¿Puede la inteligencia artificial calificar su próximo examen?

https://www.nytimes.com/2021/07/20/technology/ai-education-neural-networks.html

Esta primavera, Philips Pham fue una de las más de 12.000 personas de 148 países que tomaron una clase en línea llamada Code in Place. Dirigido por la Universidad de Stanford, el curso enseñaba los fundamentos de la programación informática.

A las cuatro semanas, Pham, un estudiante de 23 años que vive en el extremo sur de Suecia, se abrió camino a través de la primera prueba, tratando de escribir un programa que pudiera dibujar ondas de pequeños diamantes azules a través de una cuadrícula en blanco y negro. Varios días después, recibió una crítica detallada de su código.

Aplaudía su trabajo, pero también señalaba un error. "Parece que tienes un pequeño error", decía la crítica. "Tal vez se está topando con la pared después de dibujar la tercera onda".

El comentario era justo lo que el Sr. Pham necesitaba. Y vino de una máquina.

Durante esta clase en línea, un nuevo tipo de inteligencia artificial ofreció retroalimentación al Sr. Pham y a otros miles de estudiantes que hicieron el mismo examen. Construido por un equipo de investigadores de Stanford, este sistema automatizado apunta a un nuevo futuro para la educación en línea, que puede llegar tan fácilmente a miles de personas pero no siempre proporciona la orientación que muchos estudiantes necesitan y anhelan.

PUBLICIDAD

Seguir leyendo la noticia principal

"Hemos desplegado esto en el mundo real y funciona mejor de lo que esperábamos", dijo Chelsea Finn, profesora de Stanford e investigadora de la Inteligencia Artificial que ayudó a construir el nuevo sistema.

La Dra. Finn y su equipo diseñaron este sistema exclusivamente para la clase de programación de Stanford. Pero utilizaron técnicas que podrían automatizar los comentarios de los estudiantes en otras situaciones, incluso para clases más allá de la programación.

Gracias por leer The Times.

Suscríbase a The Times

Oren Etzioni, director del Instituto Allen de Inteligencia Artificial y antiguo profesor de informática en la Universidad de Washington, advirtió que estas técnicas están muy lejos de duplicar a los instructores humanos. Los comentarios y consejos de los profesores, asistentes de enseñanza y tutores son siempre preferibles a una crítica automatizada.

Aun así, el Dr. Etzioni calificó el proyecto de Stanford como un "paso en una dirección importante", ya que la retroalimentación automatizada es mejor que nada.

PUBLICIDAD

Continuar leyendo la historia principal

El curso en línea que tomaron el Sr. Pham y miles de personas esta primavera se basa en una clase que Stanford ha ofrecido durante más de una década. Cada semestre, la universidad ofrece a los estudiantes un examen de mitad de curso lleno de ejercicios de programación, y mantiene un registro digital de los resultados, incluyendo las resmas de código escritas por los estudiantes, así como las críticas puntuales de cada programa por parte de los instructores de la universidad.

Esta década de datos es lo que ha impulsado el nuevo experimento de inteligencia artificial de la universidad.

La Dra. Finn y su equipo construyeron una red neuronal, un sistema matemático que puede aprender habilidades a partir de grandes cantidades de datos. Al detectar patrones en miles de fotos de gatos, una red neuronal puede aprender a identificar un gato. Analizando cientos de llamadas telefónicas antiguas, puede aprender a reconocer palabras habladas. O, examinando el modo en que los asistentes de enseñanza evalúan las pruebas de codificación, puede aprender a evaluar estas pruebas por sí misma.

El sistema de Stanford pasó horas analizando ejemplos de antiguos exámenes parciales, aprendiendo de una década de posibilidades. Después, estaba preparado para aprender más. Cuando se le dio sólo un puñado de ejemplos adicionales del nuevo examen ofrecido esta primavera, pudo comprender rápidamente la tarea en cuestión.

"Ve muchos tipos de problemas", dijo Mike Wu, otro investigador que trabajó en el proyecto. "Entonces puede adaptarse a problemas que nunca ha visto antes".

PUBLICIDAD

Continuar leyendo la historia principal

Esta primavera, el sistema proporcionó 16.000 piezas de retroalimentación, y los estudiantes estuvieron de acuerdo con la retroalimentación el 97,9 por ciento de las veces, según un estudio de los investigadores de Stanford. En comparación, los estudiantes estuvieron de acuerdo con los comentarios de los instructores humanos el 96,7% de las veces.

El Sr. Pham, estudiante de ingeniería de la Universidad de Lund (Suecia), se sorprendió de que la tecnología funcionara tan bien. Aunque la herramienta automatizada no pudo evaluar uno de sus programas (presumiblemente porque había escrito un fragmento de código distinto a todo lo que la inteligencia artificial había visto), identificó fallos específicos en su código, incluido lo que se conoce en programación informática y matemáticas como error de poste de valla, y sugirió formas de solucionarlos. "Rara vez se recibe una respuesta tan bien pensada", dijo Pham.

La tecnología fue eficaz porque su función estaba muy bien definida. Al realizar la prueba, Pham escribió un código con objetivos muy concretos, y sólo había un número determinado de formas en las que él y otros estudiantes podían equivocarse.

Pero con los datos adecuados, las redes neuronales pueden aprender toda una serie de tareas. Se trata de la misma tecnología fundamental que identifica los rostros en las fotos que subes a Facebook, reconoce los comandos que ladras en tu iPhone y traduce de un idioma a otro en servicios como Skype y Google Translate. Para el equipo de Stanford y otros investigadores, la esperanza es que estas técnicas puedan automatizar la educación de muchas otras maneras.