Cuando un niño de ocho años pregunta «¿cómo sabe la IA lo que es un gato?», la respuesta corta es «porque ha visto muchísimos ejemplos». Es cierta, pero decirla no es lo mismo que vivirla. Para que una idea tan abstracta se quede, hay que tocarla: ponerse en la piel de la máquina o en la de quien la enseña.
Este proyecto lo hace con cartulina, cajas y un compañero que hace de robot. El grupo entrena a ese compañero con tarjetas de residuos, comprueba qué ocurre con ejemplos que no ha visto y descubre algo esencial: una máquina aprende de ejemplos, acierta según lo que le hayamos enseñado y necesita a una persona que revise. Se hace en dos sesiones, sin ordenadores, sin cuentas y sin datos personales de nadie.
Qué se pretende que entienda el alumnado
Al terminar, los niños deberían poder explicar con sus palabras que:
- Una máquina aprende a partir de ejemplos, no porque «entienda» las cosas como una persona.
- Con más ejemplos y más variados, suele acertar más; con ejemplos escasos o de un solo tipo, se equivoca.
- Se equivoca sobre todo con lo que no ha visto antes o con los casos raros.
- Por eso, alguien tiene que revisar lo que hace y decidir qué hacer cuando no está segura.
De propina, el grupo repasa algo muy práctico: a qué contenedor va cada residuo. Y se trabaja desde un convencimiento nuestro: preparar al alumnado para el futuro incluye educarle en IA, y esa educación puede empezar con ideas, no con herramientas.
Materiales
- Unas treinta tarjetas de residuos, con dibujos o fotografías recortadas de envases limpios y revistas (nunca con personas). Mezcla casos fáciles (una botella de agua, un periódico, un tarro de cristal) con otros menos claros (un brik, un vaso de cartón con tapa de plástico, una bolsa de patatas).
- Cuatro cajas con una etiqueta cada una: envases, papel y cartón, vidrio, y orgánico o resto. Ajústalas a los contenedores y colores que se usan en tu municipio, que pueden variar.
- Una pizarra para llevar un registro de aciertos y fallos con marcas sencillas.
- Un distintivo para el compañero-robot (un pañuelo, una diadema de cartulina), opcional pero muy motivador.
No hace falta nada más. No se usan ordenadores, tabletas ni cámaras, y las tarjetas no llevan nombres ni imágenes de alumnos.
Sesión 1: entrenar al compañero-robot
- Presentación (cinco minutos). Explica: «Hoy un compañero hará de robot que no sabe nada de reciclaje. Nosotros vamos a enseñarle, pero con una regla: solo podemos enseñarle con ejemplos. Nada de explicar reglas». Elige a un voluntario y colócale el distintivo.
- Entrenamiento. Separa unas quince tarjetas. El grupo va mostrándoselas al robot de una en una, y para cada una dice solo el nombre de la caja correcta y la coloca en ella. El robot observa y, si quiere, comenta en voz alta lo que le parece («parece que lo de plástico va a la amarilla»).
- Prueba. Con tarjetas nuevas, que no ha visto, el robot decide a qué caja va cada una. Durante esta fase el grupo no ayuda ni da pistas. En la pizarra se anotan aciertos y fallos con marcas, sin hacer porcentajes: basta con contar.
- Primera conversación. Pregunta: «¿En qué se ha equivocado? ¿Qué ejemplos le habrían ayudado?». Verás cómo los niños descubren por sí mismos que al robot le faltaron ejemplos de ciertos tipos.
Si el grupo es grande, forma varios equipos pequeños, cada uno con su robot y su juego de tarjetas, y rota los papeles para que todos hagan de robot al menos una vez.
Sesión 2: casos raros, ejemplos sesgados y revisión
- Segundo entrenamiento, con más y mejores ejemplos. Se repite el proceso con más variedad. Se vuelve a probar con tarjetas nuevas y se compara con la sesión anterior: ¿ha mejorado? ¿Por qué?
- Tarjetas difíciles. Introduce a propósito casos ambiguos: un brik (que es un envase aunque parezca cartón), un vaso con dos materiales, un juguete roto o una pila, que no van a ninguna de las cuatro cajas. Pregunta: «¿Qué debería hacer el robot cuando no está seguro?». La respuesta que buscas es que diga que no lo sabe y pida ayuda a una persona. Es una lección valiosa: un buen sistema reconoce sus límites.
- El experimento del robot mal entrenado. Entrena a un segundo robot (o al mismo, tras un descanso) solo con ejemplos de plástico y cartón, sin enseñarle ningún objeto de vidrio. Luego muéstrale un tarro de cristal. Se equivocará, y es el momento de hablar de algo importante en la IA real: si los ejemplos no representan todo, la máquina se equivoca justo con lo que no ha visto. A los mayores se les puede enseñar la palabra «sesgo», contándoles que es lo que pasa cuando los ejemplos favorecen unas cosas y olvidan otras.
- Cierre. Elaborad un pequeño mural con el título «Cómo aprende una máquina», con tres o cuatro frases dichas por el propio grupo.
Qué conviene tener presente sobre la IA real
Conviene tener a mano tres ideas, para responder a preguntas que surgirán:
- Los sistemas de IA se «entrenan» con cantidades enormes de ejemplos, pero la idea es la misma que en el aula: los ejemplos que se eligen condicionan lo que la máquina hace bien y mal.
- Decir que una máquina «aprende» es una forma de hablar. No entiende ni siente; ajusta su comportamiento a partir de ejemplos.
- Detrás de cualquier sistema hay personas que eligen los ejemplos, revisan resultados y deciden qué hacer con los errores. Esa responsabilidad no se delega en la máquina.
Si un alumno pregunta cómo es posible que algunas herramientas escriban textos, puedes decirle que también han visto muchísimos textos, y que por eso a veces se equivocan con seguridad, igual que el robot con el tarro de cristal. Para reflexionar sobre cómo explicar el papel de la IA ante las familias, tienes esta reflexión sobre la frase de los empleos que aún no existen.
Adaptación por ciclos
- Primer ciclo (1.º y 2.º). Dos cajas (envases y papel), unas ocho tarjetas y solo la primera sesión. El objetivo es que entiendan que «el robot aprende de lo que le enseñamos».
- Segundo ciclo (3.º y 4.º). Las cuatro cajas, las dos sesiones y algún caso raro, sin hablar todavía de sesgos.
- Tercer ciclo (5.º y 6.º). Todo el proyecto, con el experimento del robot mal entrenado, una tabla de aciertos y fallos y un pequeño debate: ¿quién es responsable cuando el robot se equivoca?
Se puede conectar con otras áreas: en Matemáticas, registrar los aciertos en una tabla y representarlos en un diagrama de barras; en Lengua, describir un residuo en una frase para que alguien adivine la caja; en Ciencias, estudiar de qué materiales están hechos.
Evaluación y privacidad
La evaluación la hace siempre el docente, por observación. Una rúbrica sencilla puede mirar si el alumno explica con sus palabras que se aprende de ejemplos, si propone un ejemplo que mejoraría al robot y si reconoce que una máquina se puede equivocar. No se usa ninguna herramienta de IA para calificar al alumnado.
Sobre la privacidad: este proyecto no necesita ordenadores, cuentas ni fotografías, y no se recoge ningún dato personal. Si más adelante el centro quiere llevar una actividad parecida a una herramienta digital, conviene hacerlo siempre con el docente delante, con herramientas autorizadas por el centro y tras consultar con el delegado de protección de datos y con las familias. Más sobre esas precauciones en nuestro artículo sobre la IA y los menores en centros educativos, y sobre cómo preparar el trabajo docente con ayuda de la IA, en el método para no copiar y pegar una programación didáctica.
Conclusión
Con unas cajas, unas tarjetas y un compañero que hace de robot, el grupo vive cómo aprende una máquina: de ejemplos, con aciertos y con errores, y con una persona que revisa. Es una forma sencilla de empezar a educar en IA en Primaria sin pantallas ni datos personales, con ideas que después podrán aplicar a herramientas reales. El protagonista es el pensamiento del alumnado; la tecnología viene después.
En MG Solutions damos masterclasses de IA a alumnos de ESO y Bachillerato: tres días en el colegio con herramientas para su día a día, para estudiar mejor y para usar la IA de forma responsable.
Puedes ver más sobre nuestra formación en IA para colegios.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.