Con el título Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos, di salida -por emplear estas palabras-, a una larga preocupación (y ocupación) de más de 2 años. A través de una de las herramientas con las que me manejo, Evernote, he recopilado más de 300 referencias, con lo cual pude confeccionar una presentación que resumía mi punto de vista sobre la inteligencia artificial y el aprendizaje automático y su relación con la gestión del aprendizaje que ahora hacemos desde los Departamentos de formación.

Antecedentes.

En 2015, un año antes del congreso EDO, cuando empezábamos a diseñar su orientación, ya aparecían tendencias como Big Data, analíticas de aprendizaje, inteligencia artificial, machine learning, que no podíamos obviar.

Fruto de este planteamiento asumí el impulso y la coordinación de un simposio específico. Lo titulamos Big Data y Analíticas de aprendizaje. Tuvimos la suerte de poder contar de contar desde el inicio con George Siemens como ponente principal del Congreso y, especialmente, con cuatro magníficas aportaciones para el simposio.

• Tendencias actuales de desarrollo y aplicaciones en Big Data e Inteligencia Artificial. A cargo de Andrés González. Consultor de Machine Learning, Web & Data Analyst, SEO, SEM y Director de Proyectos TIC
• Sistemas de ayuda a la decisión basadas en aprendizaje profundo. A cargo de José Avelino Manzano Lizcano. Universidad Politécnica de Madrid / Departamento de Matemática Computacional e Inteligencia Artificial – Escuela Técnica Superior de Ingeniería de Telecomunicación / España
• Big data, Empresa y Personas. Un análisis de la evolución, actualidad y oportunidades. A cargo de Rafa Díaz. Director de Proyectos Right Management. Impulsor e-lidership y energía innovadora de Human Age Institute.
• Impulsando organizaciones basadas en datos. A cargo de Marc Torrent Moreno. Big Data Center of Excellence Barcelona. Eurecat.

 Además de ellos, y para completar su recorrido, me encargué de preparar otra en la que relacionaba esta tecnología emergente con sus  implicaciones  en aprendizaje y formación.  (Todas ellas las podéis encontrar aquí).

Pues bien, después de otro año más profundizando en estas implicaciones educativas, el día 3 de marzo, y vía la amable invitación del amigo Josep Lozano, la hice pública en un marco ideal: delante de más de 200 especialistas en e-learning  que se dieron cita en el Congreso Expoelearning 17.

La ponencia.

 Como decía en el título, me centré en un enfoque abierto, divulgativo y desmitificador de lo que conocemos como Machine Learning. Pasadas ya las primeras épocas de desarrollo de aplicaciones, más bien pintorescas, de la inteligencia artificial, ahora ya, y tras la irrupción de los GAFA  más IBM,  creo que  no podemos estar tan tranquilos y expectantes en el sector.

Por poner un par de ejemplos.

• La consultora Garnett, sitúa ahora mismo la inteligencia artificial y el machine learning en la punta máxima de expectación de su curva. Ahora toca, en los próximos tres  años, la bajada, y la posterior aplicación masiva por parte de las empresas del sector educativo. Con ello, la oportunidad de incidir en su desarrollo aplicado,  ¡es ahora mismo!
• El Foro Mundial de Davos, sitúa la eclosión de la Inteligencia Artificial/Machine Learning en un período de 2 a 5 años.

Creo que estos datos anteriores tienen la fuerza suficiente como para empujarnos a hacernos algunas preguntas. Por ejemplo, ¿asistiremos como espectadores sorprendidos y encantados a lo que se nos viene encima, o vamos a ponernos en modo acción?

Y no podemos poner excusas. Esto dice Tony Bates, uno de los grandes referentes del eLearning actual.

La pregunta clave que afrontamos es si el aprendizaje en línea debe proponerse como objetivo sustituir a los profesores e instructores por medio de la automatización, o si la tecnología se debe utilizar para empoderar no solo a los maestros sino también los estudiantes. Por supuesto, la respuesta siempre será una mezcla de ambas cosas, pero conseguir el equilibrio adecuado es una cuestión crítica.

 El peligro de la automatización sería llevarnos a aprender de la única manera que puede ser dirigida por máquinas. Y, además, según algoritmos no transparentes basados en estadísticas de casos previos —que no dicen nada sobre el caso individual— y en decisiones tomadas por especialistas en informática, no en educación.

 Antes, yo solía pensar en los informáticos como colegas y amigos en lo que respecta a diseñar e impartir aprendizaje en línea. Ahora los estoy viendo cada vez más, al menos a algunos de ellos, como el enemigo. Esto tiene que ver sobre todo con la arrogancia de Silicon Valley, que cree que los informáticos pueden resolver cualquier problema sin saber nada acerca del problema en sí.

7 pautas para la acción

En base a estas reflexiones anteriores y a la sensibilidad  que percibo en el sector, me permito lanzar 7 propuestas para reflexionar sobre ellas y establecer algún tipo de debate.

1. Pasar a la acción.

El machine learning para todos, se refiere a que más allá de la complejidad matemática de los algoritmos, el factor previo se sitúa en hacernos las preguntas adecuadas. Aquellas que van a la parte sustantiva del negocio y que, luego, como ha sido siempre, la tecnología ha de resolver. Me encantó como lo plantea Berserker , que lo simplifica en este esquema.

También lo podemos encontrar dicho de esta manera, aún más simple.

En definitiva, lo que se puede automatizar es lo que sigue este patrón:

• Reunir datos
• Analizar los datos
• Interpretar los resultados
• Determinar un curso de acción recomendado
• Implementar el curso de acción

¿Qué quiere decir esto? Que, como decía Bates, no podemos dejar (parte) de nuestros deberes en manos de tecnólogos que (algunos) no entienden el fondo de los problemas. El Machine Learning es un campo ya abierto y transitable para especialistas matemáticos y, también , y sobretodo,  para encargados del negocio.  Porque, al final, la lógica de los algoritmos se agrupa y se resume en pocas posibilidades fáciles de entender en sus dinámicas ( genialmente explicado por Antonio de Rojas)  .

• Aprendizaje Supervisado.
• Aprendizaje No Supervisado.
  • Regresión.
  • Clasificación.
  • Agrupamiento (“Clustering”).
  • Recomendación.
• Aprendizaje profundo (“Deep Learning”).

2- Cultura de datos.

Es la base. Sin datos no hay elaboración posterior posible. Por muy desestructurados que puedan estar, sin planteamientos previos estratégicos que incluyan recogida, selección, filtrado y tratamiento, no hay nada. Y, aquí sí, volvemos a tener el peligro de contratar plataformas tecnológicas, que poco pensadas en la  perspectiva de rentabilización del dato, no van a servir para nada. Con lo cual, ya vamos tarde, sobre todo en la Administración Pública que como venimos diciendo desde hace tiempo, ya dejó de hacer los deberes tecnológicos. En este momento, en el que la formación está transitando de las fórmulas tradicionales a aquellas basadas en modelos 70 20 10, incrustadas en el propio trabajo, tocaría replantear si las tradicionales bases de datos deberían de hibridarse con las de Recursos Humanos.

3- Transformación de los LMS.

Han sido nuestras herramientas de base. En la administración pública, Moodle por ejemplo, se convirtió en el estándar. Y durante un tiempo ofreció, y nos sorprendió, con grandes prestaciones y servicios. Pero el tiempo es imparable, y tenemos ya en nuestros bolsillos,  usuarios y profesionales, la gran competencia: nuestros smartphones. Ellos nos hacen ya hipertextuales y libres. Y claro, después de esta experiencia, recomienda tú, a los empleados, que se vayan a nuestros tradicionales LMS para servirse de contenidos. La sensación que tienen, las describe Clark, como ir a las mazmorras.

Es como ir a una tienda de regalos horribles donde todo está diseñado y es estridente. Y los alumnos no tienen ningún control. Tenemos que ir más allá de eso .. los  LMS estás  muertos, vivan  los  LMS. El LMS no morirá. La gente va a seguir yendo a ellos. Es necesario LMS en las grandes organizaciones para gestionar los datos. 

  El LMS para la mayoría de las organizaciones es como una mazmorra y nadie le gusta ir allí. ¿Por qué? el problema es que la mayor parte del LMS son sólo listas de los ciclos. Eso es todo lo que hay en ellos. Y es una lástima, ya que paraliza el uso de enfoques más innovadores, como el uso de inteligencia Artificial o la Realidad Virtual . 

 4- Aprendizajes adaptativos y personalizados.

Ya están apareciendo en el mercado nuevas propuestas que se basan en inteligencia artificial y que se anuncian como la solución definitiva para disponer de aprendizajes personalizados. Tanto las plataformas Knewton como Zoomi, por ejemplo, aprovechan la tecnología para ofrecer itinerarios personalizados para cada alumno. No he podido ir más allá de las demos  que tienen colgadas en sus webs, pero la impresión que obtengo es que, en efecto, mejora la experiencia de usuario en relación a las propuestas tradicionales. Creo que están en una lógica de innovación incrementalista nada despreciable.

5- Los bots y los chatbots.

Aquí sí, creo que la  innovación disruptiva  en el aprendizaje va a venir de la mano de los bots. Todos recordamos la conversación enamorada de Joaquin Phoenix en la película HER  con el software de su ordenador. Pues bien, en muy poco tiempo ya hay tecnología disponible que nos acerca a escenarios  reales de aprendizaje mediante voz,  de última generación. Recogía Enrique Dans recientemente un experimento que se había hecho en el Tecnológico de Georgia en el que se había programado al bot  Jill Watson (era una aplicación de Watson IBM), en el cual, y si no llega a ser  interrumpido, los estudiantes lo habrían elegido como el Teacher Assistent del año. Era tan eficiente, tan amable y tan rápido, en la contestación de las dudas de los alumnos que no podían suponer que estaban siendo atendidos por un robot.

Además, otros usos educativos de los bots podían ser los siguientes:

• Mobile Coach: coaching y seguimiento
• Inscripción.
• Respuestas a las preguntas del alumno.
• Preparación para el examen
• Evaluación.

6- Entrenadores personales digitales.

Alexa, el asistente digital de Amazon, ya está programado para dar respuesta a más de 10.000 preguntas.  Muchas  de ellas, si vamos a su Market Alexa Skills , están específicamente pensadas para temas  educativos. Pongámonos a soñar: ¿para cuándo un Alexa personal que nos pueda acompañar, animar, entrenar, en nuestro proceso de formación y aprendizaje continuo? No es demasiado descabellado que pronto nos encontremos en estos escenarios. Dependerá de los esfuerzos que hagan los expertos en educación -y que se atrevan a dar el salto a estos espacios ahora poco motivantes por la barrera matemática y tecnológica-, y que hemos dejado en manos de  tecnólogos que aún no entienden de verdad las necesidades de las personas en su aprendizaje. Pero hay excepciones, por ejemplo, la empresa UpeLearning de nuestro querido amigo Juan Francisco Delgado.  Creo que iniciativas como la suya están abriendo un  camino que habrá que seguir.

7- La colaboración y el aprendizaje colaborativo automáticos.

Este punto, me voy a permitir desarrollarlo en una entrada posterior. Tiene tantas implicaciones como las que seis anteriores. Además, es un tema en el que llevo trabajando más de 10 años, y no quiero despacharlo con un par de párrafos.

Nota:

Quiero agradecer a las siguientes personas asistentes a mi conferencia del pasado día 3 el feedback positivo que me dieron. Entre ellas estaba Teresa Sánchez Cancio , Lola Artáiz, María Amor , Pascual Parada, y sobre todo a Jesus Hernandez, por este amable tweet que me encantó especialmente.