Unidad 6. Inteligencia Artificial y simulaciones: cómo funcionan

Material didáctico en español para alumnado de secundaria, Bachillerato y FP. Capítulo 6 del curso completo de Inteligencia Artificial.

Curso de Inteligencia Artificial · Bloque I: Fundamentos · Nivel inicial
Duración sugerida: 2 sesiones de 55 minutos y ampliación opcional.
Materiales: ordenador, hoja de cálculo o papel cuadriculado. No se requieren conocimientos de programación.

Antes de empezar: ¿y si pudiéramos ensayar el futuro?

Antes de construir una carretera, una ciudad podría estudiar si aparecerán atascos; antes de pilotar una aeronave real, una persona puede practicar en un simulador; antes de cambiar el horario de autobuses, una empresa podría estudiar qué ocurre cuando llegan más pasajeros. En todos estos casos se utiliza una simulación: una representación simplificada de una situación real que permite hacer experimentos.

La simulación no es necesariamente inteligencia artificial. Un videojuego de carreras puede calcular velocidades y choques mediante reglas físicas fijadas por programadores. Pero la IA puede ayudar a analizar datos, ajustar el modelo o controlar personajes y vehículos en el entorno simulado.

Al finalizar serás capaz de: distinguir simulación, modelo e IA; identificar variables y supuestos; describir ventajas y limitaciones; diseñar un experimento simple y explicar cómo se usa la IA en un sistema de movilidad inteligente.

6.1. ¿Qué es una simulación informática?

Una simulación reproduce ciertas características o comportamientos de un sistema para investigar qué sucedería en determinadas condiciones. Normalmente utiliza un modelo, es decir, una representación simplificada de la realidad. No pretende copiar absolutamente todos los detalles: selecciona los que son importantes para el problema.

Un simulador de conducción necesita representar carreteras, posición del vehículo, velocidad, señales y efectos de los mandos. Tal vez no necesite representar cada hoja de cada árbol. Esa simplificación permite calcular cómo cambia el entorno cuando el conductor gira, acelera o frena.

Un simulador de vuelo reproduce instrumentos, respuesta de la aeronave y condiciones meteorológicas para entrenar situaciones normales y de emergencia. Las simulaciones también se usan en meteorología, economía, gestión hospitalaria, ciencias, industria y enseñanza.

6.1.1. Elementos de un modelo de simulación

• Sistema: lo que queremos estudiar, por ejemplo, una parada de autobús.
• Variables: cantidades que cambian: pasajeros, tiempo de espera, número de autobuses.
• Reglas o relaciones: cómo influyen unas variables sobre otras.
• Condiciones iniciales: situación de partida.
• Escenarios: variaciones que deseamos comparar.
• Resultados: datos que obtenemos y utilizamos para decidir.

6.2. ¿Para qué sirve simular?

Una simulación permite repetir pruebas y modificar parámetros sin poner en peligro personas ni materiales. Por ejemplo, en la formación de pilotos se pueden practicar emergencias que no sería razonable provocar con una aeronave real. También permite estudiar comportamientos que tardarían años en producirse o experimentar con prototipos que todavía no existen.

Sin embargo, los resultados dependen de los supuestos del modelo. Si se calcula el tráfico de una avenida suponiendo que todos los conductores respetan las señales y nunca hay accidentes, quizá el resultado se aleje mucho de la realidad. Cuanto más detallado no significa automáticamente más fiable: lo importante es incluir los factores adecuados y contrastar el modelo con observaciones.

6.3. ¿Cuándo interviene la Inteligencia Artificial?

La IA y la simulación pueden relacionarse de varias maneras:

1. IA que mejora una simulación: un modelo de aprendizaje automático puede estimar cómo cambia el tráfico a partir de registros reales e incorporar esas predicciones al simulador.
2. Simulación que ayuda a entrenar una IA: un agente virtual puede practicar decisiones en numerosos escenarios antes de intentar aplicarlas a un sistema físico.
3. IA que controla elementos simulados: personajes de un videojuego o vehículos virtuales pueden utilizar algoritmos de planificación o aprendizaje para elegir acciones.

No debemos confundir estos casos. Simular no implica IA, y utilizar IA tampoco garantiza una simulación realista. La elección depende de la finalidad del proyecto.

6.3.1. Ejemplo: una ciudad que quiere reducir los atascos

Imagina que el Ayuntamiento está estudiando un cruce con demasiadas retenciones. Dispone de datos sobre el número de vehículos que llegan, los tiempos de semáforo y las franjas horarias de mayor demanda. Con un simulador puede comparar diferentes duraciones del verde y medir el crecimiento de las colas.

Si emplea un modelo predictivo de IA, puede estimar la intensidad del tráfico en horas futuras. Esas estimaciones se introducen en una simulación para analizar qué configuración podría funcionar mejor. Pero el proyecto necesita validación con datos reales y revisión de otros aspectos: seguridad de peatones, accesibilidad, transporte público y calidad del aire.

6.4. Animación facial y entornos virtuales

Un teléfono puede detectar ciertos puntos o movimientos de la cara mediante la cámara y utilizarlos para animar un personaje digital. Un modelo gráfico reproduce expresiones y un algoritmo puede estimar los movimientos a partir de las imágenes. Es un ejemplo de combinación entre visión artificial, modelo virtual e interacción.

Conviene distinguir la captura de movimiento de la simulación completa de una persona. Una cara animada no demuestra que el programa interprete correctamente sus emociones; solo reproduce ciertas señales visuales y puede cometer errores.

6.5. Los videojuegos y los agentes de IA

Muchos videojuegos utilizan modelos de movimiento y escenarios que imitan aspectos del mundo. Algunos personajes no jugables siguen reglas fijas: patrullan una zona, persiguen al protagonista si lo ven y vuelven al punto de partida cuando lo pierden. Eso puede programarse sin aprendizaje automático.

En otros casos se emplean búsqueda de rutas, planificación y aprendizaje por refuerzo, donde un agente recibe señales de recompensa por acciones útiles. Un sistema puede mejorar su estrategia en un entorno simulado, aunque después falle si las condiciones reales son diferentes.

Ejemplo de error de diseño: si premiamos a un agente únicamente por llegar muy rápido a un destino, puede elegir conductas arriesgadas. Las recompensas deben representar los objetivos reales y sus restricciones, incluida la seguridad.

Actividad 1. Reconoce simulaciones en la vida real

Duración: 15 minutos · Parejas. Completa una tabla para estas situaciones: simulador de vuelo, pronóstico meteorológico, videojuego de construcción de ciudades y calculadora que suma dos cantidades.

Pregunta clave: ¿por qué un programa de software muy complejo puede no utilizar IA?

Actividad 2. Laboratorio de simulación: la cola del autobús

Duración: 30 minutos · Grupos de tres. Vamos a construir una simulación simplificada, en papel o en una hoja de cálculo. Imaginad que cada cinco minutos llegan personas a una parada y un autobús puede recoger hasta diez viajeros por intervalo. No hay otros factores: todas las personas llegan a la cola antes de la recogida del intervalo.

Regla para cada fila: personas esperando al final = máximo entre 0 y (personas esperando al inicio + personas nuevas − capacidad). La siguiente fila comienza con las personas que quedaron esperando.

1. Comprueba los cálculos de la tabla y explica por qué al final quedan seis personas.
2. Cambia la capacidad a 15 personas por intervalo y recalcula las cuatro filas.
3. Representa en un gráfico la cola final de cada intervalo para las dos capacidades.
4. Explica qué resultado parece mejor y qué información real faltaría antes de recomendar comprar autobuses más grandes.
5. Reflexión: ¿has utilizado IA para realizar esta simulación? ¿Qué podría aportar un modelo predictivo entrenado con datos reales?

Entrega: tabla, gráfico y una conclusión razonada de 100–150 palabras.

Actividad 3. Diseña una simulación para el centro educativo

Duración: 20 minutos · Grupos. Elegid uno de estos problemas: aglomeraciones en el acceso al centro, ocupación de la biblioteca o consumo energético de un aula. Definid: objetivo, tres variables, dos escenarios comparables, resultados que mediríais y al menos dos limitaciones del modelo. Haced un diagrama sencillo y exponed vuestro proyecto en dos minutos.

Comprueba lo aprendido

1. ¿Qué diferencia existe entre un sistema real, un modelo y una simulación?
2. ¿Por qué una simulación de un vuelo de emergencia puede ser útil para la formación?
3. Indica dos casos en que una simulación no necesita IA.
4. ¿Cómo podría ayudar la IA a gestionar el tráfico de una ciudad?
5. ¿Qué ocurre si los datos o los supuestos del modelo no representan la realidad?

Resumen: una simulación permite experimentar con un modelo sin reproducir físicamente todas las situaciones. La IA puede aprender de datos para mejorar predicciones, ayudar al entrenamiento o controlar agentes, pero siempre debemos comprobar supuestos y limitaciones.

Fuentes y créditos

• Fuente curricular: Education Bureau (Hong Kong), Module on Artificial Intelligence for Junior Secondary Level, Booklet 1, Unit 6, pp. 54–61 (2023). Portal oficial del currículo.
• Material de ampliación: Simulaciones PhET, proyecto de la Universidad de Colorado Boulder, como recurso para distinguir simulación y experimento real; no todas sus simulaciones incorporan IA.
• Imagen de portada: Moritz Mentges / Unsplash. Esquemas, actividad de autobuses y ejemplos elaborados para TICenelAula.