# Actividad 2. La máquina aprende con ejemplos: peces y no peces

##### Comprendiendo como funciona el Machine Learning con CODE.ORG

En esta actividad se va a recurrir a la plataforma CODE.ORG para, de un modo ágil y visual, comprender como el ser humano enseña y "alimenta" a la IA y como los resultados obtenidos dependen directamente de dicho entrenamiento.

##### Actividad: Clasificamos peces y no peces

**Etapa**: Primer ciclo de Educación Primaria.  
**Duración**: 40 minutos  
**Objetivo general**: Introducir a los alumnos y alumnas al concepto de aprendizaje supervisado en IA, mostrando cómo la cantidad y calidad de ejemplos afecta a los resultados

**Inicio/Preparación (10 minutos)**

**Presentación del reto:** Para ello, explicaremos al alumnado que van a "enseñar a una máquina" a diferenciar entre peces y otros objetos. Para comenzar, plantearemos varias preguntas al grupo/clase:

- "¿Cómo créeis que aprende la máquina a reconocer peces?"
- "Si le damos muchas decisiones correctas, ¿creéis que aprenderá más rápido?"
- "Si nos equivocamos mucho, ¿qué pasará con la máquina?"

**Exploración guiada del juego (20 minutos) Acceso a la actividad:** Abrimos el siguiente enlace en PC, tablet u Monitor interactivo y accedemos al siguiente enlace:  
[https://studio.code.org/courses/oceans/units/1/lessons/1/levels/2](https://studio.code.org/courses/oceans/units/1/lessons/1/levels/2)

**Explicamos las reglas:**

1. Alimentamos a la Inteligencia con peces correctos.
2. Evitar resto de objetos

[![aiforoceans.png](https://libros.catedu.es/uploads/images/gallery/2026-01/scaled-1680-/aiforoceans.png)](https://libros.catedu.es/uploads/images/gallery/2026-01/aiforoceans.png)

**Agrupaciones:**   
Individualmente o en parejas, deciden si cada criatura es un pez o no, registrando las decisiones y observando cómo cambia la respuesta de la máquina en función de la cantidad de ejemplos que recibe.

**Observación de resultados:** Pasado un tiempo prudencial, encontraremos alumnos o parejas que habrán alimentado en mayor o menor medida a la IA y habrán comprobado como, el nivel de precisión de su IA varía.

Cada grupo comentará cuántos ejemplos dio y qué resultados obtuvo la máquina. Compararemos resultados entre unos y otros y veremos cómo actuó la máquina ante imágenes nuevas. Este es el momento de plantearles las siguientes preguntas.

- *¿Qué diferencia hay entre los grupos que alimentaron más veces a la máquina y los que lo hicieron menos?*
- *¿Qué grupo creéis que obtuvo mejores resultados? ¿Por qué?*
- *Si damos muchos ejemplos correctos, ¿cómo cambia el aprendizaje de la máquina?*
- *Si damos pocos, o los damos incorrectos... ¿qué pasa con los resultados?*

**Refuerzo del concepto de aprendizaje por ejemplo**

Una vez llegados a este punto, remarcaremos que la máquina no sabe lo que es un pez, si no que aprende de lo que le enseñamos mediante paralelismos, repetición, patrones....