Inteligencia Artificial en la Academia: Oportunidades y Desafíos
DOI:
https://doi.org/10.32870/recibe.v13i2.369Palabras clave:
Inteligencia Artificial, Academia, ChatGPT, aplicaciones, regulaciónResumen
Aunque en los últimos años el uso de la inteligencia artificial (IA) se ha vuelto más común y accesible, especialmente con herramientas como ChatGPT, sus raíces se remontan a más de 50 años. Desde la década de 1950, cuando Turing propuso la primera prueba para evaluar la capacidad de las máquinas de emular el comportamiento humano, la IA ha tenido un desarrollo con altibajos. No obstante, en la última década, ha experimentado un crecimiento significativo, manifestándose en múltiples aspectos de la vida cotidiana, incluida la academia. El uso de la IA en la academia se ha popularizado recientemente, particularmente entre estudiantes de nivel medio y superior, con herramientas como ChatGPT. Sin embargo, hay otras aplicaciones destacadas, como Inciteful, Litmaps, Jenni, Wisio y Elicit, que facilitan la recopilación y el análisis de grandes volúmenes de información. Además, herramientas como Grammarly, Quillbot y Jarvis son auxiliares valiosos en la redacción y revisión de textos académicos. Dado este contexto, es crucial analizar tanto las oportunidades que la IA ofrece en el ámbito académico como las áreas que requieren una atención especial para asegurar un uso ético y responsable de estas herramientas. Este artículo examina los orígenes de la IA, su recorrido histórico, y presenta diversas herramientas aplicables en la academia. Se exploran los aspectos que demandan mayor cuidado para un uso ético y responsable y se discuten las posibles vías futuras en el desarrollo de estas herramientas tecnológicas.Citas
Bahrini, A., Khamoshifar, M., Abbasimehr, H., Riggs, R. J., Esmaeili, M., Majdabadkohne, R. M., & Pasehvar, M. (2023). ChatGPT: Applications, Opportunities, and Threats. 2023 Systems and Information Engineering Design Symposium, SIEDS 2023, 274–279. https://doi.org/10.1109/SIEDS58326.2023.10137850
Cossette-Lefebvre, H., & Maclure, J. (2023). AI’s fairness problem: understanding wrongful discrimination in the context of automated decision-making. AI and Ethics, 3(4), 1255–1269. https://doi.org/10.1007/s43681-022-00233-w
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 1–12. https://doi.org/10.1080/14703297.2023.2190148
Jackson, P. (1998). Introduction to Expert Systems (3rd ed.). Addison-Wesley Longman Publishing Co., Inc.
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2017). ImageNet classification with deep convolutional neural networks. Communications of the ACM, 60(6), 84–90. https://doi.org/10.1145/3065386
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539
McCarthy, J. (1974). Artificial intelligence: a paper symposium: Professor Sir James Lighthill, FRS. Artificial Intelligence: A General Survey. In: Science Research Council, 1973. Artificial Intelligence, 5(3), 317–322. https://doi.org/10.1016/0004-3702(74)90016-2
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Moor, J. (2006). The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years. AI Magazine, 27(4), 87–91.
Nadkarni, P. M., Ohno-Machado, L., & Chapman, W. W. (2011). Natural language processing: an introduction. Journal of the American Medical Informatics Association, 18(5), 544–551. https://doi.org/10.1136/amiajnl-2011-000464
Pisica, A. I., Edu, T., Zaharia, R. M., & Zaharia, R. (2023). Implementing Artificial Intelligence in Higher Education: Pros and Cons from the Perspectives of Academics. Societies, 13(5), 118. https://doi.org/10.3390/soc13050118
Radford, A., Narasimhan, K., Salimans, T., & Sutskever, I. (2018). Improving Language Understanding by Generative Pre-Training. In OpenAI blog.
Radford, A., Wu, J., Child, R., Luan, D., Amodel, D., & Sutskever, I. (2019). Language Models are Unsupervised Multitask Learners. In OpenAI blog (Vol. 1).
Samala, A. D., Rawas, S., Criollo-C, S., Bondarenko, O., Gentarefori Samala, A., & Novaliendry, D. (2024). Harmony in Education: An In-Depth Exploration of Indonesian Academic Landscape, Challenges, and Prospects Towards the Golden Generation 2045 Vision. TEM Journal, 2436–2456. https://doi.org/10.18421/TEM133-71
Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van den Driessche, G., Schrittwieser, J., Antonoglou, I., Panneershelvam, V., Lanctot, M., Dieleman, S., Grewe, D., Nham, J., Kalchbrenner, N., Sutskever, I., Lillicrap, T., Leach, M., Kavukcuoglu, K., Graepel, T., & Hassabis, D. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529(7587), 484–489. https://doi.org/10.1038/nature16961
Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, LIX(236), 433–460. https://doi.org/10.1093/mind/LIX.236.433
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention Is All You Need. Proceedings of the 31st International Conference on Neural Information Processing Systems. https://doi.org/10.5555/3295222.3295349
Weizenbaum, J. (1966). ELIZA—a computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36–45. https://doi.org/10.1145/365153.365168
Yawson, R. M. (2024). Perspectives on the promise and perils of generative AI in academia. Human Resource Development International, 1–12. https://doi.org/10.1080/13678868.2024.2334983
