La IA no piensa — calcula
Toca cada tarjeta para ver la realidad detrás de la apariencia
5 mitos sobre la IA que debes conocer
Ejemplos reales de IA que usas cada día
Haz clic en cada app para ver datos, aprendizaje y riesgos.
Cómo funciona la IA por dentro: 6 conceptos clave
Prueba cada simulador. Solo necesitas curiosidad.
Concepto 1
Cómo predice texto una IA
ChatGPT no 'piensa' la respuesta. Calcula, token a token, cuál es la continuación estadísticamente más probable según millones de textos que leyó durante su entrenamiento.
Ejemplo cotidiano: El autocorrector del móvil sugiere 'días' cuando escribes 'Buenos d…' — ChatGPT hace lo mismo pero con cientos de miles de millones de parámetros.
🔤 Frase de inicio
John Searle, 1980
La Habitación China
Una persona que no sabe chino recibe mensajes con símbolos y tiene un manual de reglas. Devuelve respuestas perfectas. Desde fuera parece que entiende chino. Pero no entiende nada.
🏠 Prueba en casa o en clase
Escribe la misma frase en ChatGPT, Claude y Gemini. ¿Continúan igual? Prueba con una frase ambigua. ¿Por qué la misma pregunta puede dar 3 respuestas diferentes?
Si la IA solo predice la siguiente palabra, ¿puede realmente 'entender' lo que le preguntas? ¿Cuál es la diferencia entre predecir y entender?
Concepto 2
Qué es una red neuronal
Una red neuronal imita (vagamente) el cerebro: neuronas conectadas que pasan información. Activa diferentes combinaciones de entradas y observa cómo el resultado cambia según los pesos aprendidos.
Ejemplo cotidiano: El reconocimiento facial del móvil: analiza píxeles (entrada), detecta bordes y formas (capas ocultas) y decide si eres tú (salida) — en milisegundos.
Activa características del animal y propaga. El resultado cambia según las entradas:
💡 Prueba: "Pelaje largo" solo → Perro. "Pequeño + Maúlla" → fuerte Gato. "Pelaje largo + Maúlla" → Gato (gato persa). Los pesos definen la lógica aprendida.
🏠 Prueba en casa o en clase
Dibuja en papel una red para decidir si llevas paraguas: entradas (temperatura, nubes, pronóstico), capas ocultas, salida (sí/no). ¿Qué peso le darías a cada entrada?
El cerebro tiene 86.000 millones de neuronas. GPT-4 tiene ~1,76 billones de parámetros. ¿Eso los hace similares? ¿Qué diferencias fundamentales ves?
Concepto 3
Qué son los datos de entrenamiento
Una IA aprende de ejemplos etiquetados por humanos. Si le damos mensajes marcados como 'seguro' o 'sospechoso', aprende a distinguirlos. Sin datos, la IA no sabe nada.
Ejemplo cotidiano: Los filtros de spam aprendieron con millones de emails etiquetados. Cada vez que marcas algo como spam, contribuyes a mejorar el modelo.
🤖 Confianza del modelo
70%
🏠 Prueba en casa o en clase
Con tu clase, etiquetad 20 titulares como 'real' o 'fake'. ¿Os ponéis siempre de acuerdo? ¿Qué pasa si el equipo etiquetador tiene sesgos propios?
Cuando aceptas los términos de uso de una app, ¿crees que tus datos pueden entrenar IAs? ¿Te parece justo? ¿Qué condiciones pondrías tú?
Concepto 4
Cómo aprende una IA
La IA no nace sabiendo. Aprende con ejemplos, falla, recibe corrección y mejora poco a poco. Como practicar un deporte: cuantas más repeticiones, mejor.
Ejemplo cotidiano: AlphaGo (Google) aprendió jugando millones de partidas contra sí misma. Cada error la mejoraba. En semanas superó al campeón mundial humano.
¿Qué forma ve la IA?
🏠 Prueba en casa o en clase
Juega 5 rondas de piedra-papel-tijera con un compañero. Anota lo que elige. Después, ¿puedes predecir su próxima elección? Acabas de hacer un entrenamiento manual.
Un humano aprende a reconocer un pájaro con 1-2 ejemplos. Una IA necesita miles. ¿Por qué existe esa diferencia? ¿Qué ventajas tiene cada forma de aprender?
Concepto 5
Qué es el sesgo en IA
Si los datos de entrenamiento no representan bien la realidad, el modelo aprende errores sistemáticos. Un modelo sesgado no solo falla — falla siempre de la misma manera.
Ejemplo cotidiano: En 2018, Amazon descartó un sistema de selección con IA porque favorecía candidatos masculinos. Aprendió de 10 años de contrataciones donde el 80% de empleados eran hombres.
🏠 Prueba en casa o en clase
Busca en Google Imágenes 'médico' y luego 'enfermera'. ¿Qué patrones ves? ¿Qué sesgo aprendería una IA entrenada con esas imágenes?
Si una IA de RRHH se entrenó con datos históricos donde el 80% de directivos eran hombres, ¿qué candidatos favorecería? ¿Quién es responsable: la IA, el programador o la empresa?
Concepto 6
Cómo reconoce imágenes una IA
La visión artificial no 've' como tú. Analiza una cuadrícula de píxeles y detecta patrones mediante análisis geométrico: distancia al centroide, ratio borde/interior, distribución espacial.
Ejemplo cotidiano: Instagram analiza píxeles para detectar caras, aplicar filtros y moderar contenido — todo en menos de un segundo.
Carga un ejemplo o dibuja píxeles. El sistema analiza la geometría para detectar la forma:
Análisis geométrico
Dibuja algo o carga un ejemplo
🏠 Prueba en casa o en clase
Fotografía un objeto desde un ángulo inusual y pásalo por Google Lens. ¿Falla? ¿Por qué? Prueba con imágenes ambiguas o parcialmente ocultas.
Una IA de radiología analiza una imagen en 0,001 segundos. Un radiólogo tarda minutos. ¿Significa que debería reemplazarlo? ¿Qué aporta el médico que la IA no puede?
Cómo funciona ChatGPT explicado fácil
Paso 1 de 6
El usuario escribe
Escribes tu pregunta o mensaje. ChatGPT recibe el texto completo de la conversación — no solo tu último mensaje, sino todo el historial (limitado por la ventana de contexto).
🔬 Cuanto más larga sea la conversación, más contexto usa el modelo. Si el chat es muy largo, puede "olvidar" lo que dijiste al principio.
Avanza automáticamente · Haz clic en cualquier círculo para ir directamente
¿Por qué la IA se equivoca?
La IA comete errores de formas muy específicas. Entenderlos te hace mejor usuario.
Inventa datos
Puede generar citas, estadísticas o nombres que suenan reales pero son completamente inventados — con total seguridad en el tono. Es difícil detectarlo porque suena convincente.
💡 Verifica siempre cifras, citas y nombres con fuentes externas.
Mezcla información
Combina datos correctos con incorrectos en la misma respuesta. No "sabe" qué parte es fiable: solo calcula qué texto es más probable que vaya a continuación.
💡 Lee la respuesta completa con sentido crítico, no solo el inicio.
Habla con seguridad aunque no sepa
No tiene un mecanismo de "no sé" activo por defecto. Ante preguntas que no puede responder bien, puede generar una respuesta plausible en lugar de admitir ignorancia.
💡 Ante respuestas muy precisas sobre temas especializados, pide fuentes.
No verifica fuentes por sí sola
No navega internet en tiempo real (salvo herramientas específicas). Su conocimiento tiene una fecha de corte y puede estar desactualizado sobre eventos recientes.
💡 Para temas de actualidad, siempre usa fuentes directas y actualizadas.
¿Qué son los deepfakes?
Un deepfake es un vídeo, imagen o audio manipulado por IA para parecer que alguien dijo o hizo algo que nunca ocurrió.
Mira los ojos
Parpadeo antinatural o reflejos incorrectos en la córnea
Fíjate en los labios
El movimiento puede no coincidir con el audio
Observa las manos
Los dedos suelen tener deformaciones o número incorrecto
Test de los 3 dedos
Pide que levante 3 dedos sobre su cara. Si se niega o no puede hacerlo bien, sospecha — la IA aún tiene dificultades con dedos específicos.
Verifica la fuente
¿Quién publicó primero? ¿Cuenta verificada?
⚠️ Reglas básicas
- No compartas imágenes o vídeos privados sin permiso
- Si recibes algo que parece falso, no lo reenvíes — verifica antes
- Si alguien te presiona con un deepfake, pide ayuda a un adulto o docente
¿Piensas como una IA?
4 preguntas. Comparte tu resultado.
Le damos a una IA 90 fotos de gatos y 10 de perros. ¿Qué pasará?
Para familiasCómo explicar la IA en casa sin tecnicismos
💬 La próxima vez que use un asistente de voz
Pregúntale: "¿Crees que el móvil nos entiende de verdad o solo calcula la respuesta más probable?" Deja que razone.
💬 Cuando vea una recomendación de YouTube
"¿Por qué crees que te sale este vídeo?" Habla sobre cómo la IA aprende de lo que ves. ¿Te parece bien que lo sepa?
💬 Si usa ChatGPT para deberes
"¿Cómo sabes que lo que dice es correcto?" Verifica juntos una afirmación con una fuente real.
💬 Ante cualquier vídeo viral sorprendente
"¿Podría ser un deepfake?" Buscad juntos quién lo publicó primero. ¿Hay otras fuentes?
Para docentesConvierte cada simulador en una actividad de aula
Predicción de texto
15 minReflexión escritaCada alumno escribe 3 frases incompletas. Las intercambian y predicen la continuación. Contrastan con la IA. ¿Por qué difieren?
Red neuronal
20 minExplicación oral 1 minPor parejas, uno activa nodos y el otro explica qué hace cada capa. Luego roles invertidos.
Laboratorio de datos
25 minMini informe + debateCada grupo etiqueta el mismo conjunto de mensajes. ¿Etiquetan igual? ¿Qué impacto tendría en el modelo?
Sesgo en IA
20 minDebate estructuradoUn grupo defiende que es problema técnico, otro que es social. 5 min cada lado, 10 min debate.
Reconocimiento de imágenes
15 minCaptura + análisisDibuja forma ambigua, anota qué detecta. Compara con Google Lens. Entrega: captura + párrafo.
📚 Recursos y fuentes fiables
UNESCO — IA y Educación
Marco global de competencias en IA
Visitar →MIT RAISE
Recursos educativos sobre IA del MIT
Visitar →Teachable Machine
Entrena tu propio modelo sin código
Visitar →IBM — Qué es la IA
Explicación técnica accesible
Visitar →Common Sense Media
IA para familias y educadores
Visitar →INCIBE — Menores
Seguridad digital y menores
Visitar →Comisión Europea
Marco regulatorio europeo
Visitar →Google Safety Center
Seguridad digital para familias
Visitar →Preguntas frecuentes sobre la inteligencia artificial
Sigue aprendiendo en NativosIA
✅ Sobre este recurso