El legado de Humberto Maturana y Francisco Varela: Desarrollos, desafíos y aplicaciones de la teoría autopoiética en el siglo XXI

253 Capítulo 12 · Repensar la inteligencia artificial en educación. Thomas Wachter El ensayo se organiza de la siguiente manera: primero se introduce el campo de la IA en educación y se presentan sus principales promesas, así como sus limitaciones éticas, cognitivas y pedagógicas; luego se presenta su núcleo conceptual y se desarrolla el argumento central que lo sostiene: la autorregulación y la corregulación homeostáticas, tanto intra como inter- corporales, desempeñan un papel fundamental en los procesos de aprendi- zaje; a continuación se extiende este argumento y se exploran sus implican- cias para la IA en la educación; además, se esbozan distintas aproximaciones en las que este enfoque puede orientar el diseño e implementación de IA para fines educativos; finalmente, se cierra con una discusión final y conclu- siones. La IA en la educación La IA es un concepto amplio que engloba una diversidad de metodologías, tecnologías y objetivos desarrollados a lo largo de la historia. Esta heteroge- neidad ha llevado a varios investigadores a cuestionar la existencia de la IA como concepto monolítico, dado que se trata de un campo compuesto por múltiples enfoques conceptuales, áreas de especialización y perspectivas (Holmes y Tuomi, 2022). En consecuencia, cuando se habla de IA suele aludirse a algo muy diferente según el contexto, lo que puede resultar con- fuso e incluso contraproducente. Para algunos, IA se refiere a una rama de las ciencias de la compu- tación orientada a simular aspectos de la inteligencia humana (Russell y Norvig, 2010). Para otros, describe de forma mucho más amplia los esfuer- zos por crear, literalmente, máquinas con mente propia —no meras simula- ciones—. En círculos más técnicos, el término suele ser más estrecho y se usa como sinónimo de machine learning , aludiendo a métodos específicos. En la actualidad, el acrónimo IA se utiliza con frecuencia para referirse casi exclusivamente a la IA generativa, especialmente a los LLM y a sistemas capaces de producir texto, imágenes u otro tipo de contenido. El desarrollo acelerado de dichas tecnologías ha hecho que se discuta muy poco acerca de los objetivos iniciales del campo, que buscaba no solo crear sistemas