resultan valiosas para interfaces naturales de usuario más sofisticadas a través del reconocimiento de voz y el procesamiento del lenguaje natural, y permite que los seres humanos interactúen con las máquinas de manera parecida a como interactúan entre ellos. [iii] A medida que las tecnologías subyacentes continúan desarrollándose, la AI tiene el potencial de mejorar el aprendizaje online, el software de aprendizaje adaptativo y los procesos de investigación de manera que responda y se involucre con los estudiantes de forma más intuitiva.

Visión general

Desde la década de 1950, el punto de referencia para la inteligencia de máquina ha sido el Test de Turing, que pretende demostrar que un ser humano es incapaz de distinguir una máquina de otro ser humano en conversaciones y situaciones del mundo real. [iv] La prueba finalmente fue superada en 2014[v]  y la AI ahora se emplea normalmente en la educación superior en la asistencia online 24/7, incluido el uso de IBM Watson en la Deakin University.[vi] El potencial completo de Inteligencia Artificial para la educación sigue sin explotarse, pero las instituciones pueden ver su evolución en el sector de consumo. Los asistentes virtuales, por ejemplo, interpretan las señales verbales para responder con conversaciones, imitando la interacción humana.[vii] Aunque los populares avatares como Siri y Cortana están incorporados en los smartphones, Alexa de Amazon se está popularizando como asistente autónomo, siempre disponible que utiliza micrófonos de campo lejano para recuperar la información de la web cuando se le ordena.[viii] De hecho, la tecnología autónoma que satisface las necesidades de las personas está en el centro de atención; Uber recientemente ha pilotado  una flota de automóviles autodirigidos, que han llevado  de forma segura a los clientes por San Francisco[ix].

Algunos temen, sin embargo, que el campo esté avanzando más rápido de lo que la gente entiende. Por naturaleza, el funcionamiento de la Inteligencia Artificail es complejo y opaco, por lo que se necesitan interfaces que reflejen cómo funciona para fomentar más confianza. IBM ha sido un líder en esta área, liberando imágenes y gráficos explicativos para sus sistemas de Inteligencia Artificial médica. [x] En la educación superior, las posibilidades de los tutores virtuales y las herramientas de aprendizaje adaptativo más sofisticada, chocan normalmente con la preocupación de que la tecnología, no importa lo humana que parezca, no puede ni debe reemplazar a los educadores[xi] El libro Interfaces, de Brandon Hookway,[xii] profesor de la Cornell University, prevé un futuro más equilibrado para la educación superior en la línea de “Interface University”. En esta visión, los ordenadores habilitados para la Inteligencia Artificial no se ven como una herramienta, sino como un tercer hemisferio del cerebro que realza los procesos de aprendizaje creativos y cognitivos – una asociación igualitaria y simbiótica, o mente híbrida, entre los seres humanos y sus dispositivos.[xiii]

El aprendizaje automático ya está estimulando el progreso tanto en la vida profesional como en el aprendizaje informal. El proyecto de ciencia ciudadana Smart Flower Recognition System es una asociación entre Microsoft Research Asia y la Chinese Academy of Sciences que ayuda a los botánicos de China a identificar rápidamente las plantas con fotos tomadas con smartphones. A través de redes neuronales, los algoritmos filtran automáticamente las presentaciones de baja calidad e identifican las flores en la base de datos de fotos con más del 90% de precisión.[xiv] Las implicaciones de este tipo de proyecto para la investigación de estudiantes y profesores son convincentes, porque las consultas de búsqueda ya no tienen que basarse en el texto. Para graduar las posibilidades de la Inteligencia Artificial durante los próximos cuatro a cinco años, la educación superior puede comenzar con códigos abiertos (open source) y librerías de software libre para la computación numérica, tal como lo proporcionan OpenAI[xv] y TensorFlow de Google.[xvi]

Relevancia en la enseñanza, el aprendizaje, o la investigación creativa

Un objetivo general de la Inteligencia Artificial es reforzar la productividad y la participación, y dar un apoyo mayor al mercado de trabajo global y a los individuos en su vida cotidiana.[xvii] Esto hace que esta tecnología se prometedora para la educación superior, sobre todo porque la enseñanza y el aprendizaje online están creciendo. El aprendizaje adaptativo, presentado anteriormente en este informe, utiliza algoritmos básicos de Interligencia Artificial para personalizar el aprendizaje, entregando el contenido que mejor se adapte a las necesidades de los estudiantes según su rendimiento y su participación en la materia.[xviii] A medida que las instituciones recopilan una cantidad creciente de datos sobre el aprendizaje de los estudiantes, también necesitan herramientas para extraerlas y analizarlas gradualmente; los proveedores de software de aprendizaje automático, como Jenzabar [xix] e IBM SPSS[xx] ayudan a las universidades a interpretar los datos para mejorar la retención de los estudiantes, los programas de ayuda financiera y predecir futuras matriculaciones. Los enfoques emergentes como la educación basada en competencias necesitarán formas más sofisticadas de Inteligencia Artificial para evaluar la adquisición de habilidades concretas, como el modelado 3D y la creación de prototipos de un automóvil, con el fin de proporcionar feedbacks personalizados.

En su búsqueda de una mayor personalización en la educación superior, los líderes de opinión como Bill Gates abogan por tutores virtuales de Inteligencia Artificial. Proporcionar feedbacks exhaustivos sobre tareas de escritura, por ejemplo, es un proceso extenso y que lleva mucho tiempo a los profesores; los tutores virtuales pueden ir más allá de los errores superficiales y analizar el significado, los temas y los argumentos para proporcionar feedbacks específicos a los estudiantes. En las aulas online, los tutores pueden interrumpir las clases de vídeo para hacer preguntas directamente a los estudiantes, reproducir fragmentos del vídeo si se piensa que al estudiante le está costando entender un tema específico.[xxi] Este tipo de apoyo y tutoría omnipresente puede subsanar algunas lagunas, en concreto, en cursos de introducción numerosos, donde para los profesores es difícil ofrecer a sus alumnos una atención individual. Los investigadores de la National School of Engineers of Sousse en Túnez están investigando un sistema de tutoría basada en Inteligencia Artificial que reconoce las expresiones faciales mientras los estudiantes participan en experimentos científicos en laboratorios remotos y virtuales.[xxii]

Sin embargo, el escepticismo sobre la ética de la Inteligencia Artificial puede dificultar el progreso. El Foro Económico Mundial considera que algunos factores, como el racismo, son una preocupación importante, cuestionando la capacidad de los seres humanos para prevenir tales consecuencias no deseadas.[xxiii] Como los defensores de Inteligencia Artificial avanzan con dificultad a través de estos temas, las universidades se convierten en incubadoras fundamentales para el desarrollo de nuevas tecnologías. El Computer Science and Artificial Intelligence Laboratory del MIT creó recientemente un algoritmo de aprendizaje profundo que observa imágenes fijas y luego crea breves vídeos que simulan eventos futuros.[xxiv] En Suiza, el AI Lab de la  University of Zurich ha desarrollado Roboy, un robot humanoide con articulaciones y tendones que ha dado lugar a muchas actividades de seguimiento; a través del proyecto del cerebro humano, por ejemplo, los científicos y los profesores están simulando cerebros humanos para los robots. [xxv] Incorporar la Inteligencia Artificial en la vida cotidiana depende de los avances del procesamiento del lenguaje natural que provoque interacciones más genuinas entre la máquina y el hombre. Algunos investigadores de la Free University of Brussels están investigando cómo pueden auto-organizar los idiomas los agentes robóticos, partiendo de la base de que el significado puede evolucionar junto con el lenguaje.[xxvi]

Inteligencia artificial en la práctica

Los siguientes enlaces proporcionan ejemplos de inteligencia artificial que tienen implicaciones directas en entornos de educación superior:

Artificial Intelligence Laboratory at the University of Michigan

go.nmc.org/umail

Uno de los principales objetivos del laboratorio de Inteligencia Artificial de la University of Michigan es investigar el desarrollo de la tecnología de asistencia para personas con discapacidades físicas o cognitivas. Uno de ellos, es el diseño de una interfaz automática que se ajusta automáticamente a las necesidades de los discapacitados visuales.

SAIL-Toyota Research Center

go.nmc.org/sailtoy

El Stanford Artificial Intelligence Laboratory se ha asociado con Toyota para realizar investigaciones para la próxima generación de automóviles inteligentes. Los investigadores en campos como el aprendizaje automático, la robótica y el procesamiento del lenguaje natural se están uniendo para desarrollar nuevos algoritmos.

University of Cambridge Artificial Intelligence Group (AIG)

go.nmc.org/claiuc

El AIG abarca múltiples disciplinas -como la genómica, la teoría del aprendizaje computacional y el razonamiento informal- para diseñar poderosos algoritmos que abordan problemas de reconocimiento de patrones automáticos y posteriormente identificar aplicaciones prácticas para esos modelos.

Lecturas adicionales

Se recomiendan los siguientes recursos a aquellas personas que deseen aprender más acerca de la inteligencia artificial:

Four Ways that Artificial Intelligence Can Benefit Universities

go.nmc.org/4ways

(Rose Luckin, Times Higher Education, 9 de agosto de 2016.) Además de otras tres posibilidades, el autor señala que la educación superior está bien posicionada para formar a los estudiantes para que trabajen junto a sistemas inteligentes complejos; trabajadores que puedan distinguir con habilidad cómo y dónde puede la inteligencia humana aumentar el potencial de las máquinas para incrementar la productividad.

The Future of Artificial Intelligence in Education

go.nmc.org/futai

(Barbara Kurshan, Forbes, 10 de marzo de 2016.) En la educación superior, los avances en la Inteligencia Artificial todavía están atrasados, pero algunos gigantes de la industria como Google están invirtiendo en el desarrollo de software de aprendizaje profundo para hacer que las actividades diarias sean más eficientes. El artículo cita el progreso en la Cornell University y la Brown University en el diseño de robots que pueden aprender a realizar pequeñas tareas.

Higher Education for the AI Age

go.nmc.org/machinesdo

(Joseph E. Aoun, The Washington Post, 27 de octubre de 2016.) Una encuesta de 2016 revela que el 80% de los investigadores en Inteligencia Artificial afirman que las máquinas alcanzarán niveles de inteligencia artificial que coinciden con la inteligencia humana. Con las crecientes aplicaciones de Inteligencia Artificial en dominios profesionales como el diagnóstico médico, el autor anima a las personas a ver la educación superior menos como un objetivo en sí mismo y más como un vehículo para el aprendizaje permanente.

[i]                                   http://www.computerworld.com/article/2906336/emerging-technology/what-is-artificial-intelligence.html

[ii]                                  http://www.sas.com/en_us/insights/analytics/machine-learning.html

[iii]                                 http://artint.info/html/ArtInt_183.html

[iv]                                http://whatis.techtarget.com/definition/Turing-Test

[v]                                 https://www.theguardian.com/technology/2014/jun/08/super-computer-simulates-13-year-old-boy-passes-turing-test

[vi]                                http://www.deakin.edu.au/about-deakin/media-releases/articles/ibm-watson-helps-deakin-drive-the-digital-frontier

[vii]                               http://www.slate.com/articles/technology/cover_story/2016/04/alexa_cortana_and_siri_aren_t_novelties_anymore_they_re_our_terrifyingly.html

[viii]                              http://www.slate.com/articles/technology/cover_story/2016/04/alexa_cortana_and_siri_aren_t_novelties_anymore_they_re_our_terrifyingly.html

[ix]                                http://www.nytimes.com/2016/12/14/technology/uber-self-driving-car-san-francisco.html

[x]                                 https://www.flickr.com/photos/ibm_research_zurich/albums/72157636361743526/with/10173949393/

[xi]                                http://www.recode.net/2016/6/22/11985726/robot-teachers-artificial-intelligence-coursera-daphne-koller

[xii]                               https://mitpress.mit.edu/books/interface

[xiii]                              https://mitpress.mit.edu/books/interface

[xiv]                             https://www.microsoft.com/en-us/research/blog/researchers-team-up-with-chinese-botanists-on-machine-learning-flower-recognition-project/

[xv]                              https://openai.com/about/

[xvi]                             https://www.tensorflow.org/

[xvii]                            https://medium.com/@tdietterich/benefits-and-risks-of-artificial-intelligence-460d288cccf3#.4m86dzivv

[xviii]                           http://er.educause.edu/articles/2016/3/adaptive-learning-platforms-creating-a-path-for-success

[xix]                             https://www.jenzabar.com/higher-education-solutions/enterprise-resource-planning-erp/

[xx]                              http://www-01.ibm.com/software/analytics/spss/academic/solutions/administrators.html

[xxi]                             http://www.theverge.com/2016/4/25/11492102/bill-gates-interview-education-software-artificial-intelligence

[xxii]                            http://www.sciencedirect.com/science/article/pii/S1877050915034912

[xxiii]                           https://www.weforum.org/agenda/2016/10/top-10-ethical-issues-in-artificial-intelligence/

[xxiv]                          https://www.csail.mit.edu/node/2910

[xxv]                           http://roboy.org/

[xxvi]                          https://ai.vub.ac.be/research/topics/evolutionary-linguistics