Fundamentos de Inteligencia Artificial para la docencia metalúrgica
Qué es IA, cómo se diferencian sus principales familias y dónde puede aportar valor en metalurgia, soldadura, fundición, conformación y ciencia de materiales.
La meta de hoy
Reconocer las familias principales de IA y decidir cuándo aportan valor pedagógico en una asignatura de Ingeniería Metalúrgica.
IA, machine learning, deep learning e IA generativa.
Cada familia con un problema metalúrgico concreto.
Una microactividad docente verificable.
Cómo recorreremos la clase
¿Dónde ya encontramos inteligencia artificial?
Una cámara detecta porosidad superficial en una pieza fundida.
Una hoja de cálculo calcula el carbono equivalente con una fórmula fija.
Un sistema predice dureza a partir de composición y tratamiento térmico.
Un asistente redacta una explicación del diagrama Fe–C.
Cuatro conceptos que no son sinónimos
Campo amplio de sistemas que perciben, predicen, razonan o generan.
Aprende patrones a partir de datos para clasificar, estimar o agrupar.
Redes neuronales profundas usadas en imágenes, audio y lenguaje.
Produce texto, imágenes, datos o código según instrucciones y contexto.
Aprender de datos para predecir o descubrir
| Técnica | Pregunta | Ejemplo metalúrgico |
|---|---|---|
| Clasificación | ¿A qué categoría pertenece? | Discontinuidad aceptable o rechazable. |
| Regresión | ¿Qué valor tendrá? | Dureza, resistencia, temperatura o desgaste. |
| Agrupamiento | ¿Qué casos se parecen? | Familias de microestructuras o modos de operación. |
| Visión | ¿Qué aparece en la imagen? | Defectos de soldadura, porosidad o tamaño de grano. |
Del problema a una predicción útil
Predecir dureza
Composición y proceso
Ajustar patrones
Error en datos nuevos
Apoyar decisión
Un modelo que predice la continuación
Un LLM procesa el texto en tokens, usa el contexto disponible y calcula continuaciones probables. No consulta automáticamente una verdad absoluta.
Entrenado con grandes colecciones y adaptable a muchas tareas.
Instrucciones, ejemplos, documentos y conversación disponibles.
Puede trabajar con combinaciones de texto, imagen, audio o datos.
Casos cercanos a Ingeniería Metalúrgica
Comparar criterios para discontinuidades y generar preguntas sobre una radiografía.
Analizar relaciones entre composición, temperatura, alimentación y porosidad.
Explicar recuperación elástica y proponer variables para predecir defectos.
Crear una explicación multinivel del diagrama Fe–C y contrastarla con bibliografía.
La IA apoya; el resultado de aprendizaje dirige
Qué hará el estudiante
Qué experiencia tendrá
Qué acelera o adapta
Cómo se asegura rigor
Diseñe una microactividad
- Elija un tema metalúrgico.
- Defina un resultado observable.
- Use el prompt marco.
- Identifique un riesgo.
- Defina cómo verificará.
Una actividad de 20 minutos con consigna, preguntas de análisis, respuesta orientativa, advertencia sobre supuestos y fuentes por consultar.
Lista de control antes de usar una respuesta
¿Las afirmaciones y propiedades coinciden con fuentes técnicas?
¿Magnitudes, conversiones y condiciones están bien declaradas?
¿El contexto y las simplificaciones son visibles?
¿Los datos o ejemplos excluyen condiciones relevantes?
¿Se evitó compartir datos personales o industriales sensibles?
¿Se declara el uso de IA y se conserva responsabilidad humana?
Ticket 3–2–1
Que ahora puede diferenciar.
Que podría usar en su asignatura.
Que verificará antes de usar IA.