alfabetización en IA

El conocimiento y la comprensión de la IA se refieren a una comprensión básica de qué es la inteligencia artificial y cómo funciona. Esto incluye familiaridad con los algoritmos de aprendizaje automático y las limitaciones y sesgos presentes en los sistemas de IA. ^{[ 4 ]} Los usuarios que conocen y comprenden la IA deben estar familiarizados con diversas tecnologías que utilizan inteligencia artificial, incluidos los sistemas cognitivos, la robótica y el aprendizaje automático. ^{[ 1 ]} Esto incluye reconocer que los grandes modelos de lenguaje (LLM) son modelos de aprendizaje automático entrenados en conjuntos de datos extensos que generan texto nuevo en lugar de recuperar respuestas preescritas. ^{[ 8 ]}

El uso y la aplicación de la IA se refieren a la capacidad de utilizar herramientas de IA para resolver problemas y realizar tareas como la programación ^{[ 9 ]} y el análisis de grandes conjuntos de datos ^{[ 4 ]} . Algunos consideran la ingeniería de indicaciones , la práctica de diseñar indicaciones efectivas para guiar las plataformas de IA generativa de manera más eficaz, como otra competencia dentro de la alfabetización en IA ^{[ 8 ] .}

La evaluación y la creación se refieren a la capacidad de evaluar críticamente la calidad y la fiabilidad de los sistemas de IA. También se refieren al diseño y la construcción de sistemas de IA justos y éticos. ^{[ 4 ]} Para evaluar correctamente, los usuarios también deben aprender en qué áreas la IA es fuerte y en cuáles es débil. ^{[ 1 ]}

La ética de la IA se refiere a la comprensión de las implicaciones morales de la IA y a la toma de decisiones informadas sobre el uso de herramientas de IA. ^{[ 4 ]} Esta área incluye consideraciones tales como:

• Responsabilidad : Exigir responsabilidad a los actores de la IA por el funcionamiento de los sistemas de IA y la adhesión a los ideales éticos. ^{[ 10 ]}
• Precisión: Identificar e informar sobre las fuentes de error e incertidumbre en los algoritmos y los datos. ^{[ 10 ]}
• Auditabilidad: Permitir que otras partes auditen y evalúen el comportamiento del algoritmo mediante el intercambio transparente de información. ^{[ 10 ]}
• Explicabilidad : Asegúrese de que los juicios algorítmicos y los datos subyacentes se puedan presentar en un lenguaje sencillo. ^{[ 10 ]}
• Equidad: Prevenir sesgos y considerar puntos de vista diversos. ^{[ 10 ]} Para ello, aumentar la diversidad de investigadores en el campo. ^{[ 11 ]}
• Enfoque centrado en el ser humano y bienestar : Priorizar el bienestar humano en el desarrollo y despliegue de la IA. ^{[ 10 ]}
• Alineación con los derechos humanos: Asegurar que la tecnología no infrinja los derechos humanos reconocidos internacionalmente. ^{[ 10 ]}
• Inclusión: Hacer que la IA sea accesible para todos.
• Progreso: Elija iniciativas de alto valor. ^{[ 10 ]}
• Responsabilidad, rendición de cuentas y transparencia: Fomentar la confianza a través de la responsabilidad, la rendición de cuentas y la equidad. ^{[ 10 ]}
• Robustez y seguridad: Hacer que los sistemas de IA sean seguros, protegidos y resistentes a la manipulación o a las filtraciones de datos . ^{[ 10 ]}
• Sostenibilidad: Elija implementaciones que generen beneficios útiles a largo plazo. ^{[ 10 ]}
• Implicaciones medioambientales: Cómo afecta esta herramienta al medio ambiente, qué restricciones o leyes existen, y si este impacto justifica o no sus efectos.

Apoyar la IA mediante el desarrollo de conocimientos y habilidades asociadas, como programación y estadística. ^{[ 4 ]}

Las escuelas utilizan diversas pedagogías para promover la alfabetización en IA. ^{[ 13 ]} Estas incluyen:

• Realizar una prueba de Turing con un agente inteligente.
• Creación de chatbots
• Creación de aplicaciones mediante programación basada en Blockly
• Aprendizaje basado en proyectos
• Robots de construcción
• Visualización de datos
• Entrenamiento de modelos de IA

Los planes de estudio de inteligencia artificial pueden mejorar la comprensión de los estudiantes sobre temas como el aprendizaje automático, las redes neuronales y el aprendizaje profundo. ^{[ 14 ]}

Antes de la segunda década del siglo XXI, la inteligencia artificial se estudiaba principalmente en cursos de STEM . Posteriormente, surgieron proyectos para aumentar la educación en inteligencia artificial, específicamente para promover la alfabetización en IA. ^{[ 4 ]} La mayoría de los cursos comienzan con una o más unidades de estudio que abordan preguntas básicas como qué es la inteligencia artificial, de dónde proviene, qué puede hacer y qué no puede hacer. La mayoría de los cursos también hacen referencia al aprendizaje automático y al aprendizaje profundo . Algunos cursos tratan cuestiones éticas en la inteligencia artificial. ^{[ 2 ]} En Irlanda, la Autoridad de Educación Superior publicó IA generativa en la enseñanza y el aprendizaje en la educación superior: Marco de políticas en diciembre de 2025, que alentó a las instituciones de educación superior a integrar la alfabetización en IA en todos los programas como un atributo central de los graduados. ^{[ 15 ]}