Aprende con IA (sin delegar tu pensamiento)
El proceso es el aprendizaje
A principios de año compartía algunas ideas para convivir con la inteligencia artificial. Desde entonces, los modelos generativos no han parado de mejorar. Vuelvo a escribir sobre esta tecnología para entender cómo pueden mejorar nuestra forma de aprender.
La mayoría se divide en dos bandos. Por un lado están los entusiastas, que ensalzan la IA como si fuera la solución definitiva a todos los problemas. Por otro lado están los puristas, que desprecian la IA como si fuera un loro inútil que solo consume energía, plagia y alucina. Los entusiastas quieren venderte su Máster en IA y los puristas seguir sintiendo que cada segundo de su trabajo creativo es especial. Hay vida fuera de los extremos.
El inversor Balaji Srinivasan propone una especie de curva de Laffer para el uso de la inteligencia artificial. Al igual que el óptimo de impuestos no es ni el 100%, porque todo el mundo se iría a Andorra, ni el 0%, porque entonces sí que no pagamos las carreteras ni los hospitales, el porcentaje óptimo para usar la inteligencia artificial no es ni el 100%, porque el resultado sería basura (slop, como dicen los yankees), ni el 0%, porque perderíamos oportunidades para crear mejor y más rápido. ¿Cuánta inteligencia artificial usar? Depende de la situación. Saber que no es un todo o nada ya es un buen punto de partida.
Las herramientas que usamos en nuestro día a día (ChatGPT, Gemini, Claude) son modelos extensos de lenguaje, LLMs por sus siglas en inglés. Son programas que se inspiran en la arquitectura del cerebro y que han sido entrenados con (muchísimos) ejemplos. Estos modelos «solo» predicen la siguiente palabra basándose en el enorme océano de datos con el que han sido entrenados, lo que los convierte en herramientas increíbles para reconocer patrones o resumir textos. Como prueba, esta infografía de NotebookLM de un libro que quizás te suene.
Si quieres saber cómo los LLMs pueden mejorar tu aprendizaje, además de entender cómo funcionan, necesitas entender cómo aprendemos los seres humanos. El tema da para varios libros. Para esta reflexión nos quedaremos con dos ingredientes que no pueden faltar: el conocimiento previo y el procesamiento cognitivo. Aprendemos conectando lo desconocido con lo que ya sabemos. Aprendemos jugando con las ideas, pasando tiempo con ellas, sumando repeticiones, poniéndonos a prueba, y superando las dificultades deseables y necesarias para comprender la complejidad que nos rodea.
Cómo los LLMs (no) mejoran nuestro aprendizaje
Los LLMs responden a tus peticiones, llamadas prompts, con resultados lo suficientemente buenos. Me gusta la idea, que también descubrí a través de Balaji, de que los modelos todavía no completan las tareas de principio a fin. Los cuellos de botella están en el inicio del proceso, prompteando, y en el final, verificando la respuesta del LLM. Por eso los que más partido sacan a la Inteligencia Artificial son los expertos, porque su conocimiento les permite hacer mejores preguntas y cuestionar las respuestas.
El gurú de la IA te dirá que no hace falta conocer un campo, que lo único que necesitas es su lista de prompts definitiva, que por supuesto te vende por un módico precio. Para saber preguntar al LLM y evaluar su respuesta sin depender de hacks que cambian de la noche a la mañana, mejor desarrollar tu propio criterio.
Hasta aquí los dos retos principales para realizar tareas con LLMs: promptear y verificar. A la hora de aprender tenemos que sumarle un tercero: el esfuerzo cognitivo. Porque si las respuestas no son fruto de tu esfuerzo cognitivo no estás aprendiendo. Así lo explica el investigador en ciencias aplicadas del aprendizaje Carl Hendrick:
«Los sistemas de IA están hechos para la eficiencia, no para la educación. Están diseñados para optimizar la finalización de tareas, minimizar la fricción y entregar respuestas inmediatas y aparentemente correctas; todas ellas virtudes en ingeniería, pero vicios en el aprendizaje. Los LLM están diseñados para resolver problemas de forma fácil para el usuario, no para el proceso cognitivamente costoso a través del cual se construye la comprensión».
Si le chutas un libro a NotebookLM y creas una infografía, puedes llegar a pensar que has aprendido. Como cuando en la época de estudiante releías los apuntes, tu mente confunde la fluidez con la comprensión y el rendimiento con el aprendizaje. En esa falsa sensación de comprensión se esconde el verdadero peligro del aprendizaje: no la ignorancia, como suele pensarse, sino la ignorancia de la ignorancia.
Aprende muy poco quien sube el pdf y crea la infografía.
Aprende más quien dedica horas y atención a leer el libro.
Aprende mucho más quien dialoga con él en los márgenes.
Aprende muchísimo más quien, pensando, escribe cada línea.
Al aprender con LLMs, el reto está en no delegar las acciones que nos permiten construir conocimiento, aunque la máquina lo haga mejor que nosotros. Porque es atravesando el proceso como se aprende.
Cuando eres nuevo en un campo sé especialmente cauto. No tienes el conocimiento suficiente para detectar los errores del LLM, cuyas respuestas serán las más frecuentes, no necesariamente las más ciertas. Antes de lanzar tu pregunta, haz una pequeña investigación por tu cuenta. Filtra, procesa y sintetiza tus hallazgos. Prioriza webs curadas, el consenso científico, pensadores en los que confíes y diferentes enfoques. No olvides que pasar más tiempo con la información es bueno para el aprendizaje. Luego contrasta tu investigación con la que un LLM, con un mejor prompt gracias a la idea que te has formado del tema, puede lograr con su función Deep Research.
Durante la práctica, los LLMs pueden ayudarte a aprender mejor de tres formas.
Adaptando materiales a tu nivel
Si no entiendes una idea, puedes pedirle al LLM que te ponga ejemplos adaptados a tu vida o que te lo explique como si fueras un niño de primer curso a lo Feynman. Ten cuidado de no terminar tergiversando la idea que quieres aprender. No pienses en atajos, piensa en apoyos para que tú, y no la máquina, puedas explicar las ideas.
Lanzando preguntas al estilo socrático
Las preguntas alumbran el conocimiento. Puedes incorporar en las instrucciones personalizadas de tu LLM que te lance preguntas para poner a prueba tu entendimiento. También puedes pedirle que cuestione tu explicación.
Ofreciéndote feedback
El feedback te permite poner a prueba tus ideas. Por desgracia, es difícil y raro que una persona que sabe más que tú dedique la atención y el tiempo necesario para darte feedback personalizado y a tiempo. Los LLMs sirven como espejo en el que exponer tus ideas. Evita las respuestas complacientes que devuelve por defecto editando el prompt o las instrucciones.
Para cerrar, un heurístico final para incorporar la inteligencia artificial en tu aprendizaje: no busques pensar menos, busca pensar más y mejor.
El proceso es el aprendizaje.
Sergio-.
P.D. Para todos los cambios que ha habido durante el año, creo que la edición Cómo convivir con la inteligencia artificial ha envejecido muy bien y sus ideas siguen hoy vigentes. El proceso de aprendizaje que comentaba en el último apartado, sobre cómo aprendí las ideas de La República de Platón (que luego compartí en esta trilogía: I, II y III) se parece mucho a como sigo aprendiendo ideas complejas que no entiendo a la primera.
Me ha encantado, Sergio. Son los expertos los que realmente brillarán en esta nueva era, por lo que en cada uno queda el convertirse en experto. También los LLMs son parte de ese camino.
Muy interesante. Coincido en que es mucho mejor dedicarle tiempo a un libro. Yo soy muy de releer y de libros físicos que nunca, jamás subrayo.
No obstante, en NotebookLM he encontrado un buen aliado para poner a prueba mis conocimientos y explorar con herramientas que antes no tenía. Hablé de ello en un artículo, pero prefiero no hacer spam.
Enhorabuena por el texto. Está muy bien pensado y ejecutado.