¿Cómo aprender con IA sin dejar de pensar?

Reflexiones sobre su uso en mi formación académica

Como estudiante de Medicina en la Universidad Nacional Mayor de San Marcos, he notado que la inteligencia artificial (IA) generativa está en todas partes: desde la publicidad hasta las noticias, desde los videos de TikTok hasta la divulgación en salud. Grandes modelos de lenguaje como ChatGPT han mejorado mucho su capacidad de elaborar documentos e incluso artículos científicos muy creíbles, lo que trae consigo problemas en la producción y difusión del conocimiento. La IA puede ayudar en todas las etapas de la investigación, revisando la literatura, procesando grandes bases de datos, corrigiendo el texto e incluso detectando plagio; y, si bien ahorrarse estos trabajos puede permitir que el investigador dedique más tiempo a tareas intelectuales más complejas, esta misma herramienta puede producir artículos totalmente falsos, sintetizar erróneamente los datos y generar afirmaciones incorrectas demasiado convincentes (1).

Esto me ha hecho reflexionar: ¿usaré la IA como un atajo cómodo que me deje con un aprendizaje superficial o lograré convertirla en una herramienta que realmente profundice mi conocimiento? Mi objetivo con este ensayo es definir cómo integraré la IA en mis hábitos de estudio sin que esto signifique apagar mi propio pensamiento crítico. Parto de la idea de que la IA solo potencia el aprendizaje profundo si actúa como un “copiloto” que me reta y organiza, pero en el que yo sigo siendo quien toma las decisiones finales. Ignorar este equilibrio me llevaría a una peligrosa “ilusión de competencia” (2); dominarlo, en cambio, afinará mis habilidades metacognitivas (3). Para lograrlo, me enfocaré en tres prácticas: el cuestionamiento constante, el uso de analogías y, sobre todo, la verificación crítica de las fuentes.

Una de las formas más efectivas en que planeo usar la IA es como un tutor. En lugar de pedirle que me redacte un resumen o un trabajo, voy a pedirle que actúe como un crítico académico exigente. Por ejemplo, un prompt que ya he probado es: “A partir de este PDF del curso de Formación Personal Humanística, dame 10 preguntas abiertas que evalúen profundamente mi comprensión del texto”. Esta dinámica me obliga a defender mis ideas, investigar más y refutar, lo que es justamente la esencia del aprendizaje profundo (4).

Asimismo, la IA puede brindarme herramientas metacognitivas que me permitan evaluar mi propia forma de aprender. Estas consisten no solo en preguntas que evalúen mi aprendizaje a largo plazo, sino también en estrategias avanzadas, como la evaluación de mis mapas conceptuales o de este mismo ensayo. Para lograr el mejor resultado, se necesita un prompt elaborado con mucho cuidado (5), como ocurre al usar rúbricas en la evaluación de mis trabajos. Al contener criterios medibles, las rúbricas son una excelente forma de pedir a la IA una evaluación consistente y coherente, ya que, sin ellas, suele recurrir a su hábito de ser condescendiente y solo dar la razón (6).

Por otro lado, la IA me ha ayudado a traducir conceptos abstractos a analogías que tienen sentido para mí. Recuerdo que, mientras me preparaba para el examen de admisión, la IA me brindaba analogías excelentes para temas muy abstractos, como los ciclos de la respiración celular. Sin embargo, soy consciente de que el aprendizaje real ocurre cuando yo tomo esa idea, la dibujo en mis propios mapas mentales, la corrijo y la hago mía, no cuando simplemente copio y pego la respuesta (3).

La planificación y la organización de mis actividades siempre me han causado dolores de cabeza, pero la IA me ha ayudado mucho a dividir tareas y crear horarios que pueda seguir. Además, me sugiere técnicas de estudio como la técnica Pomodoro, que consiste en estudiar por intervalos de 25 minutos y descansar otros 5, o la técnica de Feynman, que consiste en intentar explicar los conceptos que más me cuestan con palabras tan simples como para que los entienda un niño pequeño. La IA es capaz de encontrar soluciones cuando una mente en aprendizaje se siente bloqueada (3).

Finalmente, he aprendido que, si bien la IA es brillante para la lluvia de ideas o para estructurar un bosquejo inicial, tiene un riesgo inherente de alucinaciones y sesgos (6). Por eso, debo supervisarla estrictamente. Confiar ciegamente en sus respuestas entorpece mi formación. Toda afirmación debe ser contrastada con fuentes primarias y revisada bajo mi propio criterio. No puedo esperar desarrollar un pensamiento crítico si me baso en información inventada.

En conclusión, este ensayo ha mostrado que la IA no es un sustituto del pensamiento, sino un amplificador que requiere dirección humana a través del cuestionamiento y la verificación. Por lo tanto, para que la IA favorezca el aprendizaje profundo, el estudiante debe pasar de ser un consumidor pasivo de respuestas a ser un director activo de preguntas. Esto se consigue mediante un uso inteligente de prompts debida y cuidadosamente construidos; la constante contrastación de lo generado por los modelos de lenguaje con fuentes reales y fiables; el uso de preguntas de autoevaluación y metacognición; el apoyo que brinda la IA para construir un horario viable y organizar tareas; y las estrategias diversas que pueda recomendar gracias a su amplio y rápido acceso a internet.

En la era de la inteligencia artificial, la habilidad más valiosa no es saber todas las respuestas, sino saber cómo preguntar inteligentemente a la máquina y, sobre todo, cómo pensar por sí mismo. Por eso, me comprometo a seguir las pautas indicadas en este ensayo, a no dejar de lado mi propio pensamiento y a usar de forma crítica las nuevas tecnologías que siguen surgiendo, para llegar a un futuro en el que ya sea un profesional formado éticamente.

REFERENCIAS

1. Mayol J. The impact of generative artificial intelligence on scientific publishing. Enferm Nefrol [Internet]. 2024;27(3):187-188. Disponible en: https://scielo.isciii.es/pdf/enefro/v27n3/2255-3517-enefro-27-03-01.pdf. doi: 10.37551/s2254-28842024019

2. Proyecto Illuminated. Ilusión de competencia: conceptos de la ciencia del aprendizaje de Illuminated para docentes. En: Beardsley M, editor. Conceptos de la ciencia del aprendizaje para docentes [Internet]. 2020. Disponible en: https://pressbooks.pub/illuminatedes/chapter/ilusion-de-competencia-conceptos-de-la-ciencia-del-aprendizaje-de-illuminated-para-docentes/

3. Jara I, Ochoa JM. Usos y efectos de la inteligencia artificial en educación [Internet]. Washington, D. C.: Banco Interamericano de Desarrollo; 2020. Disponible en: https://repositorio.citra.org.ar/files/original/e9c22466f9207f9c6c117e53f740ec978557183d.pdf

4. Díaz-Ramírez J. Aprendizaje automático y aprendizaje profundo. Ingeniare Rev Chil Ing [Internet]. 2021;29(2). Disponible en: https://www.scielo.cl/scielo.php?pid=S0718-33052021000200180&script=sci_arttext. doi: 10.4067/S0718-33052021000200180

5. Sahoo P, Singh AK, Saha S, Jain V, Mondal S, Chadha A. A systematic survey of prompt engineering in large language models: techniques and applications. arXiv [Preprint]. 2024. Disponible en: https://arxiv.org/abs/2402.07927

6. Correa Busquets S, Maccarini Llorens L. Self-supervision of hallucinations in large language models: LLteaM. Journal of Computer-Assisted Linguistic Research [Internet]. 2023;7. Disponible en: https://polipapers.upv.es/index.php/jclr/article/view/20408/16266. doi: 10.4995/jclr.2023.20408