Pensamiento computacional: tu desayuno explicado como un algoritmo

Transcripción

1. 0:08 Muy buenos días, buenas tardes, espero que estén disfrutando todas estas charlas que se han preparado con tanto cariño.
2. 0:15 Bueno, yo quisiera empezar haciéndoles algunas preguntas, o haciéndoles una pregunta en particular.
3. 0:20 ¿Cómo preparan su desayuno?
4. 0:23 De repente alguien dice, voy a la cocina, pongo el pan en la tostadora, pongo el agua a calentar,
5. 0:29 de repente también tengo que poner el pan en el agua, poner el azúcar en el agua,
6. 0:36 tal vez esperar un poco que hierva, después sacar la tostadora y algo por el estilo.
7. 0:44 Eso nos podría tomar de repente unos ocho minutos.
8. 0:47 Pero de repente aparece otra persona que lo hace diferente.
9. 0:51 Esa persona viene, pone el pan en la tostadora y al mismo tiempo coloca el agua para calentar,
10. 0:57 y al mismo tiempo de repente te pones a freír un huevo.
11. 1:01 Y hacemos las tres cosas de forma simultánea.
12. 1:05 Y podríamos realizar el mismo grupo de tareas, pero en un periodo de unos cuatro minutos.
13. 1:11 ¿Cuál es la diferencia?
14. 1:12 ¿Por qué es que necesitamos pensar de forma diferente?
15. 1:16 Estamos frente a algo llamado, que es una secuencia de pasos,
16. 1:21 es una secuencia de pasos ordenadas,
17. 1:23 que a nivel internacional ya se conoce hace mucho tiempo como pensamiento computacional.
18. 1:28 Esto es una forma de pensar,
19. 1:29 pero nos permite resolver problemas a gran escala, de forma eficiente,
20. 1:33 para grandes volúmenes.
21. 1:35 No se trata de millones de datos, piensen en millones de datos por segundo.
22. 1:37 Esto no se trata de programación,
23. 1:39 esto no se trata de aprender Excel, hojas de cálculo.
24. 1:42 Tampoco se trata de saber bajarse apps,
25. 1:45 ¿no?, que es lo que todo el mundo hace.
26. 1:47 Se trata de una forma sistemática de resolver problemas,
27. 1:50 de forma eficiente, de forma escalable, para millones de datos por segundo.
28. 1:55 Estoy convencido de que en el Perú, nosotros, si aplicásemos pensamiento computacional,
29. 2:00 realmente estaríamos hablando de otro país.
30. 2:03 Ahora, déjenme presentarles los cuatro principios.
31. 2:05 Los cuatro pilares fundamentales del pensamiento computacional.
32. 2:08 En primer lugar, descomposición del problema,
33. 2:11 que significa agarrar un problema grande y descomponerlo en problemas pequeñitos.
34. 2:16 Piensen de repente que van a organizar una boda.
35. 2:18 En una boda yo tengo que pensar en múltiples problemas,
36. 2:21 por ejemplo, organizar la lista de invitados,
37. 2:23 por ejemplo, organizar la comida de cada una de las mesas,
38. 2:27 por ejemplo, organizar el ingreso, la verificación, recibir los regalos, etc.
39. 2:32 Son múltiples tareas.
40. 2:33 Si yo resuelvo esas múltiples tareas, al final tendré una boda espectacular
41. 2:37 porque he descompuesto el problema en problemas pequeñitos.
42. 2:40 Segundo, reconocimiento de patrones,
43. 2:43 que significa utilizar mi experiencia pasada
44. 2:46 para tratar de predecir algo que se viene en el futuro.
45. 2:50 Piense, por ejemplo, en un médico.
46. 2:52 Un médico que recibe a un paciente y ese paciente tiene pérdida de peso,
47. 2:56 tiene sudoración nocturna y tiene tos persistente.
48. 3:00 Un médico con su experiencia inmediatamente va a detectar un patrón en su cabeza,
49. 3:03 y va a decir, esto probablemente es tuberculosis.
50. 3:07 Lo mismo sucede cuando tú seleccionas una película en Netflix,
51. 3:11 seleccionas la película A y después te vas a buscar la película B.
52. 3:15 Esa información que está vinculando ambas películas también es utilizada
53. 3:19 para poder sugerirle a otro usuario que también cae en la misma película A
54. 3:23 que yo también le pueda sugerir la película B.
55. 3:26 Exactamente lo mismo pasa cuando tú entras a Amazon
56. 3:29 y escoges que vas a comprar una mochila, después vas a comprar un cuaderno,
57. 3:33 entonces ese vínculo entre los dos productos también es útil
58. 3:37 para sugerirle a otros usuarios.
59. 3:39 Imagínense todo lo que se puede producir cuando llevamos esto a una escala
60. 3:42 de millones de productos o usuarios por segundo también.
61. 3:46 En tercer lugar, tenemos la abstracción.
62. 3:49 La abstracción significa mirar un problema y no detenerte en los detalles,
63. 3:54 sino que nos concentramos en lo importante.
64. 3:57 Cuando ustedes describen cómo llegar a su casa, yo no explico camina 1425 pasos,
65. 4:03 luego gira 37.4 grados a la derecha, cuenta 3.7 metros, levantas la mano
66. 4:09 un metro y medio, ahí está el timbre, esa es mi casa.
67. 4:11 Yo no lo explico así, nadie lo explica así, ¿correcto?
68. 4:14 Lo que sí podríamos decir es, mira, avanza dos esquinas, hay una farmacia,
69. 4:18 volteas a la derecha, la tercera casa es la mía, ¿correcto?
70. 4:21 No me concentro en los detalles, me voy a las cosas importantes.
71. 4:24 En cuarto lugar, es planear un algoritmo, que es una secuencia de pasos ordenado
72. 4:29 para cumplir un determinado fin.
73. 4:33 Piensen, por ejemplo, en la secuencia de pasos ordenados para preparar un arroz con pollo.
74. 4:36 Yo no sirvo el arroz primero antes de cocinarlo.
75. 4:40 Tiene una secuencia de pasos ordenado.
76. 4:42 Son los cuatro pilares fundamentales que les acabo de explicar.
77. 4:46 Descomposición, reconocimiento de patrones, abstracción y diseñar un algoritmo.
78. 4:52 Eso mismo es lo que hace un computador.
79. 4:54 La diferencia es que tiene que hacerlo a razón de millones de instrucciones por segundo
80. 4:58 y no se puede equivocar porque cualquier error que nosotros cometamos te va a explotar en la cara
81. 5:02 por la alta velocidad que tiene.
82. 5:04 La computación es un binomio.
83. 5:06 Es un binomio formado por dos elementos.
84. 5:08 El primero es el ser humano, que aporta inteligencia, pero es muy lento.
85. 5:13 Y por otro lado tenemos el computador, que es tremendamente rápido, pero bruto.
86. 5:18 De esa forma, si nosotros combinamos lo mejor de ambos lados, podemos resolver problemas a gran escala.
87. 5:24 Por ejemplo, a la escala de un país.
88. 5:26 Yo no nací sabiendo eso y tampoco lo aprendí en la universidad,
89. 5:30 porque yo también estudié una de las carreras tradicionales
90. 5:33 relacionadas a computación en el Perú, cuyo nombre no diré.
91. 5:37 A pesar de haber estudiado esta carrera, eso no lo recibí en la universidad.
92. 5:42 En 1993 yo tenía 19 años y en mi primer trabajo me encargaron de hacer un motor de búsqueda.
93. 5:49 Buscar cualquier palabra o combinación de palabras en miles o millones de documentos desestructurados.
94. 5:55 No tenía computador y lo que me habían enseñado en la universidad
95. 5:58 no era lo que yo necesitaba para un problema real de esas dimensiones.
96. 6:02 Y no tenía quien preguntarle tampoco.
97. 6:05 De repente ustedes conocen algún buscador.
98. 6:08 Google, por ejemplo.
99. 6:09 Bueno, pues, cinco años antes de que exista un Google, yo había creado un motor de búsqueda
100. 6:13 y fue hecho en Arequipa.
101. 6:16 Pero cuando salí a presentarlo, yo fui a presentarlo a profesores universitarios,
102. 6:20 a gente de empresa, a diversas personas, siempre los comentarios eran así.
103. 6:25 ¿Para qué sirve tu buscador?
104. 6:27 ¿Quién necesita un buscador?
105. 6:28 ¿Quién te va a comprar un buscador?
106. 6:30 ¿Has hecho un estudio en mercado?
107. 6:33 Y yo con 19 años, por supuesto que mi respuesta era,
108. 6:35 no.
109. 6:39 Bueno, casi me jalan cuando presenté eso como tesis.
110. 6:43 Eso también es una cosa interesante.
111. 6:46 ¿No? Ahora la puedo decir.
112. 6:49 Esto me generó muchísima frustración, pero al mismo tiempo
113. 6:52 también generó mucha motivación.
114. 6:55 Y esa fue la razón por la cual agarré mi mochila y me fui por tierra a Brasil.
115. 7:00 Hice la maestría en ciencia de la computación en la Universidad de Sao Paulo.
116. 7:04 Hice el doctorado en ciencia de la computación.
117. 7:06 Primer año en la Universidad de Sao Paulo.
118. 7:08 Segundo año en Carnegie Mellon University en los Estados Unidos.
119. 7:11 Tercer año en la TU Berlin en Alemania, en Berlín.
120. 7:15 Y volví después de ocho años el 2004 a Arequipa.
121. 7:18 El profesor Luisías Basurco me abrió las puertas,
122. 7:22 pero por las restricciones propias de cada institución,
123. 7:25 yo entré trabajando como profesor por horas.
124. 7:29 Mi primer salario fue 288 soles con doctorado.
125. 7:34 Ya se imaginarán que en esa época yo ya tenía falta.
126. 7:38 Ya tenía una familia, ya tenía una hija
127. 7:39 y por supuesto que mi familia pensaba que yo estaba loco.
128. 7:43 Sin embargo, había algo que me motivaba mucho más
129. 7:46 y era el hecho de que inconscientemente yo quería cambiar todo el país.
130. 7:51 Desde mi punto de vista, desde la computación,
131. 7:54 que era la mejor herramienta que yo tenía.
132. 7:56 En 2005 asumí la dirección de la carrera entonces llamada Ingeniería Informática
133. 8:01 y el objetivo era no solamente enseñarles a usar a los muchachos,
134. 8:05 queríamos enseñarles a crear.
135. 8:08 En 2006 hicimos un cambio del bachillerato hacia Ciencia de la Computación.
136. 8:17 Queríamos dejar de formar paquetólogos en tecnología
137. 8:21 para formar creadores de tecnología
138. 8:23 que pudiesen ser capaces de enfrentar el cambio de un país.
139. 8:28 En el año 2007 comenzamos a recibir llamadas de Google de California
140. 8:31 y nos decían, oye, hemos estudiado país por país
141. 8:34 y ustedes en el Perú son la carrera más fuerte de computación que tenemos.
142. 8:37 Queremos mandarle gente para que den charlas,
143. 8:39 para que conozcan tus alumnos, para que los puedan entrevistar
144. 8:41 porque todavía no hay nadie que ha conseguido entrar a Google de Perú.
145. 8:45 Nosotros, muy humildemente, pero también de manera un poco desafiante,
146. 8:49 queríamos ser capaces de que desde Arequipa se formase el siguiente Bill Gates,
147. 8:54 se formase el siguiente Mark Zuckerberg o el siguiente Jack Ma,
148. 8:58 pero hecho en el Perú, hecho en Arequipa.
149. 9:01 La clave de todo esto fue pensar de manera internacional,
150. 9:05 fue pensar en pensamiento computacional,
151. 9:07 fue utilizar el pensamiento computacional.
152. 9:09 En el año 2008 cambiamos el bachillerato de la carrera Ciencia de la Computación.
153. 9:13 En el año 2010 cambiamos el nombre completo de la carrera
154. 9:15 y el nombre de la facultad también.
155. 9:17 Nuestra carrera duplicó el número de alumnos, que eso se mantiene hasta ahora.
156. 9:21 La carrera comenzó a ganar fondos para desarrollar maestrías
157. 9:24 donde los alumnos recibiesen un pago mensual por estudiar,
158. 9:27 como sucede en cualquier parte del mundo,
159. 9:29 y eso ya comenzaba a suceder acá.
160. 9:31 En el año 2009 participé de forma directa en la creación
161. 9:34 de la carrera de Ciencia de la Computación en la Universidad de San Agustín,
162. 9:36 también en Arequipa.
163. 9:38 El año 2016 hasta el 2020 participé en la creación de Ciencia de la Computación
164. 9:43 en la UTEC en Lima.
165. 9:44 El año 2023, volviendo a Arequipa,
166. 9:47 conseguimos que la carrera consiguiese el máximo galardón
167. 9:50 en acreditación internacional con la máxima cantidad de años posible
168. 9:53 de la acreditadora ABET.
169. 9:57 Hoy en día, 98% de nuestros egresados trabajan,
170. 10:00 21% lo hacen en empresas en el exterior,
171. 10:04 en empresas como Google,
172. 10:06 Microsoft o Meta.
173. 10:08 Además, tenemos empresas en Silicon Valley
174. 10:10 con centros de desarrollo en Arequipa,
175. 10:12 muy cerca de la universidad.
176. 10:14 Pero lo más importante no es dónde trabajan estos muchachos,
177. 10:17 lo más importante es cómo piensan.
178. 10:19 Y piensan ciertamente de una manera distinta.
179. 10:22 Hay que pensar en los cuatro pilares.
180. 10:25 Descomponer un problema,
181. 10:27 encontrar patrones,
182. 10:29 desarrollar abstracciones
183. 10:30 y diseñar algoritmos.
184. 10:33 Pero no solamente para Perú,
185. 10:35 o no solamente para Arequipa,
186. 10:36 sino con calidad internacional
187. 10:38 para que funcionen en cualquier parte del mundo,
188. 10:40 en múltiples idiomas,
189. 10:41 con competitividad internacional.
190. 10:44 Yo me siento muy orgulloso de lo que hemos logrado.
191. 10:46 Sin embargo, esto no solamente es para los de ciencia y la computación.
192. 10:49 Esto se puede aplicar en cualquier área.
193. 10:52 Piensen ustedes en salud pública, por ejemplo.
194. 10:54 Vamos a descomponer el problema de salud pública
195. 10:56 en datos clasificados por cada enfermedad
196. 10:59 o por cada distrito, por cada provincia.
197. 11:01 Vamos a tratar de encontrar patrones
198. 11:03 que tengan que ver con ciertos cuadros clínicos,
199. 11:06 con ciertas enfermedades o con ciertas regiones.
200. 11:08 Vamos a tratar de abstraer soluciones
201. 11:10 pero que sean proyectadas para millones de ciudadanos por segundo.
202. 11:14 Y finalmente vamos a diseñar algoritmos
203. 11:16 que sean altamente escalables
204. 11:17 para que terminen al alcance de un clic
205. 11:20 del ciudadano común y corriente.
206. 11:22 Piensen ustedes en gobierno digital.
207. 11:24 Nosotros podríamos descomponer
208. 11:26 todos los trámites documentarios uno por uno.
209. 11:29 Podríamos encontrar patrones
210. 11:31 en aquellos trámites que demoran más,
211. 11:33 que tienen cuellos de botella,
212. 11:34 no los que son más ineficientes.
213. 11:37 Podríamos encontrar también soluciones
214. 11:39 que sean escalables,
215. 11:40 que funcionen para millones de datos por segundo,
216. 11:42 para millones de ciudadanos por segundo.
217. 11:45 Y finalmente podríamos terminar
218. 11:46 diseñando un algoritmo que nos lleve
219. 11:49 a un clic en el alcance de la mano
220. 11:51 de cualquier ciudadano.
221. 11:54 Esto es algo muy bueno.
222. 11:55 Pero ¿qué necesita el Perú?
223. 11:57 En 2022 la evaluación PISA
224. 11:59 incorporó ciencia de la computación
225. 12:01 en la evaluación estándar a nivel mundial.
226. 12:03 Estonia, el país más digital del mundo,
227. 12:05 ya lo tiene incorporado.
228. 12:07 Corea también, Brasil también.
229. 12:09 ¿Qué nos falta en el Perú?
230. 12:10 Perú está empezando, pero eso significa
231. 12:11 que también podemos hacerlo más rápido
232. 12:13 y con menos errores.
233. 12:15 No se trata de computadores, se trata de cerebro,
234. 12:17 se trata de una forma de pensar.
235. 12:18 Pueden enseñar descomposición haciendo
236. 12:21 que los niños planifiquen una fiesta infantil.
237. 12:23 Podríamos enseñar reconocimiento de patrones
238. 12:25 a través de colores, números o formas en el colegio.
239. 12:28 Podríamos enseñar abstracción pidiendo
240. 12:31 que cada uno de los niños describa
241. 12:33 pero sin detalles.
242. 12:34 Podríamos enseñar algoritmos haciendo
243. 12:36 que cada uno escriba la receta
244. 12:39 de cómo se prepara para ir al colegio
245. 12:41 o cómo se prepara el desayuno.
246. 12:43 Tenemos los siguientes pasos importantes.
247. 12:45 En primer lugar, necesitamos profesores
248. 12:47 altamente capacitados, pero no solamente
249. 12:49 en programación, sino en una forma de pensar nueva.
250. 12:52 Necesitamos integración
251. 12:54 de todo este pensamiento computacional
252. 12:55 en el currículo nacional
253. 12:57 del Ministerio de Educación.
254. 13:00 Tercero, necesitamos empezar
255. 13:01 lo más rápido que sea posible
256. 13:03 porque ya hemos perdido mucho tiempo.
257. 13:04 Y no solamente digo empezar ahora, sino también
258. 13:07 empezar desde el nivel de jardín primaria y secundaria.
259. 13:09 Y finalmente, necesitamos tomar
260. 13:11 muy en serio la educación universitaria.
261. 13:13 Necesitamos que a nivel universitario existan
262. 13:15 carreras en ciencia de la computación
263. 13:16 con estándares internacionales
264. 13:18 y que no andemos inventando carreras extrañas
265. 13:21 como ingeniería en inteligencia artificial.
266. 13:23 Volvamos al inicio.
267. 13:24 Les pregunté cómo preparan un desayuno.
268. 13:26 Ya deben estar pensando computacionalmente.
269. 13:29 Pueden aplicar esa misma claridad
270. 13:30 para resolver problemas más grandes.
271. 13:33 Pueden diseñar protocolos de salud eficientes,
272. 13:35 optimizar cadenas de producción,
273. 13:36 de repente simplificar trámites en el Estado,
274. 13:39 o pueden resolver un problema que antes llevaba meses.
275. 13:41 Claro que sí.
276. 13:42 Hoy les dejo estas cuatro herramientas
277. 13:44 del pensamiento computacional.
278. 13:46 Descomponer, reconocimiento de patrones,
279. 13:48 abstracción, diseño de algoritmos.
280. 13:51 No hay magia.
281. 13:52 Esto es un método, esto es práctica
282. 13:54 y todos, absolutamente todos, pueden aprenderlas.
283. 13:57 Hace 30 años, nadie en el Perú
284. 13:59 pensaba que podíamos formar profesionales
285. 14:01 en ciencia de la computación al nivel de Stanford.
286. 14:03 Hoy en día, ya lo hacemos.
287. 14:05 Lo empezamos a hacer en Arequipa.
288. 14:07 Si llevamos ese ejemplo a más peruanos,
289. 14:09 podríamos diseñar un Perú
290. 14:10 del cual estemos todos muy orgullosos.
291. 14:13 Muchas gracias.

Transcripción automática. Puede equivocarse, sobre todo con nombres propios.