3.1 Introducción y modelos fundacionales

Introducción 

Una vez que tenemos diseñada nuestra Situación de Aprendizaje, quizá necesitemos elaborar diferentes materiales o recursos didácticos a emplear durante el desarrollo de la misma. Para ello veremos qué utilidades nos pueden ofrecer algunos sistemas de inteligencia artificial generativa.

Recuerda que el contenido que le proporciones a la IA ha de ser de autoría propia o disponer de la licencia para poder utilizar ese contenido.

Modelos fundacionales: base de los recursos de texto, audio, imagen y vídeo

Cuando hablamos de generación automática de texto, transcripción de audio, creación de imágenes o análisis de vídeo con IA, en realidad estamos hablando de una misma idea tecnológica de fondo: los modelos fundacionales.

Un modelo fundacional es un modelo de inteligencia artificial entrenado con enormes cantidades de datos y diseñado para servir como base común sobre la que se construyen múltiples aplicaciones. No nace para hacer una única tarea concreta, sino para adaptarse a muchas: redactar textos, resumir documentos, traducir idiomas, describir imágenes, generar código, sintetizar voz o analizar contenido multimedia.

Empresas como OpenAI, Google DeepMind, Anthropic, Meta o Mistral AI han desarrollado modelos fundacionales que actúan como motores generales de inteligencia artificial. A partir de ellos se construyen asistentes conversacionales, generadores de presentaciones, sistemas de análisis documental, herramientas de edición multimedia o plataformas educativas.

La característica principal de estos modelos es su carácter generalista. A diferencia de los modelos tradicionales, que se entrenaban para una única tarea (por ejemplo, detectar spam o clasificar imágenes médicas), los modelos fundacionales se entrenan primero de forma masiva y después se adaptan mediante prompting, ajuste fino (fine-tuning) o integración con bases de datos externas (RAG). Esto permite reutilizar el mismo modelo para múltiples contextos.

En el ámbito de los recursos educativos y profesionales, esta base común explica por qué hoy podemos trabajar con:

• Generación y transformación de textos (resúmenes, esquemas, traducciones, rúbricas).

• Transcripción automática y síntesis de voz.

• Generación y análisis de imágenes.

• Creación o comprensión de vídeo.

• Sistemas multimodales que combinan texto, imagen y audio en una misma interacción.

Muchos de estos modelos están construidos sobre arquitecturas tipo Transformer y pueden operar en una o varias modalidades. Algunos son exclusivamente de texto (LLMs), otros están especializados en visión o audio, y los más recientes son multimodales, capaces de integrar diferentes tipos de información en un único sistema.

Además, los modelos fundacionales pueden ser:

• Propietarios, accesibles mediante API.

• Abiertos, con pesos descargables y ejecutables en local (algo especialmente relevante en entornos educativos donde se busca privacidad, control y experimentación técnica).

En definitiva, los modelos fundacionales son el “motor” que hace posible todos los recursos de generación y análisis de texto, audio, imagen y vídeo que veremos en este capítulo. Entender su naturaleza, sus límites y sus posibilidades es clave para utilizar estas herramientas de manera crítica, técnica y responsable.