Una investigación de la UNED revela que seguir instrucciones de inteligencia artificial no garantiza el aprendizaje autónomo de habilidades físicas complejas, cuestionando su efectividad en entornos educativos.
La investigación llevada a cabo en la UNED plantea una inquietante pregunta sobre el aprendizaje asistido por inteligencia artificial: ¿realmente estamos aprendiendo o simplemente seguimos instrucciones? Este estudio, que se centra en cómo adquirimos habilidades físicas complejas con el apoyo de tecnología avanzada, ha llegado a una conclusión sorprendente: ejecutar correctamente una tarea bajo la guía de un sistema inteligente no garantiza que se haya adquirido la habilidad de manera autónoma.
Este trabajo forma parte de las iniciativas del Centro de Investigación PhyUM, cuyo objetivo es desarrollar sistemas psicomotores más adaptativos y centrados en el usuario. La investigación fue publicada en la revista Virtual Reality y está basada en la tesis doctoral de Alberto Casas Ortiz, bajo la supervisión de Olga C. Santos, catedrática de Inteligencia Artificial en la misma institución.
A lo largo de varios años, el equipo ha explorado métodos para enseñar habilidades físicas complejas mediante inteligencia artificial, realidad virtual y análisis del movimiento humano, utilizando artes marciales como campo de estudio. El enfoque principal ha sido entender cómo podemos validar que alguien realmente ha aprendido a moverse, revelando que esta respuesta es más complicada de lo que parece.
El estudio desarrolló un sistema inteligente llamado Kenpo Learning Simulator (KLS), diseñado para instruir movimientos específicos del kenpo karate americano a través de un instructor virtual, sensores y algoritmos que analizan el movimiento del usuario. Sin embargo, el propósito no era solo verificar si los participantes podían realizar correctamente los movimientos, sino también determinar hasta qué punto un buen desempeño durante el entrenamiento refleja un verdadero aprendizaje.
Alberto Casas destaca que uno de los hallazgos más interesantes fue observar que obtener buenos resultados en una sesión guiada no asegura un aprendizaje duradero. Durante las sesiones, algunos participantes lograron reproducir correctamente los movimientos pero luego mostraron dificultades para recordar conceptos relacionados o ejecutar ciertos elementos sin asistencia. Esto refuerza la idea expresada por Olga Santos: “el aprendizaje psicomotor no puede evaluarse solo observando la ejecución física; también hay que considerar dimensiones cognitivas y afectivas”. Una persona nerviosa o desmotivada tendrá más problemas para recordar movimientos comparado con alguien relajado y motivado.
Este descubrimiento es crucial porque desafía una creencia común en muchos entornos tecnológicos: suponer que un buen rendimiento al usar una herramienta significa automáticamente haber aprendido. Por ello, Alberto Casas argumenta que “los sistemas futuros deben medir diversas dimensiones del aprendizaje y no solo la precisión en los movimientos”.
Olga Santos relaciona este tema con los debates actuales sobre herramientas de inteligencia artificial generativa: “Obtener respuestas correctas con ayuda tecnológica no implica necesariamente haber adquirido el conocimiento o habilidad de forma independiente”. Este fenómeno podría estar presente en áreas tan variadas como el entrenamiento físico o el desarrollo profesional.
Detrás del estudio se encuentra una cuestión técnica compleja: ¿cómo enseñar movimiento a un sistema inteligente? Los investigadores han creado un marco denominado PsyLearn, destinado a construir sistemas como KLS que integren información sobre movimientos físicos junto con aspectos cognitivos, emocionales y motivacionales vinculados al aprendizaje.
La intención es acercarse más al rol de un profesor tradicional que al de un simple corrector automático. Alberto Casas explica que “la diferencia radica entre un profesor que únicamente indica si has hecho bien o mal un movimiento y otro que comprende tu nivel, te ofrece sugerencias para mejorar y adapta la enseñanza según tus necesidades”. El sistema KLS combina realidad virtual, sensores, cámaras e inteligencia artificial. Se puede imaginar como un profesor virtual observando al alumno mientras practica dentro de un entorno inmersivo donde se le muestran y explican los movimientos necesarios.
A medida que avanza esta investigación, se abre un abanico potencial para aplicar estas tecnologías no solo en deportes, sino también en campos como la rehabilitación, envejecimiento activo, aprendizaje musical y entrenamiento profesional. Según Alberto Casas, “el objetivo no es reemplazar a profesores o entrenadores sino desarrollar herramientas complementarias que amplíen el acceso a una educación personalizada y ofrezcan información valiosa tanto a estudiantes como instructores”.
Santos también subraya que estos desarrollos traen consigo nuevos desafíos relacionados con la transparencia y confianza en las respuestas proporcionadas por algoritmos de inteligencia artificial. Por ello, se han incorporado contribuciones del investigador Miguel Ángel Portaz para abordar cuestiones relacionadas con la inteligencia artificial explicable, algo cada vez más relevante conforme esta tecnología juega un papel más activo en procesos educativos y formativos.
En resumen, estos resultados sugieren que el verdadero desafío de aplicar inteligencia artificial a la educación podría ser entender mejor cómo aprendemos a realizar tareas, además de ayudarnos a ejecutarlas correctamente.
La investigación sugiere que ejecutar correctamente una tarea con la guía de inteligencia artificial no garantiza que se haya adquirido la habilidad de forma autónoma. Los resultados indican que un buen rendimiento en el entrenamiento puede no reflejar un aprendizaje duradero.
El estudio destaca que factores como el nerviosismo o el aburrimiento pueden dificultar la capacidad de recordar movimientos o conceptos asociados, lo que implica que el aprendizaje psicomotor debe evaluarse considerando dimensiones cognitivas y afectivas, no solo la ejecución física.
El KLS es un sistema inteligente de entrenamiento basado en realidad virtual diseñado para enseñar movimientos de kenpo karate americano. Utiliza sensores y algoritmos para analizar los movimientos del usuario, funcionando como un instructor virtual que adapta la enseñanza a las necesidades del alumno.
Se plantean retos sobre transparencia y confianza en las respuestas de los algoritmos. Es importante desarrollar sistemas que no solo ayuden a mejorar habilidades, sino que también faciliten una mejor comprensión de cómo aprendemos.