La técnica Feynman es un método de aprendizaje que usa la enseñanza para identificar lagunas de comprensión. Consta de cuatro pasos: elegir un concepto, enseñarlo a un principiante con lenguaje sencillo, identificar dónde se rompe la explicación y volver al material fuente para cubrir esas lagunas, simplificando aún más. El ciclo se repite hasta que la explicación se sostiene de principio a fin.
Elige un concepto único y delimitado. No «machine learning» ni «computación cuántica». Algo que puedas sostener en la cabeza: «cómo funciona el descenso de gradiente», «qué hace el mecanismo de atención de un Transformer» o «por qué la Fed sube tipos para combatir inflación». Cuanto más específico, más útil será el ejercicio.
Papel de la IA en esta fase: si no sabes delimitar el concepto, pídele que divida un tema amplio en subconceptos enseñables. «Quiero aprender generación aumentada por recuperación. Divídela en cinco subconceptos que pueda explicar de uno en uno». Así estructura el aprendizaje antes de comenzar.
Escribe o habla como si tu audiencia no tuviera conocimiento previo. No uses siglas sin definir, ni «como todos sabemos», ni omitas pasos porque parezcan obvios. La prueba no es elegancia, sino que alguien que nunca encontró el concepto pueda seguirte de principio a fin.
El fallo aparecerá en lugares previsibles: transición entre ideas donde usaste «por tanto» sin justificar la conexión; analogía que parecía aclaradora en tu cabeza pero es evasiva en la página; término técnico sin definir. Marca cada uno. Son el mapa de lo que aún no entiendes.
Papel de la IA: después de identificar lagunas, no dejes que las rellene. Vuelve tú al material fuente, relee la sección pertinente y reconstruye la explicación con tus palabras. Luego pruébala de nuevo. La IA es la herramienta de diagnóstico, no la cura.
Reescribe la explicación con lenguaje más simple y frases más cortas. Elimina toda palabra que no trabaje. Sustituye jerga por lenguaje común. Si un concepto necesitaba tres frases, intenta explicarlo en una. Si la versión de una frase pierde precisión, habrás identificado la complejidad mínima que requiere. Ese umbral es comprensión.
Repite el ciclo hasta que la explicación se sostenga de principio a fin. Algunos conceptos requieren una pasada y otros cinco. El número de ciclos no mide inteligencia, sino cuánto terreno nuevo cubres.
El riesgo es que la IA se vuelva muleta. Si la explicación falla y proporciona de inmediato la respuesta correcta, se pierde la oportunidad de aprender. La regla es simple: la IA pregunta, tú respondes. Solo tras tu mejor intento compruebas el material fuente o pides verificación. La lucha es el aprendizaje; el trabajo de la IA es asegurar que ocurra en los puntos correctos.
P: ¿En qué se diferencia de la recuperación activa?
R: Son mecanismos complementarios. La recuperación activa prueba si puedes recuperar información de la memoria. La técnica Feynman prueba si puedes organizar esa información en una explicación coherente. Puedes recordar todos los hechos de un concepto y aun así no explicarlo con claridad. Feynman detecta ese fallo. Funcionan mejor juntas: usa recuperación activa para mostrar lo que sabes y Feynman para estructurarlo y comprenderlo.
P: ¿Qué pasa si no puedo simplificar un concepto sin perder precisión?
R: Ese es el punto. La pérdida de precisión revela algo real: el concepto exige cierto nivel de complejidad o tu comprensión aún no es lo bastante profunda para encontrar una explicación simple. En el primer caso aprendiste un límite; en el segundo encontraste una laguna. Ambos son valiosos.