 Este recurso del mes de Codintev tiene el objetivo de acercar la inteligencia artificial a las hablas de primaria y secundaria de un modo sencillo, divertido y práctico. ¿Y qué es esto de la inteligencia artificial? Pues es la ciencia y la ingeniería dedicadas al desarrollo de sistemas que ejecutan tareas que requerirían inteligencia o razonamiento si la realizara una persona. Y aunque esto pueda parecer algo muy novedoso, lo cierto es que las personas de esa la antigüedad han imaginado máquinas dotadas de capacidades humanas e incluso antes de que existieran los primeros ordenadores se ha tratado de automatizar tareas que requieren inteligencia. No obstante, gracias a los avances producidos en el entorno tecnológico en el que se ejecutan los algoritmos de inteligencia artificial y gracias también a las grandes cantidades de datos disponibles, en los últimos años hemos sido testigos de éxitos muy llamativos en este campo, como los coches autónomos o victorias frente a campeones humanos en diversos escenarios, como el ajedrez, el concurso YoPardy o el Go. En concreto, en este recurso vamos a hablar de Machine Learning o Aprendizaje Automático, que es un subconjunto del amplio campo de las tecnologías y de las técnicas de la inteligencia artificial. ¿Y por qué se llama Aprendizaje Automático? Porque en lugar de que los programadores elaboren a mano las reglas de procesamiento de datos como en la programación clásica, en el Aprendizaje Automático el ordenador aprende automáticamente estas reglas estudiando una gran cantidad de ejemplos. Podría decirse por tanto que el Aprendizaje Automático es entrenado en lugar de ser programado. Vamos a verlo con un caso práctico. Imaginemos que nos encantan las novelas policiacas y queremos clasificar los libros de nuestra biblioteca leyendo sus descripciones para identificar si son novelas policiacas o libros de otros generos. Si tratamos de dividir la tarea en un conjunto de pasos que pueda ser resuelta por un ordenador, podríamos comenzar escribiendo una regla que diga que si una descripción de un libro contiene la palabra policía, se trata de una novela policiaca. Sin embargo, esta regla clasificaría romeamente, por ejemplo, una novela romántica en la que da la casualidad de que el personaje principal es un policía. Bien, podríamos modificar la regla para que solamente clasificara como novelas policiacas aquellas descripciones que contuvieran las palabras policía y crimen. No obstante, esta regla también clasificaría romeamente, por ejemplo, una novela de ficción que transcurre en un planeta en el futuro en el que ya no es necesaria policía porque no se comete ningún crimen. Como vemos, por tanto, identificar así el conjunto de reglas que resuelven esta tarea a mano es costoso, es lento, es difícil. ¿Cómo podríamos abordar esta tarea utilizando un sistema de aprendizaje automático? En primer lugar, tendríamos que coger unas cuantas descripciones de libros, leerlas y crear dos grupos, novelas policiacas por un lado y otro tipo de libros por otro. A continuación, utilizamos estos ejemplos para entrenar al ordenador, para que construya un modelo capaz de reconocer la pinta que tienen las novelas policiacas. A partir de ese momento, el sistema podría tratar de utilizar ese modelo para clasificar nuevos libros que no estaban en el conjunto de entrenamiento. Por supuesto, el sistema puede cometer errores como los que estábamos viendo anteriormente, pero cuanto mayor sea el número de ejemplos que utilizamos en el entrenamiento, mayor será la probabilidad de que clasifica directamente nuevos libros. Este tipo de sistemas de aprendizaje automático está por todas partes y de hecho los usamos todos los días, como en filtros de spam, en plataformas de recomendación de música o de películas, en servicios de traducción automática, en sistemas de detección de fraude, etcétera. Y cada día se usarán más estos sistemas en muchos ámbitos de nuestra vida cotidiana, por tanto necesitamos que la gente que tome las decisiones los conozca y sepa cómo pueden y cómo deben utilizarse y se aconciente a sí mismo de los problemas y limitaciones que pueden presentar. Por esto es fundamental que estos contenidos empiecen a trabajarse desde la escuela. Pero ¿de verdad es posible enseñar aprendizaje automático en colegios, institutos? Lo cierto es que hasta hace bien poco esto era algo reservado a estudiantes de los últimos cursos de ingeniería informática o telecomunicaciones. Pero con las nuevas herramientas gráficas que tenemos a nuestra disposición, esto ya no es así. En concreto, este recurso muestra cómo usar Machine Learning for Kids, una plataforma que utiliza las APIs de IBM Watson Developer Cloud, pero que permite integrar estas funcionalidades en proyectos Scratch usando bloques, lo que ofrece unas posibilidades tremendas para el trabajo en el aula. Nuestro objetivo es que cualquier docente, desde los últimos cursos de primaria hasta bachillerato o formación profesional, pueda trabajar con su alumnado para crear proyectos que integren sistemas de aprendizaje automático para clasificar texto, números o imágenes. Ya veréis qué fácil y qué divertido.