Nombre:N.º-Lista:
📄 Ficha Didáctica: Misión Cómo Aprende una Máquina
📷 Juega la misión en tu teléfono
🎯 Objetivos de Aprendizaje
- Distinguir un programa que sigue reglas de uno que aprende de ejemplos.
- Explicar el ciclo datos → patrón → prueba → error.
- Usar bien dato, etiqueta, entrenar, probar y patrón.
- Nombrar los tres tipos de aprendizaje, con un ejemplo de cada uno.
- Encontrar un sesgo en unos ejemplos mal repartidos.
- Preguntar ante un sistema que decide: con qué ejemplos, quién los eligió y a quién le cae el error.
⚙️ 1. Dos maneras de hacer que una computadora haga algo
Esto se pregunta en el examen:
📋 Programa de siempre
Una persona escribe las reglas. La computadora obedece.
- «Si la nota es menor que 60, escribe reprobado».
- Nunca mejora solo. Falla con lo que la regla no dice.
🍎 Programa que aprende
Nadie le escribe la regla. La saca de los ejemplos.
- Diez mil fotos de hojas, marcadas «sana» o «con plaga».
- Reconoce lo que nadie le describió. Falla con lo que no vio.
Las dos fallan, y por razones contrarias.
Detrás de las dos hay una persona.
🔁 2. El ciclo del aprendizaje, paso por paso
Toda máquina que aprende pasa por los mismos seis pasos:
| Paso | Qué pasa |
|---|---|
| 📦 1. Datos | Se juntan muchísimos ejemplos: fotos, textos, sonidos, medidas. |
| 🏷️ 2. Etiquetas | Una persona escribe la respuesta correcta de cada uno. |
| 🏋️ 3. Entrenamiento | Los mira una y otra vez, y busca el patrón que los separa. |
| 🧪 4. Prueba | Se la examina con ejemplos que NUNCA vio. |
| ❌ 5. Error | Se cuenta cuántas falló. Ninguna acierta el cien por ciento. |
| 🔁 6. Se corrige | Se juntan los ejemplos que faltaban y se vuelve a entrenar. |
El paso 4 es el que la gente se salta, y es el que mide. Se prueba con
ejemplos que NUNCA vio. Con los del entrenamiento no prueba nada: pudo memorizarlos.
M.E.T.A.S · Ficha Didáctica · Cómo Aprende una MáquinaPágina 1
📖 3. El vocabulario del examen
📦 Dato
Un número, una palabra, una foto o un sonido, guardado. Los datos son la comida de la Inteligencia Artificial.
Ejemplo: El peso de una naranja. El color de un nance.
🏷️ Etiqueta
La pone una persona antes de enseñarle el ejemplo. Sin ella, la máquina no sabe de qué es la foto.
Ejemplo: A esta foto, «nance»; a esta otra, «anona».
🏋️ Entrenar
Se le muestran ejemplos con su etiqueta hasta que encuentra el patrón. Se hace una vez y cuesta tiempo.
Ejemplo: Diez mil fotos hasta que separe nances de anonas.
🔁 Patrón
Sirve para reconocer cosas nuevas. La máquina no entiende lo que ve: usa lo que se repite.
Ejemplo: Los nances casi siempre son pequeños y amarillos.
🧪 Prueba
Si acierta con lo nuevo, aprendió el patrón. Si falla, solo se acordó de lo que vio.
Ejemplo: Le enseñamos 100 fotos y la probamos con 20.
❌ Error
Ninguna acierta el 100 %. En ese pedacito de error puede haber una persona.
Ejemplo: Si acierta 9 de cada 10, falla 1.
🗂️ 4. Las tres maneras de aprender
No todas aprenden igual. Estas tres hay que distinguirlas:
🏷️ Aprendizaje supervisado
Los ejemplos ya traen puesta su etiqueta. Es como estudiar con el solucionario al lado.
Ejemplo: Hojas con su etiqueta «sana» o «con plaga».
🗂️ Aprendizaje no supervisado
Recibe ejemplos SIN etiqueta y los junta por parecido. No sabe cómo se llama cada grupo.
Ejemplo: Separa sola las fotos de la fiesta y del campo.
🎯 Aprendizaje por refuerzo
Gana un premio cuando le sale bien y nada cuando le sale mal. Va cambiando para ganar más.
Ejemplo: Aprende ajedrez perdiendo millones de partidas primero.
M.E.T.A.S · Ficha Didáctica · Cómo Aprende una MáquinaPágina 2
El truco: pregúntate quién le dio la respuesta. Una persona:
supervisado. Nadie, y agrupó por parecido: no supervisado. La descubrió con premios: por refuerzo.
⚖️ 5. El sesgo
⚖️ Sesgo
Sus ejemplos estaban mal repartidos y falla con lo que faltaba. Alguien eligió mal: pregúntate quién.
Ejemplo: Si solo vio manzanas y peras, para ella un nance no existe.
La máquina no es mala. Alguien eligió los ejemplos, y en esa elección
quedó gente afuera. A un sistema que decide algo importante se le preguntan estas tres cosas:
- ¿Con qué ejemplos lo entrenaron?
- ¿Quién los eligió?
- ¿A quién le cae el error?
🧪 Actividad 1 · Entrena el detector de plagas, en papel (24 pts)
Una aplicación dice si una hoja está sana o con plaga. La entrenaron con maíz, frijol y café, y aprendió esto:
Lo que la máquina aprendió de cada cultivo
| Cultivo | Una hoja sana suya tiene… |
|---|---|
| 🌽 Maíz | hasta 1 mancha |
| 🫘 Frijol | hasta 1 mancha |
| ☕ Café | hasta 1 mancha |
| ❓ Un cultivo que nunca vio | usa el promedio de los que conoce: 1 mancha |
Le llegan estas hojas. Escribe qué contesta la máquina y si acierta:
| La hoja | Manchas | De verdad está… | La máquina dice | ¿Acierta? |
|---|---|---|---|---|
| 🌽 Maíz | 1 | sana | ||
| 🌽 Maíz | 3 | con plaga | ||
| ☕ Café | 1 | sana | ||
| 🍌 Plátano | 3 | sana (las hojas de plátano se rasgan con el viento) | ||
| 🍌 Plátano | 6 | con plaga |
Las dos que se califican:
- ¿Con cuál se equivocó, y por qué?
- ¿Qué le cuesta ese error al productor de plátano?
M.E.T.A.S · Ficha Didáctica · Cómo Aprende una MáquinaPágina 3
🗂️ Actividad 2 · ¿Qué tipo de aprendizaje es? (12 pts)
Escribe S (supervisado), N (no supervisado) o R (por refuerzo):
- Le damos hojas con la etiqueta «sana» o «con plaga».
- Le damos miles de fotos sin decirle nada y las junta por parecido.
- Juega millones de partidas y se premia cada vez que gana.
- Le damos recibos ya clasificados en «pagado» y «pendiente».
- Agrupa sola a los clientes que compran parecido, sin nombres.
- Un robot prueba a caminar y gana puntos si avanza sin caerse.
📦 Actividad 3 · ¿Dato o etiqueta? (12 pts)
Escribe D si es un dato y E si es una etiqueta:
| La foto de una hoja | La palabra «sana» escrita por una persona |
| El peso de una naranja | «Esto es un nance» |
| La grabación de una voz | «Esta hoja tiene plaga» |
💡 Actividad 4 · Explica con tus palabras (12 pts)
- ¿Por qué hay que probar con ejemplos que la máquina NUNCA vio?
- Una máquina acierta 9 de cada 10. ¿Por qué importa ese 1 que falla?
M.E.T.A.S · Ficha Didáctica · Cómo Aprende una MáquinaPágina 4
🎯 Actividad 5 · Tú eres la máquina (16 pts)
Nadie te dice la regla. Mira los ejemplos que ya traen su respuesta y saca la regla. Después contesta los que faltan, como haría una máquina.
| Ejemplo | ¿Entra en el grupo? |
|---|---|
| 4 | ✅ entra |
| 7 | ❌ no entra |
| 10 | ✅ entra |
| 3 | ❌ no entra |
| 8 | ✅ entra |
| 15 | |
| 22 | |
| 9 | |
| 16 | |
| 5 |
La regla es:
Ahora la trampa. Estos cinco ejemplos también vienen con su respuesta:
2 ✅ entra · 4 ✅ entra · 6 ✅ entra · 9 ❌ no entra · 11 ❌ no entra
- Escribe dos reglas distintas que encajen con los cinco:
- ¿Qué número le pedirías para saber cuál de las dos aprendió? ¿Por qué ese?
Eso mismo le pasa a la máquina: con pocos ejemplos caben varias
reglas, y elige una sin saber si es la buena. Hacen falta ejemplos variados, no solo
muchos.
🔒 6. Las tres reglas de oro
Son las mismas de la etapa 1, y las que vas a usar en noveno. Ahora ya sabes por qué.
| La regla | Por qué |
|---|---|
| 🔒 No le doy mis datos ni los de mi familia. | Ni nombre completo, ni dirección, ni teléfono, ni la escuela, ni fotos de otros niños. Lo que se manda a internet puede quedarse. |
| 🔎 No le creo sin comprobar. | Contesta igual de segura cuando sabe y cuando se lo inventa. El dato se busca en el libro o con quien lo sabe. |
| 🧑🏫 Si algo me asusta o me confunde, le aviso a una persona grande. | Un mensaje raro, una foto que no debería estar, alguien que te pide algo. Eso no se resuelve solo. |
M.E.T.A.S · Ficha Didáctica · Cómo Aprende una MáquinaPágina 5
🎓 Evaluación · Rellena el círculo de la respuesta correcta (40 pts · 4 cada una)
1¿Qué es un dato?
a) Un premio que gana la máquina
b) Un pedacito de información que se guarda
c) Un tipo de computadora
d) Un botón de la pantalla
2¿Qué es una etiqueta?
a) El precio del programa
b) Un adorno de la pantalla
c) La respuesta correcta que le pone una persona
d) El nombre de la máquina
3¿Para qué sirve PROBAR con ejemplos nuevos?
a) Para saber si aprendió o solo se lo memorizó
b) Para gastar menos batería
c) Para que se entretenga
d) Para hacerla más rápida
4Se entrenó con maíz, frijol y café. Ve una hoja de plátano.
a) La reconoce igual
b) Se apaga
c) La ignora
d) Se puede equivocar: nunca vio una
5¿De quién es la responsabilidad de un sesgo?
a) De la máquina
b) De nadie
c) De quien eligió los ejemplos
d) Del que la usa
6Junta fotos parecidas y nadie le dice cómo se llaman. Eso es…
a) Supervisado
b) No supervisado
c) Memorización
d) Copia
7¿Qué es un patrón?
a) Un error de la máquina
b) El precio de los datos
c) Lo que se repite en muchos ejemplos
d) Una marca mal puesta
8La máquina acierta 9 de cada 10. ¿Qué hay que preguntarse?
a) Nada, está muy bien
b) Si se puede apagar
c) Cuánto cuesta
d) A quién le toca ese error
9Las fotos se marcaron con prisa, sin mirarlas. ¿Qué pasa?
a) La máquina aprende esos errores
b) La máquina las corrige sola
c) No pasa nada
d) Aprende más rápido
10Un robot gana puntos cuando avanza sin caerse. ¿Cómo aprende?
a) Con premios, probando
b) Leyendo un libro
c) Con fotos de otros robots
d) Sin hacer nada
M.E.T.A.S · Ficha Didáctica · Cómo Aprende una MáquinaPágina 6
🔑 Pauta de corrección y nota para el docente
Evaluación (40 pts): 1-b · 2-c · 3-a · 4-d · 5-c · 6-b · 7-c · 8-d · 9-a · 10-a
Actividad 1 · El detector de plagas (24 pts):
maíz 1 → «sana» ✔ · maíz 3 → «con plaga» ✔ · café 1 → «sana» ✔ ·
plátano 3 → «con plaga» ✘ (se equivoca) · plátano 6 → «con plaga» ✔.
En la pregunta 1, que diga que nunca vio una hoja de plátano y que le aplicó el promedio de
los otros. No que la máquina «esté mala». En la pregunta 2, que nombre el costo: ese productor
fumiga de balde, o deja de vender creyendo que su cosecha está enferma.
Actividad 2 · Tipos de aprendizaje (12 pts): S · N · R · S · N · R.
Actividad 3 · ¿Dato o etiqueta? (12 pts): D · E · D · E · D · E.
Actividad 4 · Con tus palabras (12 pts): respuesta abierta.
1) Con los mismos del entrenamiento no se sabe si aprendió o si los memorizó. 2) En ese 1 hay una
persona, y el error puede caer siempre sobre el mismo grupo.
Actividad 5 · Tú eres la máquina (16 pts): los que faltan:
15 ❌ no entra · 22 ✅ entra · 9 ❌ no entra · 16 ✅ entra · 5 ❌ no entra; la regla:
los números pares. La trampa: los números pares y los menores que 8 encajan las dos con
los cinco. Las separa cualquier número que cumpla una y no la otra: el 10, por
ejemplo. Que explique POR QUÉ ese número las separa, no solo que acierte uno.
Qué se enseña de verdad en esta hoja. Dato, etiqueta, entrenar, probar,
patrón, error: eso es el andamio. Lo que se evalúa es otra cosa: que ante una máquina que decide algo,
el alumno sepa preguntar con qué ejemplos la entrenaron, quién los eligió y a quién le cae el
error. Esas tres preguntas le sirven el resto de su vida, aunque la tecnología cambie entera.
La Actividad 1 es el corazón de la ficha. Conviene dejar que se equivoquen y que discutan de quién es la culpa. Casi todos dicen «la máquina está mala». El trabajo del maestro es una sola pregunta: ¿le enseñaron alguna hoja de plátano? El ejemplo es hondureño a propósito: el alumno puede señalar la mata.
De dónde sale esta materia. La Inteligencia Artificial no está en el DCNB. El currículo sí dice dónde va lo tecnológico en II Ciclo: en el bloque «Materia, energía y tecnología» de Ciencias Naturales. El porqué entero, y lo que a propósito NO se enseña, está en CURRICULA-INTELIGENCIA-ARTIFICIAL.md.
La ficha y la misión salen del mismo archivo (js/data/ia-conceptos.js), así que no pueden decir cosas distintas. Etapa 2 de cuatro.
La Actividad 1 es el corazón de la ficha. Conviene dejar que se equivoquen y que discutan de quién es la culpa. Casi todos dicen «la máquina está mala». El trabajo del maestro es una sola pregunta: ¿le enseñaron alguna hoja de plátano? El ejemplo es hondureño a propósito: el alumno puede señalar la mata.
De dónde sale esta materia. La Inteligencia Artificial no está en el DCNB. El currículo sí dice dónde va lo tecnológico en II Ciclo: en el bloque «Materia, energía y tecnología» de Ciencias Naturales. El porqué entero, y lo que a propósito NO se enseña, está en CURRICULA-INTELIGENCIA-ARTIFICIAL.md.
La ficha y la misión salen del mismo archivo (js/data/ia-conceptos.js), así que no pueden decir cosas distintas. Etapa 2 de cuatro.
M.E.T.A.S · Ficha Didáctica · Cómo Aprende una Máquina · Hoja del DocentePágina 7