Propósito del blog
La IA puede tener un impacto profundo en la forma en que trabajamos. En este blog se explica cómo empezar a enseñar inteligencia artificial geoespacial en ArcGIS: dónde incorporarla en el plan de estudios, qué recursos hay disponibles y cuáles son sus posibles limitaciones.
Es una serie de 4 blogs:
Cómo empezar
- Los enfoques y objetivos educativos varían: consulta los recursos enumerados en esta serie de blogs para descubrir qué podría ser útil en tu caso. Para quienes prefieren los libros, Esri Press acaba de publicar «Exploring GeoAI: Tools and Workflows» (referencia más abajo), que incluye ejercicios paso a paso. Considera la posibilidad de usar modelos preentrenados para tareas específicas, disponibles en ArcGIS Living Atlas, y los tutoriales y cursos del equipo de ArcGIS Tutorials y Esri Academy.
- Piensa en cómo priorizar los temas o integrar ejemplos de IA en el contenido existente: puede que te encuentres ante la situación de tener «demasiado contenido: ¿dónde incorporo la IA?» en un curso; por eso, considera cómo se podrían enriquecer los temas o conceptos existentes con enfoques de GeoAI. Un ejemplo es comparar la extracción de entidades mediante métodos tradicionales y de aprendizaje profundo.
- Piensa en los conocimientos previos y fundamentales: es importante que los estudiantes entiendan los conceptos fundamentales antes de usar herramientas de inteligencia artificial geoespacial. Esto depende mucho de los objetivos del curso, pero conviene considerar los requisitos previos con antelación, antes de modificar los materiales.
- ¿Deberían tener los estudiantes conocimientos básicos de análisis y tecnologías de teledetección (por ejemplo, óptica, física y plataformas)?
- ¿Deberían tener los estudiantes conocimientos de programación?
- ¿Deberían tener los estudiantes conocimientos de estadística?
- La respuesta normalmente es sí a todas estas preguntas.
Aspectos que conviene tener en cuenta
- Usa un conjunto de datos más pequeño como prueba de concepto: prueba los modelos en áreas pequeñas y luego extrapola lo que supondría analizar áreas más grandes. Hay varios factores que contribuyen al uso exitoso de modelos preentrenados. En primer lugar, los datos utilizados son fundamentales; lo mejor es usar datos similares a los de entrenamiento en tipo, resolución y ubicación.
- Prepárate para hacer varios intentos: una sola pasada quizá no dé resultados satisfactorios; normalmente se necesita más de un intento. Se pueden hacer mejoras mediante técnicas como la edición manual, el reentrenamiento del modelo, el aprendizaje por transferencia o la experimentación con otros modelos de aprendizaje profundo.
- Asegúrate de que los estudiantes entiendan las limitaciones del uso de la IA en el aprendizaje: es importante desarrollar una actitud crítica y equilibrada hacia los datos y los resultados generados con herramientas de IA. Los resultados pueden obtenerse más rápido, pero ¿son mejores o siquiera correctos?
Gobernanza, cumplimiento y ética
Consulta las políticas y los recursos de tu institución, ya que existen grandes diferencias en las directrices sobre el uso de la IA.
- Consulta los recursos de IA de tu institución (si los hay); algunas instituciones ofrecen directrices como las siguientes.
- Directrices sobre IA, herramientas de IA aprobadas y formación en IA
- Lista de verificación de proyectos de IA para recopilar información sobre ellos
- Enlaces a talleres y seminarios web externos relacionados con la IA
- Espacio de la comunidad de aprendizaje sobre IA para compartir, aprender y hablar sobre lo aprendido, los desafíos y las soluciones al enseñar con IA.
- Proporciona a los estudiantes medidas concretas y salvaguardias (algunos ejemplos a continuación).
- Ejemplos de descargos de responsabilidad para programas de curso que describen la responsabilidad del usuario, el uso ético, la seguridad y privacidad de los datos, los posibles riesgos y el apoyo disponible. Una vez más, estos aspectos varían de una institución a otra.
- Procesos de evaluación de riesgos de TI (listas de verificación y procedimientos): también varían según la institución.
- Directrices departamentales o institucionales.
- Algunas instituciones aplican políticas que todos deben cumplir, o que deben cumplirse si se dan ciertas condiciones, como el acceso a los sistemas institucionales, los inicios de sesión y la autenticación, o el alojamiento físico de datos en los sistemas informáticos institucionales, entre otras.)
Tecnología y hardware
Para determinados procesos y flujos de trabajo, considera los requisitos de hardware necesarios:
- Hay que tener en cuenta los requisitos de GPU (¿están actualizados los ordenadores del laboratorio de SIG?).
- Conviene pensar en el acceso al hardware antes de implementarlo en clase (es decir, si los estudiantes trabajarían en los laboratorios de informática, en sus propios ordenadores, etc.).
- Es necesario instalar bibliotecas adicionales para realizar aprendizaje profundo en ArcGIS Pro antes de usar las herramientas.
- ArcGIS Online también admite GeoAI, pero conviene tener en cuenta los cuellos de botella de la red si, por ejemplo, 20 estudiantes acceden al mismo modelo.
Recursos: dónde obtener ayuda
No dudes en consultar los otros blogs de la serie:
Puntos clave para tener en cuenta al pensar en los próximos pasos:
- No tengas miedo: es fácil empezar, incluso en cursos introductorios.
- Las herramientas son accesibles y ya están disponibles en ArcGIS.
- Piensa cómo y si la IA es una buena opción para lo que se está enseñando.
Echa un vistazo a los recursos que aparecen a continuación; podrían ser útiles en el aula y facilitar el aprendizaje de los estudiantes. No dudes en comentar qué más podría ser útil.
- Cómo empezar
- Consulta tutoriales y Esri Academy (busca IA, GeoAI, asistentes de IA y series de tutoriales de ejemplo)
- Documentación y paquetes de ejemplo
Si necesitas hablar con alguien, ponte en contacto con:
- Estados Unidos
- Fuera de Estados Unidos