ChatGPT no hace magia

Tiempo de lectura estimado: 5 minutos

ChatGPT se ha ido popularizando a lo largo del año 2023. Su capacidad para generar contenidos, con una serie de instrucciones textuales previas, no necesariamente muy extensas, ha causado tanto asombro como desesperación en el entorno educativo.

En el mundo académico (colegios, institutos, centros de formación profesional y universidades) ha habido preocupación al pensar que un chatbot generativo podría sustituir al completo o partes de la labor educativa, desincentivar el esfuerzo de los alumnos o dar resultados falsos de excelencia ante la sociedad y el mercado de trabajo.

Muchos estudiantes pueden pensar que gracias a ChatGPT (o alguna de sus alternativas, como Google Bard u Opera Aria) pueden hacer sus tareas en poco tiempo (o resolver pruebas de examen sin ningún esfuerzo mental considerable). Pero no es tan sencillo.

Saber lo que se pregunta

La piedra angular de la IA generativa es el prompting, que viene a ser la elaboración de instrucciones para la posterior generación de contenido (audiovisual o textual) a raíz del modelo de datos que se haya entrenado e integrado en la correspondiente aplicación.

Las instrucciones pueden presentarse en distintos formatos: razonamiento encadenado, verificación de lo enunciado, secuencia de pregunta-respuesta hasta obtener resultado final o mero complemento de indicaciones o ejemplos (observaciones).

Dicho esto, la persona tiene que saber qué quiere obtener por medio del programa (mejor dicho, aquello que quiere que se genere). De hecho, aunque le presente el contexto, tiene que marcarle una especie de ruta o secuencia.

Encauzar, enmarcar y contextualizar

Por ejemplo, si se quiere plantear la resolución de un problema matemático, hay que indicarle bien el contexto, así como marcarle con el grado de precisión necesario las restricciones que permitan encauzar el rumbo de la interpretación. Especificar si se trata de un estudio probabilístico o si debe buscar cierta ayuda al programar con cierto código.

Toda respuesta ha de ser revisada. No solo de cara a las posibles “alucinaciones”. Estos errores que dan lugar a una respuesta fuera de sí pueden producirse por “culpa nuestra”, pero no siempre: también surgen cuando el modelo no está suficientemente entrenado.

Pero es que, además, la respuesta requiere una revisión en la medida en la que se necesita comprender la base para continuar con desarrollos posteriores.

En definitiva, si no se sabe lo que se pregunta ni lo que se va generando, es difícil hacer un uso realmente rentable y productivo de estas soluciones generativas.

Ahorrar tiempo, pero no esfuerzo

Por esos motivos, los estudiantes pueden ahorrar tiempo en escribir o hacer una demostración matemática, pero no dejan de esforzar su mente. Veamos unos ejemplos de uso concretos:

1. Si se redacta un trabajo científico, se puede pedir a ChatGPT una revisión, sobre todo si está en inglés, para que adapte nuestro texto a un registro más formal, próximo al nativo y adaptado a la expresión habitual en ciertas publicaciones de prestigio.

2. Si alguien quiere tener un resumen de contenidos que le ayuden a prepararse para un examen, centrándose en lo más importante, puede preguntarle al programa sobre los aspectos principales acerca de un tema (por ejemplo, el concepto y funcionamiento tipológico del metabolismo).

3. Si alguien quiere resolver un complejo caso práctico de marketing, puede plantear preguntas que le sirvan para obtener indicaciones que marquen el camino de cálculo. Por ejemplo, identificando una distribución de probabilidad discreta sobre la cual hayamos de hacer cálculos a posteriori.

Por estos motivos, ChatGPT, lejos de ser un “mago” que resuelve problemas, es una importante oportunidad para que el alumnado refuerce su espíritu crítico, su capacidad de contraste y sus dotes de análisis e investigación.

Ángel Manuel García Carmona, Profesor asociado de Matemáticas y Ciencia de datos, Universidad CEU San Pablo

Este artículo fue publicado originalmente en The Conversation. Lea el original.