La inteligencia artificial es una innovación disruptiva. Llega redefiniendo escenarios y cambiando las reglas: tecnología, negocios, cotidianeidad… en todo ámbito.
Todos debemos decodificar estos cambios, adaptarnos y adoptar la IA para mejorar nuestra ecuación de valor. Entonces cabe preguntarnos de qué forma introducir la IA dentro de la formación en Informática y cómo la misma redefine nuestro trabajo docente.
El contexto cambia constantemente
Además de ser en sí misma un agente de cambio, considerar la IA en el ámbito educativo implica un análisis multidimensional, dónde nos cuestionamos qué carreras tienen sentido, qué estrategias pedagógicas utilizar, el largo de las carreras, lo que el mercado requiere, lo que se acepta como estrategia de formación de parte de los estudiantes, la combinación de contenidos de larga duración (ej.: en Ingeniería las Ciencias básicas) y los contenidos más tecnológicos (y por tanto de más rápida obsolescencia), entre otros.
Asistimos también a una intención de muchos actores de simplificar la formación, de reducirla, de quitarle complejidad, olvidando que Ingeniería es resolver problemas, y que esta formación es justamente para que el profesional aborde problemas complejos.
En medio de esta ecuación de complejidad, pensar la IA como una amenaza a la originalidad de los entregables, entiendo es inadecuado, y deja muchos conceptos sin considerar.
A continuación propongo una breve discusión de algunos aspectos que entiendo hacen al impacto de la IA en la enseñanza de la Ingeniería en Informática.
La IA como una capa extra
En informática, la IA se presenta como una capa extra que puede incluso automatizar la programación. Esto permite atacar problemas más complejos, ya que podría automatizar algunas partes del proceso de desarrollo.
En las etapas de codificación en algún lenguaje, una versión 0 del código podría provenir de la IA, siempre que todos los actores entiendan que esto debe iterar a través del trabajo de expertos. En las etapas de testing, la generación de casos, la prueba automática, no debería contribuir más que a la mejora en la calidad del producto final y a un costo razonable.
En general, podemos ver la IA como una capa más en ese corte por niveles de abstracción que va desde la arquitectura física hasta la interacción con el usuario humano. Esa interacción podría mejorarse, simplificarse, por medio de herramientas de IA, sea cual sea el uso que se dé a un sistema informático.
La IA soportada por el nivel de infraestructura
La arquitectura de los sistemas se rige por una arquitectura básica Von Neumann, diseñada en los años 1950s; y los sistemas operativos se rigen por lo que se haya derivado del SO Unix, creado en 1970s. La IA impacta desde las capas superiores, trae nuevos requisitos de soportar una computación intensiva tanto para los servicios del SO como para el hardware. Es interesante mostrar como la IA se integra a modelos de cómputo existentes y que los mismos soportan estas nuevas familias de requerimientos sin problemas.
La IA y las Ciencias básicas
Una discusión recurrente ha sido el cuestionamiento de cuánto incluir de Ciencias básicas en la currícula de Ingeniería. La IA viene poniendo bajo discusión las destrezas tecnológicas y la programación en particular, donde las IAs logran insertarse con éxito.
Sin embargo, para desarrollar soluciones que involucren redes neuronales, deep learning, análisis automático de datos, etc. aparecen como fundamentales asignaturas como Algebra Lineal, Lógica, Cálculo,… la Inteligencia Artificial pone de manifiesto la necesidad de formar ingenieros fuertes en ciencia básica.
La IA y los lenguajes declarativos
En otro tiempo, catalogados de inútiles los lenguajes funcionales y los lenguajes lógicos, por su característica de centrarse en el “qué” y no en el “cómo”, cobran un nuevo protagonismo al interactuar con herramientas basadas en IA. Los paradigmas declarativos soportan pruebas de correctitud; y producir software del que se pueda demostrar correctitud es interesante en estos contextos.
La IA y la revalorización de algunas disciplinas
La potencia de cómputo de las arquitecturas así como las técnicas de solución de problemas basadas en herramientas de IA, ponen interés sobre disciplinas que están consolidando aportes: Redes Neuronales, Procesamiento de Lenguaje Natural, Teoría de Juegos, entre otros.
La IA como elemento dinamizador de la clase
Citábamos al comienzo el desafío educar y aportar desde la clase a la formación del estudiante. Aquí algunos ejemplos que la IA propicia para dinámicas de clase:
- Simulación de situaciones en tiempo real
- Generación inmediata de datos de prueba
- Población de bases de datos para pruebas
- Eliminación de asuntos tediosos al codificar ejercicios
- Generación de factores para discusión disparadora
- Contraste de puntos de vista automáticos sobre un mismo problema
También a la hora del autoestudio:
- Diseño de estrategias personalizadas de aprendizaje
- Diseño de programas sobre cierta temática
- Diseño de estrategias para eliminar problemas de formación de base
- Regulación del nivel de detalle
- Generación de ejercicios con sus soluciones.
En definitiva
Estamos frente a una maravillosa oportunidad que nos brinda la tecnología. Emerge un conjunto de herramientas que automatizará para siempre una serie de tareas. Esta revolución tiene impactos de todo tipo y son inevitables. Corresponde preguntarnos qué implicancias tienen para nosotros a la hora de aprender, de enseñar, de diseñar todo tipo de aprendizajes. Estamos frente a un enorme desafío.