La humanidad ha aprendido a crear conocimiento, pero no ha aprendido a transmitir la comprensión
La humanidad nunca había tenido un acceso a la información como el de hoy.
Prácticamente cualquier persona puede encontrar en pocos segundos un libro de texto sobre física cuántica, clases de las mejores universidades del mundo, documentación de programación, artículos científicos sobre genética, y cursos de economía, historia, ingeniería o medicina.
Y con la llegada de la inteligencia artificial, desaparece incluso la necesidad de buscar por cuenta propia gran parte de esta información. Basta con hacer una pregunta y obtener una respuesta.
A primera vista, hemos resuelto el problema del acceso al conocimiento.
Pero no hemos resuelto un problema mucho más importante.
El acceso a la información no es el acceso a la comprensión.
Es posible proporcionarle a una persona un texto científico absolutamente preciso que contenga información extremadamente valiosa, y sin embargo no transmitirle prácticamente nada.
Porque para comprender la información, una persona ya debe comprender algo.
Y es aquí donde reside uno de los problemas fundamentales del sistema moderno de transmisión de conocimientos.
El concepto: la unidad elemental de la comprensión
Estamos acostumbrados a medir la información en palabras, páginas, libros, conferencias, horas de estudio y gigabytes de datos.
Pero el pensamiento humano funciona de otra manera.
No almacenamos libros dentro de nuestra cabeza.
Construimos conceptos.
Un concepto es una unidad de significado completa que una persona es capaz de reconocer, reconstruir mentalmente y utilizar para comprender lo siguiente.
Por ejemplo, la palabra «presión» por sí sola no es un conocimiento.
Para una persona, detrás de ella hay una definición escolar que casi ha olvidado.
Para un ingeniero, representa todo un sistema de modelos físicos.
Para un fontanero, incluye también la experiencia práctica: cómo se comporta el agua, qué ocurre cuando cambia el diámetro de una tubería, por qué hace ruido el sistema y dónde surgen los problemas.
La palabra es la misma.
Los conceptos que hay detrás son diferentes.
Y a la inversa: una persona puede comprender perfectamente una idea determinada sin conocer en absoluto el término científico aceptado.
Por ejemplo, entiende que un sistema puede reducir por sí mismo su impacto cuando el resultado se vuelve demasiado grande, y aumentarlo cuando el resultado se vuelve demasiado pequeño.
Ya comprende el mecanismo.
Simplemente es posible que no sepa que existe el término «retroalimentación negativa».
Por eso, término y concepto no son lo mismo.
El término es un indicador.
El concepto es lo que se despliega detrás de ese indicador en la mente de la persona.
Esta distinción puede parecer pequeña, pero cambia por completo la perspectiva sobre la educación.
El ser humano no acumula conocimiento de forma lineal
La idea de que el aprendizaje consiste en rellenar secuencialmente la cabeza con información es demasiado primitiva.
Lo que ocurre es otra cosa.
Una persona asimila un nuevo concepto a través de los que ya existen.
Al principio, hay que explicar una idea compleja de forma extensa mediante ejemplos, analogías y fenómenos familiares.
Luego, la persona la comprende.
A partir de ese momento, toda la estructura se puede empaquetar en un nombre corto.
Ahora basta con decir:
«retroalimentación negativa»
—y en la mente de la persona se despliega el modelo que ya le es familiar.
Varios párrafos de información se han convertido en dos palabras.
Pero ha ocurrido algo aún más importante.
Ahora se puede utilizar el nuevo concepto para comprender otros conceptos más complejos.
Por eso, el aprendizaje no se ve así:
conocimiento + conocimiento + conocimiento + conocimiento.
Más bien se ve así:
comprendió → comprimió → reutilizó → a través de esto comprendió algo más complejo → volvió a comprimir.
La persona reconfigura constantemente su propio lenguaje de pensamiento.
Cuanto más rica es esta mayor estructura, información más compleja se le puede transmitir mediante un mensaje corto.
Una frase, completamente sin sentido para una persona, puede transmitir a otra un volumen enorme de conocimiento en pocos segundos.
Precisamente por esto, dos personas pueden leer un mismo artículo científico y extraer de él una cantidad de información totalmente diferente.
La transmisión de información no implica transmisión de comprensión
Imaginemos la siguiente oración:
Los sistemas modernos utilizan knowledge tracing junto con knowledge graphs para construir adaptive learning paths teniendo en cuenta la cognitive load y los prerequisites del estudiante.
Para un especialista, esta puede ser una formulación perfectamente normal y compacta.
Para una enorme cantidad de personas, es basura informativa.
No porque sean incapaces de entender la idea.
Sino porque el mensaje está codificado a través de conceptos que aún no están en su cabeza.
Se podría expresar aproximadamente la misma idea de otra manera:
Una computadora puede determinar gradualmente lo qué una persona ya comprende, qué conocimientos adicionales necesita y en qué secuencia es mejor proporcionárselos, para evitar que tenga que estudiar demasiadas cosas nuevas al mismo tiempo.
Ahora el mensaje se ha vuelto accesible para un público completamente diferente.
La información esencial casi no ha cambiado.
Lo que ha cambiado es el modo de codificarla.
Y esto permite formular un principio fundamental:
Una buena explicación no solo la define lo que sabe el emisor. Está determinada por lo que el receptor ya sabe.
Es posible que una explicación universalmente buena ni siquiera exista.
El conocimiento científico se comprime cada vez más
A medida que cualquier campo evoluciona, surge su propio lenguaje.
Esto es necesario.
No tiene sentido que los especialistas expliquen una y otra vez las ideas básicas desde cero. Las estructuras complejas reciben nombres y se convierten en nuevos bloques de construcción del pensamiento.
Un solo término empieza a sustituir a una página de explicaciones.
Esta es una compresión de la información extremadamente eficiente.
Pero tiene un precio.
Para descomprimir dicho término, una persona debe poseer de antemano el concepto correspondiente.
Por ello, cada campo desarrollado crea gradualmente su propio decodificador.
Los físicos entienden a los físicos.
Los biólogos a los biólogos.
Los economistas a los economistas.
Los programadores a los programadores.
El problema se vuelve especialmente perceptible en las fronteras entre disciplinas.
Un especialista altamente calificado puede abrir un trabajo de un campo vecino y descubrir que una parte significativa del texto le resulta prácticamente incomprensible.
Sabe leer cada palabra por separado.
Pero no sabe cómo descomprimir los conceptos que hay detrás de ellas.
Aquí se produce una paradoja.
La humanidad sabe cada vez más, pero a cada individuo le resulta cada vez más difícil acceder a todo el conocimiento de la humanidad.
La educación moderna intenta resolver el problema equivocado
La educación tradicional suele empezar por la asignatura.
Aquí está el programa.
Aquí está la secuencia de temas.
Aquí está el primer semestre.
Aquí está el segundo.
Aquí está la bibliografía recomendada.
Y luego intentan guiar a miles de personas completamente diferentes a través de esta misma ruta.
Pero esas personas tienen cabezas diferentes.
Una ya conoce la mitad de los conceptos necesarios.
A otra le faltan varios conceptos básicos.
Una tercera comprende perfectamente la idea en sí, pero no conoce el término profesional.
Una cuarta conoce el término y es capaz de repetir la definición, pero en realidad no hay ningún concepto detrás de él.
Una quinta ha venido únicamente por una habilidad específica para la cual el 80% del curso nunca le será útil.
Intentamos adaptar a la persona al plan de estudios.
Sería más lógico hacer lo contrario.
Hay que empezar no por la asignatura, sino por el objetivo
Supongamos que una persona quiere adquirir cierta habilidad.
No «aprender programación».
Sino, por ejemplo:
aprender a crear por cuenta propia herramientas digitales sencillas para su negocio.
Este es un planteamiento del problema totalmente diferente.
Ahora podemos preguntar:
¿Qué necesita realmente comprender este individuo en concreto para adquirir dicha habilidad?
¿Qué comprende ya?
¿Qué conceptos faltan?
¿Cuáles de los contenidos que se estudian tradicionalmente ya han quedado obsoletos gracias a la tecnología moderna?
¿Qué es suficiente que conozca de manera superficial?
¿Qué es necesario comprender en profundidad?
¿Qué conceptos intermedios se pueden omitir por completo?
Y de repente resulta que el camino tradicional de mil unidades convencionales de conocimiento se puede reducir a doscientas.
No a costa de empeorar el resultado.
Sino mediante la eliminación de información que no es necesaria para el objetivo de esta persona concreta en el mundo tecnológico actual.
La tecnología destruye constantemente los antiguos conocimientos obligatorios
En los albores de las computadoras personales, realmente era necesario enseñar a una persona a iniciar la interfaz gráfica con el comando win.
Había que explicar qué era una ventana, un icono, un doble clic.
Hoy en día, una enorme cantidad de personas nunca necesitará ese conocimiento.
La tecnología ha ocultado ese nivel de complejidad.
Pero la educación posee una inercia enorme.
Seguimos construyendo programas basándonos en cadenas históricas establecidas:
para entender D, primero estudia A, luego B y después C.
Aunque el mundo moderno ya permite hacer:
A → D.
O incluso directamente:
D.
Esto ocurre con especial rapidez hoy en día gracias a la IA.
Lo que hace cinco años era una competencia profesional indispensable, mañana puede convertirse en un detalle técnico interno de un sistema inteligente.
Por lo tanto, la cadena de conceptos obligatorios no puede ser estática.
Debe revisarse de forma continua.
La inteligencia artificial hace posible otra arquitectura de aprendizaje
Antes de la aparición de los sistemas modernos de IA, personalizar la transmisión del conocimiento de esta manera era prácticamente imposible.
El autor de un libro de texto se ve obligado a escribir una sola versión del texto.
Un profesor puede adaptar un poco la explicación a la audiencia, pero físicamente es incapaz de mantener constantemente un modelo preciso del conocimiento de cada uno de cientos de estudiantes.
La IA es capaz de trabajar de otra manera.
El sistema puede construir gradualmente un modelo vivo de los conceptos de una persona concreta.
No simplemente:
conoce matemáticas — 72%.
Sino:
comprende bien este concepto; utiliza este otro, pero no entiende el mecanismo; conoce este con otro nombre; aquí falta la conexión causal necesaria; este término le es desconocido a la persona, aunque la idea en sí ya la comprende.
A partir de ahí, la tarea de la explicación se vuelve calculable.
Tenemos:
el objetivo de la persona;
su sistema actual de conceptos;
el vasto grafo del conocimiento humano;
las capacidades tecnológicas modernas.
Es necesario encontrar la cadena mínima de cambios que lleve a la persona desde su estado actual hasta la habilidad requerida.
Lo que hay que minimizar no es el tiempo de aprendizaje
Solemos preguntar:
¿Cómo explicar este curso más rápido?
Esta es una pregunta secundaria.
La primera debería ser:
¿Por qué una persona debería estudiar todo este curso en primer lugar?
Si el programa contiene mil conceptos, y para el objetivo de una persona específica solo se necesitan cien, acelerar el estudio de los mil es una mala optimización.
Primero hay que descartar novecientos.
De los cien restantes, la persona ya conoce una parte.
Algunos se pueden sustituir por un modelo más general.
Otros basta con mencionarlos: «saber que existe este campo y cuándo acudir a él».
Algunos sí es necesario comprenderlos profundamente.
Solo después de esto tiene sentido optimizar la explicación.
No podemos obligar al cerebro humano a aprender veinte veces más rápido.
Pero a veces sí podemos reducir veinte veces la cantidad de lo que realmente necesita estudiar.
Esta es una forma fundamentalmente distinta de acelerar el desarrollo humano.
Al mismo tiempo, el camino mínimo es diferente para cada persona
Supongamos que es necesario explicarle un sistema de control a una persona.
A un ingeniero le resulta más cómodo explicárselo matemáticamente.
A un programador, a través del estado del programa y un bucle de retroalimentación (feedback loop).
A un empresario, a través de los precios y la variación de la demanda.
A un fontanero, a través de la presión y una válvula.
No se trata de cuatro conceptos diferentes.
Son cuatro formas distintas de llegar a un modelo interno suficientemente similar.
Una vez surgida la comprensión, se puede decir:
De manera general, esto se llama así.
Ahora el término profesional ha dejado de ser una palabra desconocida.
Se ha convertido en un indicador comprimido de un concepto ya existente.
La siguiente explicación ya se puede construir a partir de él.
Por eso, el sistema de aprendizaje debe cambiar constantemente junto con la persona.
La explicación que necesita hoy, dentro de medio año se volverá irritantemente primitiva.
Su decodificador interno ha cambiado.
Por lo tanto, el lenguaje del sistema también debe cambiar.
Primero hay que enseñar a la persona a aprender
Pero existe un problema aún más profundo que cualquier tecnología.
Una enorme cantidad de personas no comprende en absoluto lo que ocurre en el momento de aprender.
Una persona llega a un curso.
Escucha una conferencia.
En algún momento deja de entender lo que está pasando.
Sigue escuchando.
Las siguientes explicaciones ya se construyen sobre un concepto no entendido.
Veinte minutos después, hay tres conceptos que no se entienden.
Una hora después, la mitad del material.
Y la persona llega a la conclusión:
«No soy lo suficientemente inteligente».
Aunque la descripción técnica del problema puede ser completamente diferente:
en la cadena de comprensión falta un nodo.
Quizá el profesor utilizó un término asumiendo que ya era conocido.
Quizá omitió una conexión causal.
Quizá utilizó una abstracción que al individuo en cuestión le habría sido más fácil visualizar primero mediante un ejemplo.
Quizá todo el material intermedio no sea necesario en absoluto para su tarea.
Por eso, una de las primeras habilidades que se le deben enseñar a una persona es el diagnóstico de su propia incomprensión.
No:
No entiendo la física.
Sino:
En esta explicación entiendo A y B, pero no entiendo por qué de B se deduce C.
O bien:
No sé qué significa la palabra X.
O bien:
El mecanismo en sí me queda claro, pero no entiendo para qué se aplica aquí.
La incomprensión deja de ser una evaluación sobre la persona.
Se convierte en una avería técnica concreta en la cadena de conceptos, que se puede encontrar y solucionar.
Eso es lo que significa aprender a aprender.
La IA es capaz tanto de ampliar como de reducir la brecha intelectual
Aquí surge otro problema.
A menudo asumimos que una IA accesible para todos nivelará intelectualmente a las personas.
Esto no es necesariamente así.
Imaginemos a dos personas con el mismo acceso a un mismo modelo.
La primera lo utiliza así:
Haz esto.
La IA lo hace.
La persona obtiene el resultado.
La segunda:
¿Por qué ha salido exactamente así? ¿Qué alternativas existen? ¿Qué es lo que no estoy entendiendo? ¿A qué principio más general se parece? ¿Dónde más se aplica? ¿Qué suposiciones hemos dado por sentadas en silencio?
La IA responde.
La respuesta genera nuevas preguntas.
Las nuevas respuestas crean nuevos conceptos.
Los nuevos conceptos le permiten a la persona hacer preguntas que antes ni siquiera se le habrían podido ocurrir.
Surge una retroalimentación positiva:
comprensión → preguntas más profundas → uso más potente de la IA → nueva comprensión → preguntas aún más profundas.
Por lo tanto, un acceso idéntico a la IA puede llevar a resultados totalmente diferentes.
En una persona, lo que crece principalmente es la productividad.
En la otra, al mismo tiempo, crece la persona misma.
Y la brecha entre ambas puede no reducirse, sino aumentar de manera acelerada.
En tal caso, la IA se convierte en un amplificador de la dispersión intelectual.
La complejidad del resultado ya no refleja la complejidad de la persona
Este es un estado nuevo para la humanidad.
Antes existía una relación relativamente fuerte:
para crear cosas más complejas, la persona tenía que volverse más competente por sí misma.
La IA rompe gradualmente esta conexión.
Una persona puede crear un producto de software sin entender prácticamente nada de programación.
Puede obtener un informe analítico complejo sin dominar los métodos de análisis correspondientes.
Puede gestionar procesos cuyo funcionamiento interno apenas comprende.
Esto no es necesariamente malo.
Pero surge una diferencia fundamental:
la complejidad del resultado producido por la persona ≠ la complejidad intelectual de la persona misma.
Se puede producir un volumen enorme de productos intelectualmente complejos importando casi toda la complejidad contenida en ellos desde la IA.
Por lo tanto, la productividad ya no puede considerarse un indicador suficiente del desarrollo humano.
Es necesario plantear otra pregunta:
¿Qué ha cambiado en la cabeza de la persona tras realizar este trabajo?
Pero no se puede convertir cada tarea en una lección
De aquí es fácil sacar una conclusión equivocada:
Entonces, la IA debe obligar a la persona a pensar por sí misma cada vez y explicarle todo lo que hace.
Esto destruirá el sentido mismo de la automatización intelectual.
La atención humana es limitada.
No se puede obligar a una persona a estudiar el funcionamiento interno de cada herramienta que utiliza.
Precisamente por eso, la idea del concepto mínimo necesario se vuelve central.
El sistema debe ser capaz de distinguir:
esto es necesario que la persona lo comprenda;
de esto basta con saber que existe;
esto solo se necesitará cuando surja una situación determinada;
esto se le puede delegar por completo a la máquina.
El objetivo no es maximizar el conocimiento de la persona.
El objetivo es maximizar su capacidad de comprender y actuar con un coste cognitivo mínimo.
El concepto se convierte en la unidad de información definitiva
De esto se deriva un principio arquitectónico.
No un artículo.
No un libro.
No una lección.
No un curso.
No una disciplina.
El concepto.
Las grandes construcciones informativas solo son necesarias porque a veces, para construir un solo concepto, una persona requiere una larga secuencia de explicaciones.
Pero el resultado final no es la página leída.
El resultado es la construcción de significado surgida en la mente, que la persona es capaz de utilizar en adelante.
Por lo tanto, el concepto puede considerarse simultáneamente como la unidad elemental y definitiva del conocimiento.
Elemental, porque el aprendizaje posterior se construye a partir de conceptos ya asimilados.
Definitiva, porque la tarea de transmitir información no termina cuando la persona lee el texto, sino cuando el concepto necesario se reconstruye con éxito en su modelo del mundo.
El texto es el transporte.
El término es la dirección.
La explicación es el método de decodificación.
El concepto es el resultado.
Tal vez necesitemos una nueva teoría de la transmisión del conocimiento
La teoría clásica de la información responde de manera magnífica a las preguntas sobre la transmisión de señales.
Pero para el aprendizaje humano no basta con saber cuánta información se ha transmitido.
Se puede transmitir un gigabyte de texto y no cambiar prácticamente nada en la mente del receptor.
Y se puede pronunciar una sola frase y reconfigurar su perspectiva de todo un campo.
Esto significa que nos interesa otra magnitud.
No:
¿cuánta información se ha transmitido?
Sino:
¿qué cambio útil se ha producido en el sistema de conceptos del receptor y a qué coste cognitivo?
Esto permite definir de otro modo la eficacia del aprendizaje.
Una buena explicación no es la más completa.
Tampoco la más científica.
Ni la más corta.
Y ni siquiera es necesariamente la más precisa en cuanto al número máximo de detalles.
Una buena explicación es aquella que crea un concepto lo suficientemente preciso para la siguiente acción o comprensión necesaria, con el mínimo gasto de atención humana.
Y después, ese concepto se convierte en el material de construcción del siguiente.
De la educación universal a un sistema vivo de conceptos
Como resultado, se obtiene una arquitectura completamente diferente.
No existe un único curso correcto.
No existe un conjunto fijo de requisitos previos (prerequisites).
No existe una única explicación óptima.
Existe una persona en un estado H₀.
Existe una habilidad que desea adquirir: T.
Existe el estado actual del mundo y de la tecnología: W.
Y existe cierta transformación mínima:
H₀ → H₁ → H₂ → … → T
Cada transición es la aparición o reconfiguración de un concepto.
Tras cada transición, la ruta se puede recalcular.
Tal vez un nuevo concepto haya permitido saltarse los tres siguientes.
Tal vez se haya descubierto un vacío antiguo.
Tal vez la persona ya haya construido por sí misma la conexión necesaria.
Tal vez la tecnología haya cambiado y toda una rama del conocimiento ya no sea necesaria.
Por lo tanto, el grafo debe estar vivo.
Y el modelo de la persona debe estar vivo.
La tarea principal es aumentar el ancho de banda del desarrollo humano
La fisiología humana cambia lentamente.
No podemos simplemente multiplicar por diez la memoria humana ni obligar al cerebro a asimilar modelos complejos a la velocidad de una computadora.
Pero una parte enorme del coste actual del aprendizaje no se debe en absoluto a la fisiología.
Se debe a un mal enrutamiento de la información.
Enseñamos lo que ya se sabe.
Explicamos a través de términos desconocidos.
Transmitimos detalles que nunca serán necesarios.
Obligamos a estudiar requisitos previos establecidos históricamente.
Utilizamos las mismas explicaciones para personas diferentes.
Confundimos el reconocimiento de términos con la comprensión de conceptos.
No advertimos los pequeños vacíos que bloquean cadenas enteras posteriores.
Y obligamos a la persona a buscar por sí misma el camino a través del gigantesco espacio del conocimiento humano.
Por primera vez, la IA permite atacar casi todas estas pérdidas de forma simultánea.
No hacer que el cerebro sea más rápido.
Hacer que el camino sea más corto.
No darle al usuario más información.
Transmitir menos, pero exactamente la que es capaz de convertir en comprensión.
No obligar a todos a saberlo todo.
Darle a cada uno el sistema de conceptos mínimo y suficiente que le permita seguir avanzando.
Y tal vez esto se convierta en uno de los cambios principales de la educación en la era de la inteligencia artificial.
Porque el problema de la humanidad hace tiempo que no es la escasez de información.
El problema es cuánto tiempo de vida humana se requiere hoy en día para transformar la información disponible en comprensión.
