República Bolivariana De Venezuela
Ministerio Del Poder Popular Para La
Educación Universidad Politécnica Territorial
“Alonso Gamero”
PNFI Informática
Inteligencia artificial y
la formación Académica
Profesora: Realizado
Por:
Indrig Borregales Jesus Torres
C.I:31.240.094
Sección: 40
Santa Ana de Coro; diciembre de 2025
El término inteligencia artificial solía estar relacionado con narrativas futuristas en
escenarios usualmente irreales. Sin embargo, el estado actual de las cosas es muy
diferente. Gracias a los descubrimientos y avances tecnológicos, el concepto de
inteligencia artificial ha adquirido un nuevo sentido, pasando a formar parte de la
cotidianeidad de una gran parte de la población mundial.
La inteligencia artificial (IA) es un campo de la informática que busca crear sistemas
capaces de imitar habilidades humanas como el aprendizaje, el razonamiento, la
percepción y la resolución de problemas. Utiliza tecnologías para que las máquinas
puedan procesar datos, adaptarse a nueva información y actuar de manera
autónoma o para lograr un propósito específico. La IA es una tecnología
transformadora que encuentra aplicaciones en diversas áreas como la medicina, las
comunicaciones y los videojuegos
Al contrario de la concepción arcaica que se tenía hace algunos años, en la
actualidad se sabe que la IA no busca reemplazar a los humanos, sino contribuir al
desarrollo de sus capacidades y contribuciones. Sus diferentes aplicaciones tienen
como meta mejorar tanto el desempeño como la experiencia de sus usuarios.
¿Cómo funciona la inteligencia artificial?
La manera en que opera una solución de IA varía en función de sus objetivos y
aplicaciones. No obstante, todos los sistemas de inteligencia artificial tienen un
factor en común: el manejo de datos.
Si bien el diseño de algoritmos y sistemas innovadores es parte esencial de la IA,
los datos son piezas clave para su éxito. Es decir que, para funcionar
eficientemente, la IA requiere de datos. De hecho, entre mayor sea el número de
datos que reciba un sistema de IA, este podrá aprender más en menor tiempo.
Al procesar esta información, el software puede identificar patrones y aprender a
responder dependiendo de sus objetivos. Así, por ejemplo, un sistema basado en
procesamiento del lenguaje natural (también conocido como PLN) puede no solo
analizar y entender el lenguaje humano, sino que también puede llegar a generarlo
por sí mismo.
Tipos de inteligencia artificial:
La inteligencia artificial se puede organizar de varias maneras, según las etapas de
desarrollo o las acciones que se están realizando.
Tipos de capacidades de IA:
Esta clasificación define los modelos de IA en función de su nivel de inteligencia y
sus habilidades para resolver problemas.
Inteligencia Artificial estrecha (ANI): Esta es la única forma de IA que existe
actualmente. Los modelos de ANI están diseñados para realizar una sola tarea
específica, como identificar imágenes, participar en chats o filtrar correos
electrónicos. Algunos ejemplos son los asistentes por voz, la tecnología de
reconocimiento facial y los modelos de IA generativa como Gemini y otros modelos
de lenguaje grandes (LLM). A pesar de su nombre, la ANI no posee razonamiento ni
autoconciencia; en cambio, combina datos con un algoritmo para hacer predicciones
dentro de parámetros predefinidos. Si bien la ANI ofrece muchos beneficios, también
conlleva riesgos, ya que los datos de entrenamiento deficientes pueden generar
resultados sesgados o inexactos, lo que puede ser crítico en aplicaciones como la
aprobación de préstamos, las decisiones de contratación y la vigilancia predictiva.
Los ciberdelincuentes también pueden explotar la ANI para crear estafas
sofisticadas basadas en IA.
Inteligencia Artificial general (AGI): Este es un paso futuro propuesto en la
tecnología de IA. En teoría, la AGI sería capaz de realizar una amplia gama de
tareas y utilizaría un razonamiento similar al humano para aprender, adaptarse y
mejorar. La AGI aún no existe. A diferencia de la ANI, se espera que la AGI sea
adaptativa, autónoma y capaz de aprender de sus acciones. Entre los ejemplos
ficticios, se incluyen los droides de Star Wars. Sin embargo, la AGI puede plantear
importantes preocupaciones éticas y de seguridad, ya que los agentes maliciosos
podrían programarla con intenciones dañinas, lo que llevaría a capacidades
destructivas potencialmente ilimitadas si no se regula.
Superinteligencia Artificial (ASI): Esta es la forma teórica más avanzada de la IA.
La ASI sería una entidad autoconsciente que opera más allá del control humano y
supera significativamente la inteligencia humana en razonamiento, creatividad e
incluso inteligencia emocional. Al igual que otras formas de IA, existe la
preocupación de que la ASI pueda representar una amenaza existencial para la
humanidad, y algunos investigadores de IA sugieren una probabilidad no
despreciable de resultados extremadamente malos, incluida la extinción humana.
Tipos de IA según la funcionalidad:
Esta clasificación categoriza la IA en función de cómo opera y cómo interactúa en
contextos específicos.
Máquinas reactivas: IA limitada que solo reacciona a diferentes tipos de estímulos
basados en reglas preprogramadas. Carece de memoria y, por lo tanto, no puede
aprender de datos nuevos. Un ejemplo notable es Deep Blue de IBM, que derrotó al
campeón de ajedrez Garry Kasparov en 1997.
Memoria limitada: La mayor parte de la IA moderna es de memoria limitada. Puede
usar la memoria para mejorar con el tiempo entrenándose con datos nuevos, por lo
general, a través de una red neuronal artificial o algún otro modelo de
entrenamiento. Esta es una memoria a corto plazo; una vez que finaliza una sesión,
la memoria suele restablecerse. Entre los ejemplos, se incluyen los autos
autónomos que observan otros vehículos y los chatbots como Gemini que recuerdan
mensajes anteriores en una conversación.
Teoría de la mente: En la actualidad no existe IA con teoría de la mente, pero se
están investigando distintas posibilidades. El término hace referencia a la IA que
puede emular la mente humana y tiene capacidades de toma de decisiones
similares a las de un ser humano, lo cual incluye la capacidad de reconocer y
recordar emociones, y reaccionar en situaciones sociales como lo haría un ser
humano.
La Inteligencia Artificial (IA) está transformando radicalmente la formación
académica al ofrecer nuevas oportunidades para la enseñanza y el aprendizaje, al
mismo tiempo que plantea importantes desafíos éticos, de equidad y de adaptación
curricular.
Impacto y Oportunidades de la IA en la Educación:
La IA se convierte en una herramienta invaluable para personalizar el aprendizaje y
mejorar la eficiencia en la gestión educativa:
Personalización del Aprendizaje: Los sistemas de IA pueden analizar el
rendimiento, el ritmo y las preferencias de cada estudiante. Esto permite:
Adaptar el contenido y las estrategias pedagógicas a las necesidades individuales.
Proporcionar tutorías virtuales y retroalimentación inmediata y personalizada (por
ejemplo, a través de chatbots educativos).
Sugerir recursos adicionales o diferentes enfoques para conceptos específicos
donde el estudiante tiene dificultades.
Automatización de Tareas: La IA libera tiempo valioso para docentes y
administradores al automatizar tareas repetitivas:
Corrección automática de exámenes y tareas.
Gestión de datos y seguimiento del progreso estudiantil.
Generación de material didáctico (como rúbricas, cuestionarios o presentaciones).
Análisis Predictivo: La IA puede procesar grandes volúmenes de datos para
identificar patrones de riesgo (como la deserción) y sugerir intervenciones
tempranas para apoyar a los estudiantes.
Desafíos y Consideraciones Éticas:
La integración de la IA no está exenta de obstáculos que requieren una planificación
cuidadosa:
Brecha de Acceso y Equidad: Existe el riesgo de que los beneficios de la IA solo
lleguen a quienes tienen acceso a la tecnología e infraestructura adecuadas (la
llamada brecha digital), aumentando las desigualdades educativas.
Integridad y Autenticidad Académica: Las herramientas de IA generativa plantean
desafíos en cuanto a la autoría y el plagio en los trabajos académicos, lo que obliga
a redefinir los métodos de evaluación.
Formación Docente: Los profesores necesitan capacitación para integrar la IA de
manera efectiva y ética en sus metodologías, pasando de ser meros transmisores
de conocimiento a facilitadores que enseñan a los estudiantes a usar la IA con
criterio y pensamiento crítico.
Privacidad de Datos: La recopilación de datos de rendimiento estudiantil por parte
de los sistemas de IA genera preocupaciones sobre la privacidad y el manejo ético
de esta información sensible.
El desafío principal no es si usar la IA, sino cómo usarla. La IA tiene el potencial de
democratizar y personalizar la educación a niveles sin precedentes, pero su éxito
depende de una implementación cuidadosa que mantenga la integridad académica,
proteja la privacidad y se centre en potenciar (no reemplazar) las habilidades
esenciales de los estudiantes y el rol fundamental de los educadores.