Esta investigación se enmarca en las actividades del Centro de Investigación PhyUM de la UNED para construir sistemas psicomotores más adaptativos y centrados en las personas. En concreto, el trabajo, publicado en la revista Virtual Reality, ha sido desarrollado por el investigador Alberto Casas Ortiz en su tesis doctoral bajo la dirección de Olga C. Santos, catedrática de Inteligencia Artificial de la UNED.  


Durante varios años, el equipo ha investigado cómo enseñar habilidades físicas complejas utilizando inteligencia artificial, realidad virtual y análisis del movimiento humano a través de las artes marciales, tratando de responder a una pregunta aparentemente sencilla: cómo sabemos realmente que alguien ha aprendido a moverse. La respuesta, según sus resultados, resulta menos evidente de lo que podría parecer.

Hacerlo bien no significa haber aprendido

El trabajo desarrolló un sistema inteligente de entrenamiento basado en realidad virtual llamado Kenpo Learning Simulator (KLS), diseñado para enseñar movimientos de kenpo karate americano mediante un instructor virtual, sensores y algoritmos capaces de analizar cómo se mueve el usuario. 

Sin embargo, el objetivo de la investigación no era comprobar únicamente si las personas podían ejecutar correctamente los movimientos, sino entender hasta qué punto un buen rendimiento durante el entrenamiento implica realmente aprendizaje. En este sentido, y como explica Alberto Casas, “uno de los aspectos más interesantes fue precisamente comprobar que obtener buenos resultados durante una sesión guiada de aprendizaje no garantiza necesariamente que se haya producido un aprendizaje duradero”. 

Como remarca Olga Santos, en las sesiones con usuarios se observó cómo algunos participantes eran capaces de reproducir correctamente los movimientos durante la práctica, pero después encontraban dificultades para recordar conceptos asociados o reproducir determinados elementos sin ayuda. Esto, explica, reforzó otra conclusión importante: “el aprendizaje psicomotor no puede evaluarse únicamente observando la ejecución física, sino que requiere considerar también dimensiones cognitivas y afectivas. Una persona que está nerviosa o aburrida tendrá más dificultad recordando movimientos que una persona relajada y motivada”. 

El hallazgo resulta especialmente relevante porque cuestiona una suposición frecuente en muchos entornos tecnológicos: asumir que un buen rendimiento mientras utilizamos una herramienta significa automáticamente que hemos aprendido. Por eso, defiende Alberto Casas, “los sistemas del futuro deben medir diferentes dimensiones del aprendizaje y no solo la precisión de los movimientos”. 

Para Olga Santos, esta cuestión conecta directamente con los debates actuales sobre herramientas de inteligencia artificial generativa: "Obtener una respuesta correcta con ayuda de la tecnología no implica necesariamente haber adquirido el conocimiento o la habilidad de forma autónoma". El mismo fenómeno podría estar produciéndose en ámbitos tan diversos como el entrenamiento físico o el aprendizaje profesional.

Cómo enseñar movimiento a una máquina

Detrás del estudio existe una pregunta tecnológica compleja: ¿cómo enseñar movimiento a un sistema inteligente? Los investigadores desarrollaron un marco denominado PsyLearn, diseñado para construir sistemas, como KLS, capaces de integrar no solo información sobre movimientos físicos, sino también aspectos cognitivos, emocionales y motivacionales relacionados con el aprendizaje.

La idea, explica Alberto Casas, es aproximarse más al comportamiento de un profesor que al de un simple corrector automático: “Una analogía sencilla sería la diferencia entre un profesor que solo te dice si has hecho bien o mal un movimiento y otro que además entiende tu nivel, te da pistas de cómo corregir, detecta cuándo estás perdiendo la motivación y adapta la enseñanza a tus necesidades”. 

Para ello, el sistema KLS combina realidad virtual, sensores, cámaras, modelos de usuario e inteligencia artificial. Como resume el investigador, “podemos imaginar el sistema como un profesor virtual que observa al alumno mientras practica. La realidad virtual crea un entorno inmersivo donde aparece un instructor virtual que demuestra y explica los movimientos. El alumno observa, imita y practica dentro de ese entorno”. 

Para Olga Santos, este trabajo refleja una evolución más amplia en el campo de la inteligencia artificial aplicada a la educación: "Gran parte de la atención actual sobre la inteligencia artificial se centra en sistemas que trabajan con lenguaje y contenidos digitales. Nosotros estamos explorando cómo construir sistemas capaces también de comprender cómo aprendemos a movernos, cómo adquirimos habilidades físicas y cómo adaptar ese aprendizaje a cada persona".

Más allá del deporte, los investigadores consideran que estas tecnologías podrían terminar utilizándose en ámbitos tan diversos como la rehabilitación, el envejecimiento activo, el aprendizaje musical o el entrenamiento profesional. Según Alberto Casas, “el objetivo no es sustituir profesores, entrenadores o terapeutas, sino desarrollar herramientas complementarias que amplíen el acceso a una enseñanza personalizada o a distancia y proporcionar información valiosa tanto a alumnos como a instructores”.  

Olga Santos destaca además que el desarrollo de este tipo de sistemas plantea nuevos retos relacionados con la transparencia y la confianza en las respuestas de los algoritmos de inteligencia artificial. Por ello, el trabajo incorpora aportaciones de Miguel Ángel Portaz, investigador del Departamento de Inteligencia Artificial en el ámbito de la inteligencia artificial explicable mediante CARAIX, un marco de trabajo orientado a facilitar que las respuestas de los algoritmos puedan comprenderse y justificarse, una cuestión cada vez más relevante a medida que la inteligencia artificial adquiere un papel más activo en procesos educativos y de entrenamiento.

Porque, si algo sugieren estos resultados, es que el reto de la inteligencia artificial aplicada a la educación quizá no consista únicamente en ayudarnos a hacer mejor las cosas, sino también en entender mejor cómo aprendemos a hacerlas.