Notas para el facilitador

¿Cómo piensa una IA? Un libro en 3D

Certificación docente · Módulo 4: Innovación Educativa con IA y Herramientas Digitales · Universidad Nacional Pedro Henríquez Ureña (UNPHU).

1. Propósito y resultados de aprendizaje

El libro muestra, con modelos que el participante manipula, qué hace realmente una IA generativa cuando responde. Está pensado para docentes universitarios de cualquier área: no exige matemáticas ni programación. Al terminarlo, el participante será capaz de:

Explicar que un modelo de lenguaje genera texto eligiendo, paso a paso, entre continuaciones probables.
Elegir una temperatura adecuada según la tarea (consistencia frente a variedad) y justificar la elección.
Describir cómo la IA representa el significado como posiciones y resolver una analogía en ese espacio.
Reconocer por qué una IA puede inventar datos con tono seguro y verificar referencias antes de usarlas.

Cada pliego sigue el ciclo Predice → Prueba → Desafío: el participante compromete una predicción antes de ver la respuesta, la contrasta con el modelo 3D y la aplica en un desafío que entrega un sello.

2. Mapa del libro

Pliego	Idea central	Interacción 3D	Desafío (sello)
1 · La siguiente palabra	La IA escribe palabra por palabra eligiendo entre opciones probables.	Barras de probabilidad que cambian según la palabra elegida; se genera una frase completa.	Generar 3 frases y explicar por qué no salen iguales.
2 · La temperatura	La temperatura empareja o concentra las probabilidades.	Control de temperatura (0,1–3) y «Generar 10 ideas».	Encontrar una temperatura con variedad (favorita ≤ 40 %) y sensatez (absurda < 1 %): T ≈ 1,05–1,25.
3 · El mapa de significados	El significado es posición; las relaciones son direcciones.	Constelación de 16 palabras que gira; tocar una muestra sus vecinas; flechas de analogía.	estudiante : examen :: paciente : diagnóstico, tocando la palabra en el mapa.
4 · Seguro… pero falso	Fluidez no es verdad: con datos raros la probabilidad se reparte, pero el texto suena igual.	Dato frecuente frente a dato raro, con la frase generada y su probabilidad interna.	Verificar tres referencias y encontrar la inventada (la B).
Síntesis · ¿Cómo voy?	Evaluación formativa.	Seis preguntas con retroalimentación inmediata.	Puntaje y conteo de sellos.

3. Secuencia sugerida (60 minutos)

Apertura (5 min): proyecta la tapa y pregunta: «¿Qué hace una IA cuando nos responde?». Anota las respuestas para volver a ellas al final.
Pliegos 1 y 2 en parejas (20 min): cada pareja predice antes de tocar. Al terminar el pliego 2, comparen qué temperatura usarían para redactar una rúbrica y para una lluvia de ideas.
Pliego 3 (10 min): que cada uno proponga una analogía de su propia disciplina.
Pliego 4 (15 min): la verificación es real: que busquen las tres referencias en Google Académico.
Cierre (10 min): cuestionario «¿Cómo voy?» y discusión: ¿qué cambia en mi práctica docente? Revela que este libro se hizo con ayuda de IA y que se verificó cifra por cifra: es el mismo principio del pliego 4.

4. Precisiones conceptuales

Tokens, no palabras. Los modelos trabajan con tokens (palabras o trozos de palabra) de vocabularios de decenas de miles. El libro muestra palabras o frases cortas para que se lea con facilidad.

Las probabilidades son ilustrativas. Están inventadas con fines didácticos, aunque imitan la forma típica: unas pocas opciones concentran la mayor parte y hay una cola larga de opciones raras.

Temperatura. Equivale a dividir las puntuaciones del modelo (logits) por T antes de convertirlas en probabilidades; el libro usa la forma equivalente p^1/T. Muchas aplicaciones de chat no muestran este control, y además existen otras estrategias de muestreo (por ejemplo, top-p).

El mapa de significados es una metáfora en 3D. Las analogías vectoriales se observaron en word2vec (2013). Los modelos actuales usan representaciones que cambian según el contexto y tienen cientos o miles de dimensiones. La «cercanía» en porcentaje es una escala didáctica.

Alucinaciones. Que un dato sea raro en los datos de entrenamiento es una de varias causas. Las herramientas que buscan en internet o en documentos reducen el problema, pero no lo eliminan. La referencia B del pliego 4 se inventó para el ejercicio.

Ideas previas frecuentes

«La IA busca la respuesta en internet» → genera texto a partir de probabilidades (pliego 1).
«Si responde distinto, se equivocó» → hay un sorteo en cada paso (pliegos 1 y 2).
«La IA entiende como una persona» → representa el uso de las palabras, no definiciones (pliego 3).
«Si la cita tiene buen formato, es real» → hay que verificarla en la fuente (pliego 4).

5. Uso técnico

El libro es un único archivo index.html que funciona sin internet (el logo y las fuentes van dentro del archivo). Requiere un navegador con WebGL 2 (Chrome, Edge, Firefox o Safari recientes).
Opetus u otra plataforma: si acepta archivos o páginas HTML, sube index.html y docentes.html juntos. Si pide un paquete SCORM, sube el archivo …-scorm.zip tal cual, sin descomprimirlo: informa a la plataforma el puntaje (sellos y cuestionario) y marca la actividad como completada al ganar los 4 sellos.
Enlaces directos: agrega #p3 al final de la dirección para abrir el pliego 3.
El progreso (sellos, predicciones, respuestas) se guarda en el navegador de cada participante. No se recogen datos personales.
Accesibilidad: el texto es HTML real (legible por lectores de pantalla), se navega con las flechas del teclado, respeta la opción «reducir movimiento» y el sonido se puede silenciar.

6. Fuentes

Vaswani, A. et al. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems, 30. arXiv:1706.03762
Holtzman, A., Buys, J., Du, L., Forbes, M. y Choi, Y. (2020). The Curious Case of Neural Text Degeneration. ICLR 2020. arXiv:1904.09751
Mikolov, T., Chen, K., Corrado, G. y Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781
Ji, Z. et al. (2023). Survey of Hallucination in Natural Language Generation. ACM Computing Surveys, 55(12).
UNESCO (2023). Guidance for generative AI in education and research. París: UNESCO.
Referencias reales del desafío del pliego 4: Freeman, S. et al. (2014), PNAS, 111(23), 8410–8415; Roediger, H. L. y Karpicke, J. D. (2006), Psychological Science, 17(3), 249–255.