Proyecto PINSAPIA: El Juego de las Palabras Parecidas (Línea Hopper)

1. ¿Por qué Grace Hopper y qué aporta su visión a este proyecto?

Grace Murray Hopper (1906–1992) fue una de las mentes más brillantes de la informática moderna. Contralmirante de la Marina de los Estados Unidos, matemática y pionera de la programación, Hopper concibió el primer compilador de la historia (el A-0) y sentó las bases de lenguajes como COBOL. Su gran obsesión fue acortar la distancia entre el pensamiento humano y las máquinas: estaba convencida de que los ordenadores debían ser capaces de procesar lenguajes cercanos al ser humano en lugar de obligar al programador a comunicarse exclusivamente en código máquina binario.

Su importancia en el contexto de la Inteligencia Artificial

En el aula, el alumnado suele asumir que cuando interactúa con un buscador o un chatbot de Inteligencia Artificial Generativa, la máquina “comprende” o “siente” las palabras de la misma manera que lo hace una persona. Grace Hopper nos enseñó que la informática no es magia ni intuición: es traducción matemática y abstracción.

En el Proyecto PINSAPIA (Línea Hopper), recuperamos ese espíritu traduciendo conceptos lingüísticos a geometría pura. Las palabras no son entendidas por el modelo como ideas abstractas, sino como vectores (listas de cientos de coordenadas numéricas). La cercanía entre “perro” y “gato” no la determina una reflexión o un razonamiento, sino la medición del ángulo entre sus vectores mediante la similitud del coseno. Vincular este proyecto a Grace Hopper permite al alumnado comprender que toda apariencia de “inteligencia” en el software radica en una arquitectura matemática y algorítmica rigurosa y reproducible.

2. Guía de Instalación y Puesta en Marcha

Sigue estos pasos para desplegar el servidor local en la red del aula o en tu equipo de trabajo.

Requisitos previos

• Python 3.9 o superior instalado en el sistema.
• Servidor local de embeddings opcional (por ejemplo, LM Studio corriendo en http://localhost:1234 con el modelo nomic-embed-text). Si no está activo, la aplicación usará su sistema de fallback heurístico automático.

Paso 1: Instalación de dependencias

Abre tu terminal o línea de comandos y ejecuta el comando de instalación:

Bash

pip install fastapi "uvicorn[standard]" numpy httpx pydantic

Paso 2: Guardar el archivo

Asegúrate de guardar el código del proyecto con el nombre app_hopper.py.

Paso 3: Lanzar la aplicación

Ejecuta el servidor Uvicorn en el puerto asignado (8073):

Bash

uvicorn app_hopper:app --host 0.0.0.0 --port 8073 --reload

(También puedes ejecutar directamente python app_hopper.py si mantienes el bloque principal if __name__ == '__main__': al final del código).

Paso 4: Acceso a la interfaz web

Abre cualquier navegador web e ingresa a la siguiente dirección:

• Localmente:http://localhost:8073
• Desde otros equipos de la red escolar:http://<IP_DEL_PROFESOR>:8073

3. Guía Didáctica para el Alumnado: ¿Cómo se juega?

Explicación rápida para la clase

“Las máquinas no leen palabras, leen números. Cuando una IA lee la palabra ‘perro’, no imagina un animal de cuatro patas; consulta una lista de varios cientos de números que representan en qué tipo de frases suele aparecer esa palabra. Si dos palabras aparecen en contextos parecidos, sus números serán casi idénticos. Hoy vamos a comprobar si vuestra intuición humana coincide con la geometría de la IA.”

Dinámica del juego paso a paso

[Paso 1: Selección] ──> [Paso 2: Apuesta] ──> [Paso 3: Revelación] ──> [Paso 4: Debate]
  Elige 3 palabras       Adivina la pareja        Calcula el coseno        Analiza el porqué

Paso 1: Configurar el trío de palabras

En la pantalla principal, selecciona uno de los tríos predefinidos diseñados para clase o escribe tres palabras cualesquiera en los casilleros:

• Trío Básico:"perro", "gato", "coche"(Dos animales domésticos vs. un objeto).
• Trío Sinónimos:"feliz", "contento", "rápido"(Estados emocionales vs. atributo físico).
• Trío Polisemia:"banco", "asiento", "dinero"(¿Con qué significado relacionará la palabra ‘banco’?)
• Trío Multilingüe:"dog", "perro", "cat"(Traducción cruzada entre idiomas).

Paso 2: La Apuesta previa

Antes de pulsar cualquier botón de cálculo:

1. Observa las tres parejas posibles que se forman con el trío (por ejemplo: perro-gato, perro-coche, gato-coche).
2. Cada alumno o grupo hace su apuesta en silencio o a mano alzada: ¿Cuál de las tres parejas crees que el modelo de IA considerará más cercana entre sí?
3. Haz clic sobre la tarjeta de la pareja elegida en la pantalla para registrar la apuesta.

Paso 3: Revelar las distancias numéricas

Pulsa el botón “Revelar Distancias Reales (Similitud del Coseno)”:

• La app obtendrá los vectores numéricos de cada palabra.
• Calculará las similitudes usando el producto escalar normalizado (fórmula del coseno).
• Mostrará un ranking del 100% (coincidencia vectorial) al 0% (sin relación) con barras visuales comparativas.
• La pantalla indicará inmediatamente si la clase acertó la apuesta o si el modelo deparó una sorpresa.

Paso 4: Cierre de grupo y debate

Anota en la pizarra el número de aciertos y plantea estas preguntas al grupo:

1. Coincidencias: ¿Por qué la intuición humana y el modelo matemático han coincidido en los ejemplos básicos?
2. Sorpresas y sesgos: En casos con palabras polisémicas (como “banco” o “gato”), ¿hacia qué uso de la palabra se ha inclinado el vector del modelo? ¿En qué datos crees que fue entrenado para reaccionar así?
3. Idiomas: ¿Cómo es posible que “dog” y “perro” obtengan un porcentaje de cercanía tan alto si pertenecen a diccionarios completamente distintos?