La denominada revolución digital comenzó hace medio siglo con la tecnología de los semiconductores y el desarrollo de los ordenadores, primero los denominados mainframe y luego los personales. La posterior creación de internet, de la world wide web y el desarrollo de los smartphones contribuyeron a la ubicuidad del mundo digital en el que vivimos.
La revolución digital está redefiniendo la manera en la que trabajamos, por su impacto en la gran mayoría de las profesiones. La automatización de muchas actividades y procesos no solo sustituye en parte la actividad humana, sino que la transforma, en ocasiones de forma ni deseada ni anticipada por los diseñadores. Es el llamado ‘efecto de degeneración’ por el que la automatización tiende a transformarnos, en ocasiones, de actores en observadores. Las tecnologías avanzan a un ritmo más rápido del que la mayoría podemos absorber. Eso crea una necesidad de continuo reaprendizaje, en la que es necesario descartar conocimientos ya obsoletos y adquirir otros nuevos para evitar los problemas derivados de sufrir un cierto grado de analfabetismo digital. El profesional de hoy debe no solo seguir aprendiendo de manera constante para evitar caer en la brecha digital, sino que debe también saber reinventarse de manera permanente, haciendo uso de la tecnología para no ser víctima de su imparable desarrollo.
Ante esta revolución digital, el reto de las universidades es, más que nunca, enseñar a pensar. Cualquier método o técnica concreta que hoy sea necesario aprender tendrá fecha de caducidad por la velocidad a la que se desarrollan las nuevas tecnologías. Más importante que aprender esos métodos o técnicas hoy necesarias es aprender a pensar, pues esa capacidad de generar auténtico valor añadido es lo que difícilmente llegará a ser automatizable. La generación actual de la inteligencia artificial se denomina aprendizaje automático o aprendizaje de máquinas por una razón: las máquinas aprenden de los datos que se les suministran. Se crean programas que son capaces de aprender a partir de información que les es suministrada. Ahí radica la extraordinaria importancia del llamado big data; son necesarias grandes cantidades de datos para el entrenamiento de las máquinas. Hacen falta los denominados training data, que permiten generar los algoritmos que harán las predicciones; input data, que son los que dan lugar a las predicciones; y feedback data, que son necesarios para mejorar las prestaciones según la experiencia acumulada.
Para aprender, y sobre todo para aprender a pensar, nada mejor que hacer las cosas uno mismo. Perseguir el conocimiento a través de la propia experimentación, como establece el famoso Nullius in verba, “en la palabra de nadie”. La clave de la educación está en el aprendizaje basado en proyectos, en no dar nada por hecho. Question everything!
