"Si el problema es educativo, la respuesta es didáctica y no tecnológica"

¿Cómo integrar la inteligencia artificial en las aulas sin que termine sustituyendo al propio proceso de aprendizaje? ¿Qué capacidades deberían desarrollar los futuros profesionales a raíz de impacto de esta tecnología? Para David Antonio Rosas Espín, doctor en Ciencias de la Computación y profesor del Grado en Ciencia de Datos e Inteligencia Artificial de UDIT, las respuestas a estas preguntas pasan por situar el pensamiento crítico, el conocimiento y los principios pedagógicos en el centro de la formación.

Su trayectoria combina la docencia en prácticamente todos los niveles educativos, con una actividad investigadora que conecta disciplinas como la inteligencia artificial, la psicofisiología, las ciencias ambientales o la innovación educativa. Actualmente, también investigador principal del Grupo de Investigación de Moda, Tecnología y Sostenibilidad (GUMTS) y preside el Comité de Ética de Investigación de UDIT.

En esta entrevista reflexiona sobre los desafíos que plantea la IA generativa en la universidad, la necesidad de repensar los sistemas de evaluación y las oportunidades profesionales que se abren para los estudiantes. También aborda el potencial de la investigación interdisciplinar y defiende una idea que atraviesa buena parte de su trabajo: cuando el problema es educativo, la respuesta debe ser didáctica, no simplemente tecnológica.

Tu trayectoria cruza campos muy distintos: educación, inteligencia artificial, psicofisiología, geología o ciencias ambientales. ¿Qué hilo conductor encuentras hoy entre todas esas áreas y qué te ha llevado a moverte entre disciplinas tan diferentes?

Siempre me han interesado los sistemas complejos. Descubrir cómo funcionan y encontrar soluciones creativas a problemas aplicados y teóricos de áreas diversas. El hilo conductor de todo ello son los modelos computacionales, que pueden aplicarse tanto a las ciencias de la naturaleza como a las ciencias sociales.

En el Grado en Ciencia de Datos e Inteligencia Artificial trabajas especialmente en el área de machine learning. ¿Qué intentas que entienda un estudiante sobre aprendizaje automático más allá de aprender a entrenar un modelo o utilizar determinadas herramientas? ¿Cuál es esa frase que los estudiantes deberían grabarse “a fuego”?

Lo que más valoro es que mi alumnado conozca las posibilidades que ofrece el machine learning y que use los conocimientos con criterio.  Debemos estar preparados para adaptarnos a cambios cada vez más rápidos en la tecnología. 

La diferencia la va a marcar la capacidad crítica, la creatividad, la metacognición, la experiencia, la intuición, el pensamiento divergente, el conocimiento auténtico, el razonamiento profundo, la ética y todo aquello que las máquinas no han hecho, no hacen, ni harán, tal y como están diseñadas.

Has sido docente en prácticamente todos los niveles educativos, desde Infantil hasta posgrado. ¿Qué has aprendido sobre cómo aprenden las personas que ahora influye directamente en tu manera de enseñar ciencia de datos e inteligencia artificial en la universidad?

Actualmente, estoy investigando desde la Didáctica, que es la ciencia que estudia los procesos de enseñanza y aprendizaje, cómo integrar los grandes modelos de lenguaje en la educación, considerando distintos niveles educativos. No en todos los niveles veo el mismo encaje. 

Se trata de sistemas optimizados para mantener la comunicación, pero no necesariamente están optimizados para mejorar el aprendizaje humano. He comprobado que cada vez que surge una tecnología disruptiva, la educación la adopta sin reflexión suficiente, lo cual lleva al fracaso absoluto. Después van surgiendo respuestas que funcionan en contextos concretos y que se basan siempre en los mismos principios del aprendizaje humano. 

No hace falta inventar la pólvora. Son pocos esos principios y muy claros. Si el problema es educativo, la respuesta es didáctica y no tecnológica. Se necesita una gobernanza didáctica de la IA.

Como investigador principal del Grupo GUMTS (Grupo de Investigación de Moda, Tecnología y Sostenibilidad) y responsable de proyectos como TEXTCO2, trabajas en investigación muy aplicada. ¿Qué te gustaría destacar de ambos proyectos?

En el grupo GUMTS realizamos investigaciones interdisciplinares en campos de conocimiento tan estimulantes como la moda, la tecnología o la sostenibilidad. Trabajo en un contexto humano muy rico, con perfiles artísticos, ingenieriles, de ciencias sociales, llegando hasta las ciencias naturales y puras.

En el proyecto interno de UDIT denominado TEXCO2 (proyecto cuyo objetivo es combatir el cambio climático y fomentar la sostenibilidad en el sector textil), hemos conseguido resultados espectaculares desde el primer experimento y ya no continúa como lo diseñamos inicialmente.

Tanto es así, que he realizado una estancia de investigación en el CBAS-CSIC, para realizar análisis independientes. Actualmente, trabajamos con nuestro proyect manager, Carlos Lli, otras universidades europeas y empresas multinacionales para darle una dimensión mayor. Hemos descubierto una técnica que podría regenerar suelos salinizados y contaminados a la vez que se generan productos de alto valor añadido, tomando como base los desarrollos de TEXCO2. Inicialmente, queríamos redescubrir cómo nuestros antepasados producían textiles, vidrio o cerámica y una cosa nos llevó a la otra.

Además de investigador y profesor, presides el Comité de Ética de Investigación de UDIT. Aplicada a esa área investigadora, ¿dónde crees que deberían estar los límites éticos en el uso de la IA y que responsabilidad deben tener los futuros profesionales de esta disciplina?

Es muy evidente que los límites éticos comienzan cuando estas tecnologías suponen un riesgo cierto para las personas, las sociedades, la economía y el entorno.  Como cualquier instrumento en manos equivocadas, supone un riesgo y las limitaciones excesivas penalizan injustamente a quienes cumplen con estos principios éticos.

Los profesionales de la IA en el futuro han de tener un conocimiento actualizado y científico de cómo estas tecnologías pueden afectarnos y obrar en consecuencia.

En los últimos meses estamos viendo cómo la Inteligencia Artificial pasa de responder preguntas a ejecutar tareas cada vez más autónomas. Desde tu experiencia en machine learning, ¿qué crees que debería entender un estudiante hoy sobre este cambio y cómo le puede afectar tanto en su trayectoria académica como en su futuro profesional?

Tienen que entender que estos agentes requieren de la supervisión humana y que deben aprender a usarlos. Pienso que los estudiantes de mi grado viven un momento histórico apasionante y van a ser protagonistas en primera fila.  Con la juventud que tienen, sus perspectivas son increíbles en sectores muy diversos y a nivel global. Creo que la novedad de los grados de IA y la necesidad de perfiles cualificados les permitirá ocupar los mejores puestos y crear oportunidades de negocio disruptivas.

¿Cómo crees que debería cambiar la enseñanza universitaria para que estas nuevas herramientas ayuden a aprender más y no simplemente a resolver más rápido?

Como he señalado, desarrollo un modelo teórico basado en la gobernanza de la IA en educación que, tras su publicación, pondremos a prueba mediante programas de experimentación de campo.

La educación siempre ha tenido que adaptarse a nuevas tecnologías. Cuando se generalizó Internet, dejó de tener sentido pedir trabajos que podían copiarse de Wikipedia y surgieron herramientas como las WebQuests o las eRúbricas. Con la IA generativa debemos actuar de forma similar: incorporarla de manera crítica, limitada y bajo criterios didácticos sólidos. Sería hipócrita excluirla cuando mi alumnado necesita dominarla a un nivel superior al del ciudadano medio.

También debemos adaptar la evaluación. Por eso exijo trabajos prácticos presenciales, supervisados y con trazabilidad del uso de la IA, además de exámenes orales, discusiones públicas y pruebas que requieran pensamiento crítico.

Defiendo proyectos personalizados en los que el alumnado tenga que revisar, contrastar y justificar los resultados generados por la IA. Precisamente de esa fricción entre lo que la herramienta propone y lo que queremos conseguir surge una oportunidad de aprendizaje dialógico, cuyos principios conocemos desde Sócrates. Para aprovecharla es imprescindible desarrollar criterio y contar con conocimientos sólidos. En cualquier caso, los principios didácticos fundamentales siguen siendo los mismos, con IA o sin ella: intencionalidad, actividad, aprendizaje significativo, repetición y atención a la diversidad.

La IA puede producir contenidos constantemente, pero sin comprender lo que escribe. Por eso, el conocimiento del profesorado y su capacidad para aplicar criterios pedagógicos sólidos siguen siendo fundamentales. El objetivo debe ser que el alumnado aprenda más, no simplemente que produzca resultados más rápido.