Minsky, Papert y la educación tecnológica

Detalle de la portada de Inventive Minds

Licencia Creative Commons

Antoni Hernández-Fernández

Se recuerda a Marvin Minsky como uno de los fundadores de la inteligencia artificial (IA). Su nombre se asocia a algorítmica, robótica, redes neuronales o a su célebre Society of Mind. Pero, sin embargo, Inventive Minds: Marvin Minsky on Education es un compendio de ensayos sobre didáctica de la tecnología que no dialogan únicamente con el momento en el que fueron concebidos, sino con problemas que todavía no existían cuando se escribieron. Los seis ensayos reunidos en este libro, acompañados por una magnífica introducción inicial de Mike Travers, y otros comentarios de colaboradores estrechos de Minsky, permiten descubrir un Minsky alejado del estereotipo del técnico obsesionado con las máquinas. De hecho, las máquinas son excusas para, en una aproximación leonardiana, intentar entender mejor la mente humana.

Es difícil leer estas páginas sin escuchar, entre líneas, otra voz inseparable a la de Minsky: la de Seymour Papert. Ambos compartieron décadas de investigación en el MIT, y desarrollaron una concepción revolucionaria de la informática educativa que, con el tiempo, acabaría cristalizando en proyectos como Logo y en las teorías del constructionismo (Papert, 1980; Papert & Harel, 1991). Minsky alabó el lenguaje Logo como si fuera un nuevo juego de construcción. Para él, programar no consistía en aprender órdenes o sintaxis, sino en descubrir que unas pocas piezas básicas se pueden combinar para crear nuevos universos.

Así, con pocos elementos es posible levantar estructuras de complejidad casi ilimitada, del mismo modo que las ideas emergen de la interacción entre procesos simples organizados en arquitecturas cada vez más sofisticadas (Minsky, 2019). Papert trasladó esa intuición al ámbito educativo mediante Logo, convirtiendo la programación en un «juego de construcción intelectual» donde los niños no aprenden informática como un conjunto de instrucciones, sino como un nuevo lenguaje para construir modelos, explorar hipótesis y reflexionar sobre su propio pensamiento (Papert, 1980). La IA generativa añade hoy una paradoja inesperada: mientras los Tinkertoys, o Logo, obligaban al estudiante a construir las estructuras cognitivas, los grandes modelos de lenguaje pueden ofrecer directamente la estructura terminada. El desafío educativo contemporáneo consiste, por tanto, en preservar el valor formativo del esfuerzo y en saber valorar el tempo en la introducción de cada tecnología. La IA debería convertirse en un nuevo Tinkertoy cognitivo —una herramienta para experimentar, modelizar y comprender cómo pensamos— y no en un sustituto del esfuerzo intelectual que permite desarrollar esas capacidades.

Para Papert y Minsky la inteligencia no es un don misterioso, sino una arquitectura computacional. Pensar es construir. Al aprender se incorporan y reorganizan piezas mentales hasta que emergen nuevas estructuras semánticas y de comprensión. No importa tanto el material del que están hechas esas piezas como las relaciones que establecen entre sí. Décadas antes de algunos modelos conexionistas y de que la ciencias cognitivas popularizasen conceptos como el andamiaje, la representación distribuida o la cognición computacional, Minsky ya proponía que comprender equivalía a conectar y reorganizar mecanismos internos más que a sólo acumular información.

Papert llevó esta intuición un paso más allá. Si la mente aprende construyendo modelos, entonces la educación debe ofrecer oportunidades constantes para hacerlo. El ordenador no es un profesor electrónico sino un laboratorio del propio pensamiento. La programación es únicamente su lengua vehicular.

Es llamativo comprobar hasta qué punto esa idea ha sido olvidada. Como la informática y la tecnología se marginan en los planes de estudio, y sus currículos se degradan para formar usuarios pasivos, no creadores. Durante décadas, la introducción de la informática en la escuela se ha ido desplazando desde aquellas grandes preguntas epistemológicas y axiológicas de la programación, hacia objetivos mucho más modestos como aprender a utilizar aplicaciones, dominar interfaces, o familiarizarse con determinadas herramientas a nivel de usuario. Poco a poco, el ordenador dejó de ser un artefacto para aprender a pensar en las aulas y se metamorfoseó en un sustitutivo del pensamiento, un objeto para entretenerse y, en el peor de los casos, un captador de atención con el que manipular a toda una nueva generación de ciudadanos consumidores pasivos, adocenados ante pantallas que ya no son verde monocromo.

Ahora vivimos una transformación todavía más profunda. La IA generativa automatiza no ya tareas mecánicas, sino buena parte de los procesos intelectuales que han sido habituales en la educación durante décadas. Escribir, resumir, traducir, resolver problemas, programar o diseñar son actividades delegables en la máquina. Paradójicamente, cuanto más sofisticadas son estas posibilidades, mayor es el riesgo de olvidar la pregunta que Minsky consideraba fundamental, para todo docente, cuando plantea una actividad: ¿qué ocurre dentro de la mente del estudiante?

En este punto, Inventive Minds adquiere una actualidad inesperada. Mientras buena parte del debate educativo gira alrededor de si debemos permitir o prohibir el uso de la IA, Minsky desplaza completamente la discusión. El problema nunca fue la tecnología. El problema siempre ha sido qué tipo de actividad mental promueve esa tecnología, qué se hace con ella, qué coste tiene y a qué se renuncia al usarla.

Cuando afirmaba que los niños debían aprender «buenas maneras de pensar sobre el pensamiento», no defendía simplemente enseñar informática. Defendía enseñar metacognición mediante la informática. El ordenador era valioso porque obligaba a hacer explícitos los procesos mentales: dividir problemas, crear procedimientos, detectar errores, revisar hipótesis, representar modelos y comprender cómo interactúan diferentes estrategias cognitivas. Eso sería aplicable a cada materia. Esa es la alfabetización tecnológica.

Donde antes había que pensar y diseñar un algoritmo, ahora basta con escribir una instrucción. Donde antes había que descomponer un problema, ahora basta con solicitar una respuesta. Donde antes el estudiante debía desarrollar representaciones internas, ahora puede externalizar casi todo el proceso. Toda tecnología modifica la distribución del esfuerzo cognitivo. Pero para aprender el alumno debe seguir esforzándose. Y ahí reside probablemente el mayor desafío educativo: en establecer la línea de sombra del esfuerzo: ¿hasta dónde debo exigir pensar al alumno, y cuando deja de tener sentido no usar la máquina? La expertez del docente especialista es fundamental para llegar a ese complejo equilibrio entre aprendizaje y tecnología, en cada materia.

La descarga cognitiva constituye uno de los fenómenos más interesantes, y al mismo tiempo más traicioneros, de la educación contemporánea. Externalizar determinadas operaciones mentales puede aumentar extraordinariamente nuestra eficiencia. Nadie pretende volver a memorizar tablas logarítmicas. Sin embargo, cuando esa externalización alcanza precisamente los procesos mediante los cuales se construyen los modelos mentales, aparece un riesgo distinto: dejar de desarrollar aquellas estructuras cognitivas que pretendíamos fortalecer.

Minsky reconoció inmediatamente este problema. En sus ensayos insiste una y otra vez en que aprender significa adquirir nuevas formas de representar un mismo fenómeno, cambiar de estrategia cuando fracasamos, comprender los objetivos que organizan la disciplina que abordamos con la tecnología, y desarrollar mecanismos de autorreflexión sobre el propio pensamiento. En resumen, aprender implica trabajar. Ninguna IA puede sustituir ese proceso porque constituye, precisamente, el aprendizaje.

Esta reflexión conecta directamente con una cuestión poco explorada en el debate educativo actual: el tiempo. La obsesión contemporánea por la productividad, por acelerar todas las tareas educativas,  asume que aprender consiste en producir resultados cada vez más deprisa. Sin embargo, el aprendizaje posee una temporalidad propia. Y la atención a la diversidad, precisamente, se cimienta sobre el reconocimiento de que cada estudiante posee su ritmo. Comprender una demostración matemática, escribir un ensayo, pintar un cuadro o construir un modelo científico, demanda periodos de incertidumbre, microdecisiones, errores, reformulaciones y espera, que no son defectos del proceso, sino el proceso mismo. Lo que nos hace humanos. Por otra parte, la máquina tiene el tiempo que a menudo le falta al humano, por sus limitaciones biológicas.

Uno de los principios deontológicos fundamentales para la incorporación de la IA en la educación consiste en preservar ese tempo. La IA reduce tiempos de búsqueda, de documentación, de ejecución o de edición. Pero no debería eliminar los intervalos durante los cuales el estudiante reflexiona, duda y reorganiza sus ideas. Nunca debería ser sustitutiva de ese proceso. Minsky critica una educación centrada en evitar errores, en la máquina como solucionadora infalible de problemas. No defendiendo la improvisación, sino reivindicando el valor intelectual del fracaso. Los errores no son meros obstáculos que deben eliminarse: conforman mecanismos mediante los cuales el alumno descubre nuevas estrategias de pensamiento.

De hecho, Alan Kay, en su comentario, recupera una concepción de Papert que resume esta filosofía: hard fun. El aprendizaje verdaderamente profundo rara vez resulta inmediato. Produce satisfacción precisamente porque cuesta, porque obliga a reorganizar nuestra manera de pensar. Tal vez ahí se encuentre la principal lección de este libro para la educación en la era de la IA: la reivindicación del esfuerzo no implica renunciar a la técnica.

Papert y Minsky nos muestran que la informática implica enseñar otras maneras de pensar. Ahora corremos el riesgo de creer que enseñar IA es, simplemente, enseñar a utilizar agentes o chatbots. La auténtica alfabetización en IA no debería consistir únicamente en aprender a formular buenos prompts. Debería ayudarnos a comprender cómo representan el conocimiento estos sistemas, qué limitaciones y sesgos poseen, cómo generan inferencias, qué conflictos éticos suponen, por qué producen errores plausibles, cuáles son sus mecanismos de razonamiento aparente y, sobre todo, en qué se parecen a nuestros procesos cognitivos (y en qué se diferencian). Y, por supuesto, si vale la pena usar la IA dado el enorme impacto medioambiental y social que supone, a nivel global.

Inventive Minds es algo mucho más importante que una recopilación de ensayos de Minsky. Nos devuelve a los orígenes de la cibernética y nos recuerda que la informática educativa nunca tuvo como finalidad meramente enseñar tecnología, sino utilizar la tecnología para comprender mejor la mente humana y su impacto social. Quizá la mayor ironía sea que la IA ha alcanzado un nivel de sofisticación que Minsky apenas imaginó. No obstante, resulta urgente recuperar aquello que él y Papert defendieron desde el principio: el verdadero objetivo de la educación tecnológica nunca fue conseguir que las personas pensaran como máquinas. Era conseguir que las personas aprendieran mejor a pensar por sí mismas.

Referencias

Hernández-Fernández, A. (2026). IA en la enseñanza técnica: el riesgo de la descarga cognitiva y el «tempo» como deontología. Educational Evidence. https://educationalevidence.com/ia-en-la-ensenanza-tecnica-el-riesgo-de-la-descarga-cognitiva-y-el-tempo-como-deontologia/

Minsky, M. (1986). The society of mind. Simon & Schuster.

Minsky, M. (2019). Inventive minds: Marvin Minsky on education. MIT Press. Book in open access: https://direct.mit.edu/books/oa-edited-volume/4519/Inventive-MindsMarvin-Minsky-on-Education

Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books.

Papert, S., & Harel, I. (1991). Constructionism. Ablex Publishing.

Fuente: educational EVIDENCE

Derechos: Creative Commons