A4 La IA en la práctica
¿Cómo predicen los modelos y quién es responsable cuando se equivocan?
Planes de lección listos, herramientas en desarrollo
- Etapa
- Programadores, edades 11 a 14
- Lecciones
- 6 × 50 minutos (5 horas)
- Termina con
- Un modelo con informe de pruebas y un breve argumento razonado sobre un tema de IA
- Antes de empezar
- Fundamentos de Python (variables, entrada, condicionales, bucles)
Planes de lección listos, herramientas de Python en desarrollo. Las lecciones 5 y 6 pueden impartirse hoy. Las lecciones 1 a 4 usan una pequeña biblioteca de datos y un clasificador de vecino más cercano que aún están por construir; hasta entonces, los docentes pueden usar una hoja de cálculo o sus propios scripts cortos de Python.
Para que los niños lo hagan por su cuenta. Cada lección tiene una versión paso a paso para hacer solo, con una autocomprobación. Abrir la versión para niños.
Al terminar, los niños pueden decir
- Puedo explicar cómo usa un modelo las características para hacer una predicción.
- Puedo entrenar un clasificador sencillo con un conjunto de datos en Python.
- Puedo probar un modelo de forma justa y explicar el sobreajuste.
- Puedo encontrar y describir el sesgo en un conjunto de datos y su efecto.
- Puedo explicar que un modelo de lenguaje predice las palabras siguientes más probables y puede dar respuestas erróneas con seguridad.
- Puedo debatir un tema de IA desde varios puntos de vista y escribir mi propio código de conducta.
Sobre este curso
Formato. Python con conjuntos de datos pequeños, además de debate y escritura.
Herramientas. Un editor de Python en el navegador, pequeños conjuntos de datos incluidos (por ejemplo, medidas de flores o pingüinos) y una demostración segura de la palabra siguiente. La biblioteca de datos y el clasificador están en desarrollo.
Palabras clave. característica, etiqueta, modelo, entrenamiento, prueba, precisión, sobreajuste, sesgo, modelo de lenguaje, prompt, ética.
Etiquetas curriculares.
- Informática: algoritmos, datos, programación
- Alfabetización digital: seguridad en línea, evaluación de contenidos, ética
El currículo nacional actual no menciona la IA por su nombre, así que cada curso se etiqueta con los ejes que apoya.
Planes de lección
Abre una lección para ver los pasos. Al imprimir esta página se abren todas.
Lección 1: Cómo predicen los modelosPuedo explicar cómo usa un modelo las características para hacer una predicción.
- Recuperación (5 min). Repasa variables y listas en Python.
- Ejemplo resuelto (10 min). Predice si un animal es un gato o un perro a partir de la altura y el peso, usando una línea divisoria dibujada a mano.
- Práctica (25 min). Representa un conjunto de datos pequeño en Python y mueve la línea divisoria para ver qué puntos se clasifican mal.
- Reflexión (10 min). Define característica, etiqueta y predicción.
Lección 2: Construye y entrena un clasificadorPuedo entrenar un clasificador sencillo con un conjunto de datos en Python.
- Recuperación (5 min). Características y etiquetas.
- Ejemplo resuelto (10 min). Ejecuta un clasificador de vecino más cercano ya preparado con un conjunto de datos pequeño. (La biblioteca de datos y el clasificador aún están por construir; consulta la nota de estado más arriba.)
- Práctica (25 min). Cambia el conjunto de datos, prueba distintas características e imprime predicciones para elementos nuevos.
- Reflexión (10 min). ¿Qué hace el modelo cuando ve un elemento distinto de todos con los que se entrenó?
La actividad «Enseña a la máquina» de la página Pruébalo usa esta misma idea del vecino más cercano, con 3 vecinos que votan.
Lección 3: Entrenamiento, prueba y sobreajustePuedo probar un modelo de forma justa y explicar el sobreajuste.
- Recuperación (5 min). ¿Por qué reservamos datos de prueba?
- Ejemplo resuelto (10 min). Muestra un modelo que obtiene un 100 % con los datos de entrenamiento y un 60 % con los de prueba.
- Práctica (25 min). Divide los datos, calcula la precisión en ambos conjuntos y prueba un modelo más sencillo para reducir el sobreajuste.
- Reflexión (10 min). Explica el sobreajuste a un alumno más pequeño en 3 frases.
Lección 4: Sesgo en los datos y en las decisionesPuedo encontrar y describir el sesgo en un conjunto de datos y su efecto.
- Recuperación (5 min). La idea de justicia de A2 y A3.
- Ejemplo resuelto (10 min). Un conjunto de datos ficticio de aprobación de préstamos o de contratación donde un grupo está infrarrepresentado. Muestra la distinta precisión según el grupo.
- Práctica (25 min). Cuenta los ejemplos por grupo, calcula la precisión por grupo y propón soluciones (más datos, otras características, revisión humana).
- Reflexión (10 min). Escribe una breve declaración: «Este modelo podría ser injusto con… porque…»
Lección 5: Modelos de lenguaje y respuestas inventadasPuedo explicar que un modelo de lenguaje predice las palabras siguientes más probables y puede dar respuestas erróneas con seguridad.
- Recuperación (5 min). Recuerda los datos de entrenamiento y de prueba de la lección 3.
- Ejemplo resuelto (10 min). Un diminuto predictor de la palabra siguiente (consulta el código más abajo).
- Práctica (15 min). Predice a mano la palabra siguiente y después compruébalo con el programa. Añade más texto y observa cómo cambian las predicciones.
- Investigación (12 min). Con ejemplos de respuestas de IA proporcionados por el docente (impresos o en pantalla, no en un chat en directo), marca las afirmaciones como correctas, dudosas o inventadas y di cómo comprobarías cada una.
- Reflexión (8 min). Escribe tres reglas para comprobar una respuesta de IA antes de fiarte de ella.
from collections import Counter
text = "the cat sat on the mat the cat ate the fish".split()
next_words = {}
for current, nxt in zip(text, text[1:]):
next_words.setdefault(current, Counter())[nxt] += 1
print(next_words["the"].most_common(2))
# prints: [('cat', 2), ('mat', 1)]Este programa solo cuenta qué palabra sigue a cuál. No tiene idea de si algo es verdad, y ese es el objetivo de la lección.
Lección 6: Ética, privacidad, derechos de autor y mi código de IAPuedo debatir un tema de IA desde varios puntos de vista y escribir mi propio código de conducta.
- Inicio (8 min). Elige una tarjeta de caso (reconocimiento facial en la puerta de una tienda, deberes escritos por IA, una herramienta de contratación, una voz clonada) y di qué podría salir mal.
- Debate (15 min). Debate estructurado: beneficios, riesgos, a quién afecta, quién es responsable. Incluye la privacidad, los derechos de autor y el derecho a negarse, y qué pueden y qué no pueden arreglar las salvaguardas (reglas y filtros que limitan lo que hará una herramienta de IA).
- Escribir (20 min). Un argumento razonado de una página y un código de conducta personal sobre la IA (por ejemplo, «Diré cuándo me ayudó la IA»).
- Compartir (7 min). Lee tu código a un compañero; insignia.
Para adultos
- Pregunta: «¿Puede una IA ser injusta? ¿Cómo podría pasar?»
- Pide a tu hijo o hija adolescente que explique por qué un modelo de lenguaje puede sonar seguro y aun así estar equivocado.
- Conversen sobre cuándo no querrías que una IA tomara una decisión por sí sola.
En cada lección: el hábito de «compruébalo»
¿Quién hizo esto? ¿Con qué se entrenó? ¿Dónde más puedo comprobarlo?
