UNIDAD 3
Perfilado de sección
-
En esta unidad se analizan los sesgos y estereotipos en la inteligencia artificial, mostrando cómo los modelos pueden reproducir prejuicios presentes en sus datos de entrenamiento y generar respuestas no neutrales. A través de actividades prácticas se propone identificar estos patrones y reflexionar sobre la incertidumbre, los errores, las alucinaciones y los límites del sistema. También se aborda la alineación y sus desafíos culturales y pedagógicos, así como la adulación algorítmica, destacando la importancia de usar la IA con mirada crítica, responsabilidad y mediación docente.
-
-
CLASE 10 - FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL PARA AMPLIAR HORIZONTES CULTURALES
Los modelos de lenguaje ¿siempre responden lo mismo?
En esta clase exploramos una característica central de los modelos de lenguaje: su no determinismo. Ante la misma pregunta, pueden generar respuestas distintas. ¿Por qué sucede esto? Porque no funcionan con reglas fijas, sino con probabilidades construidas a partir de enormes volúmenes de datos. Analizamos cómo variables como la “temperatura” influyen en el grado de creatividad o previsibilidad de las respuestas, y cómo ciertos parámetros pueden modificar el comportamiento del modelo sin necesidad de volver a entrenarlo.
También nos detenemos en el llamado system prompt, esa instrucción inicial invisible que orienta el tono, los límites y las reglas de interacción. ¿Qué implica que existan configuraciones que el usuario no ve? ¿Hasta qué punto estos sistemas son realmente “cajas negras”? La propuesta es reflexionar sobre la transparencia, la auditabilidad y la confianza: si el comportamiento puede ajustarse sin que lo sepamos, ¿qué desafíos regulatorios y pedagógicos se abren?
Al finalizar la clase, te invitamos a completar unas preguntas. Las respuestas son calificadas y completar la actividad es requisito para finalizar y acreditar el curso.
👨🏫 Docente: Marcos Gómez
-
-
-
CLASE 11 - FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL PARA AMPLIAR HORIZONTES CULTURALES
Alineación, equilibrio entre precisión y responsabilidad
En esta clase trabajamos el concepto de alineación, entendido como el proceso de ajustar las respuestas de un modelo de inteligencia artificial para que respeten valores humanos, normas éticas y objetivos específicos. En el ámbito educativo, la alineación busca garantizar respuestas seguras y adecuadas al contexto escolar. Un modelo no alineado podría ofrecer indicaciones riesgosas ante una consigna aparentemente inocente, mientras que un modelo alineado prioriza la seguridad y adapta su respuesta al entorno del estudiante. Una de las técnicas más utilizadas para alinear modelos es el aprendizaje por refuerzo con retroalimentación humana (RLHF), donde personas evalúan distintas respuestas del modelo y las cuales se usan para enseñarle qué tipo de respuestas priorizar.
También analizamos los desafíos de la alineación. La respuesta “correcta” depende del contexto del usuario, su edad y su cultura. Un modelo puede fallar si no considera diferencias culturales, rechaza automáticamente temas sensibles sin contextualizarlos o responde desde una perspectiva centrada en otro país. El alineamiento cultural implica que los sistemas comprendan conocimientos y referencias locales —como tradiciones, feriados o vocabulario específico— y no solo un subconjunto global limitado. Sin investigación y datos culturalmente diversos, los modelos tienden a cometer errores o simplificaciones. Por eso, avanzar en alineación no es solo una cuestión técnica, sino también cultural y pedagógica.
Al finalizar la clase, te invitamos a completar unas preguntas. Las respuestas son calificadas y completar la actividad es requisito para finalizar y acreditar el curso.
👩🏫 Docente: Sofia Martinelli
-
-
-
CLASE 12 - FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL PARA AMPLIAR HORIZONTES CULTURALES
Adulación algorítmica
En esta clase abordamos diferentes conceptos vinculados al diseño de la IA que nos permiten reflexionar sobre cómo funcionan estos sistemas y qué tipo de relación construimos con ellos. Adulación algorítmica, transparencia, ocultamiento de la incertidumbre y antropomorfismo son algunas de las características presentes en los modelos de lenguaje. Conocerlas nos permite evaluar de manera más crítica los usos que hacemos de estas tecnologías y considerar las implicancias socio-educativas que pueden tener cuando permanecen invisibilizadas.
También reflexionamos sobre cómo éstos conceptos esta adulación pueden impactar en el vínculo pedagógico y en la construcción de confianza. Los modelos utilizan un tono cercano, ofrecen disponibilidad constante y pueden generar sensaciones de cercanía o confianza en la interacción, que puede influir en la relación docente–estudiante–IA. Se analizan distintos grados de dependencia —desde un uso crítico y reflexivo hasta una sustitución preocupante de vínculos humanos— y se advierte sobre los riesgos de usar la IA como apoyo emocional sin mediación profesional. La clase invita a problematizar no solo qué responde la IA, sino cómo lo hace y qué repercusiones puede tener en la autonomía y el juicio crítico de quienes la utilizan.
‼️ Importante: En esta clase hay una tarea antes de ver la clase. Es importante que la puedas desarrollar, si bien la actividad no es calificable, su realización constituye un requisito para la aprobación del curso. Al finalizar la clase, te invitamos a completar unas preguntas con respuestas que sí son calificadas y completar la actividad es requisito para finalizar y acreditar el curso.
👩🏫 Docente: Emilia Echeveste
-
-