Los sistemas de inteligencia artificial basados en lenguaje van camino a revolucionar muchas áreas de los ámbitos humanos y la educación está en el tope del ranking de candidatos.
Esta semana el docente e investigador de la Facultad de Agronomía de la UBA, Martín Oesterheld, mostró cómo la última versión de ChatGPT (4V o Vision), puede responder preguntas de exámenes de agronomía con notable destreza.
“Hace mas de 40 años que enseño en la universidad y una de las cosas más valiosas que creo que enseño es cómo leer e interpretar gráficos. Algo que ahora ChatGPT4V puede hacer asombrosamente”, explicó Oesterheld en redes sociales.
El docente cargó en el sistema un gráfico que correlaciona las precipitaciones con la producción primaria neta aérea (ANPP por sus siglas en inglés) y preguntó a ChatGPT4 lo siguiente: ¿Qué muestra este gráfico en sus ejes? ¿Cuáles son los diferentes puntos de datos? ¿Cuál es el resultado principal que se obtiene de él? ¿Qué significa?
Hace mas de 40 años que enseño en la universidad y una de las cosas más valiosas que creo que enseño es cómo leer e interpretar gráficos. Algo que ahora ChatGPT4V ("Vision") puede hacer asombrosamente. Le mostré esta figura y sólo le dije (en inglés pero aquí traduzco)… pic.twitter.com/sdyMpoEXvG
— Martin Oesterheld (@MartinOesterhel) October 11, 2023
Las respuestas fueron exactas, salvo por un error derivado de interpretar mal datos contenidos en el gráfico. Cuando el docente identificó ese registro con la variable apropiada en cuestión, el sistema reinterpretó la respuesta para hacer un comentario completamente correcto.
“Parece que en mis próximos cuarenta años de docencia no va a hacer falta que enseñe tanto esto. Voy a tener más tiempo de clase para enfocarme en algo que todavía no sé qué es, pero será superior”, resumió Oesterheld.
La pregunta del docente de la Fauba es recurrente en otras muchas áreas del ámbito académico, dado que no son pocos los que se cuestionan si será necesario dedicar tanto tiempo a enseñar aquello que los sistemas de inteligencia artificial podrán resolver en cuestión de segundos por más complejos que resulten.
El gran interrogante en el sector es qué podría suceder si modelos de inteligencia artificial como ChatGPT4V algún día operasen con registros ambientales y climáticos actualizados –vía sensores remotos– de manera constante en tiempo real, los cuales, alimentados con grandes bases de datos, pronósticos meteorológicos, bibliografía científica y artículos técnicos, permitiese generar diseños agronómicos georreferenciados con una precisión sustancialmente superior a la del mejor equipo de agrónomos humanos.
En ese marco, el desafío planteado por Oesterheld es completamente actual: ¿Qué debería aprender hoy un aspirante a ingeniero agrónomo que va a comenzar a ejercer dentro de varios años?
