Modelo computacional inspirado de manera simplificada en las redes de neuronas biológicas. Este sistema está compuesto por unidades de procesamiento interconectadas, denominadas neuronas artificiales, que suelen organizarse en diferentes capas. En el ámbito educativo y, en particular, en la formación docente inicial o continua de didáctica de ELE, constituye la base tecnológica de numerosos sistemas de Inteligencia Artificial (IA, en adelante), especialmente los relacionados con el procesamiento del lenguaje natural, la generación de textos, el reconocimiento de voz y la clasificación de datos lingüísticos (Goodfellow et al., 2016).
Estas redes neuronales aprenden ajustando los pesos de sus conexiones internas a partir de datos de entrenamiento, lo que les permite identificar patrones, relaciones semánticas, colocaciones, regularidades gramaticales y estructuras discursivas presentes en el corpus con el que han sido entrenadas (LeCun et al., 2015). Estas redes constituyen una familia de modelos de aprendizaje automático; las que emplean múltiples capas de procesamiento son fundamentales en el aprendizaje profundo.
En los modelos de lenguaje empleados en tareas educativas (por ejemplo, para generar materiales, crear explicaciones gramaticales o apoyar procesos de evaluación), las redes neuronales permiten generar respuestas a partir del contexto proporcionado y de patrones aprendidos durante el entrenamiento. Sin embargo, estas respuestas pueden contener errores, reproducir sesgos o presentar alucinaciones (Bender et al., 2021; Ji et al., 2023). Estos aspectos requieren una mirada crítica por parte del profesorado y los alumnos.
Comprender estos principios generales no exige conocimientos matemáticos avanzados, pero sí una aproximación conceptual que permita interpretar el potencial de las redes neuronales, sus limitaciones y su relación con los sistemas actuales de IA generativa utilizados en el aula de español.
