Inteligência Artificial na Educação

Introdução à IA

• Apresentação "Ensinar e Aprender acerca da IA e com a IA" por Luís Roque em janeiro de 2025.
• O objetivo é discutir a inteligência artificial (IA), seu funcionamento, significado e implicações.

História da IA

• Década de 1940: Surgem os fundamentos da IA com os trabalhos de Alan Turing, incluindo o teste de Turing para avaliar a capacidade de uma máquina em exibir comportamento inteligente indistinguível do humano.
• Década de 1950: Coincide com o surgimento do termo "Inteligência Artificial" por John McCarthy e desenvolvimentos de programas simples simulando aprendizado por pesquisadores como Marvin Minsky e Herbert Simon.
• Décadas de 1960 a 1980: Período de otimismo inicial em IA, com avanços em lógica simbólica, resolução de problemas e linguagens de programação como o LISP. No entanto, a IA passou por um período de desaceleração conhecido como "inverno da IA".
• Década de 1990: A IA experimentou um renascimento com avanços em algoritmos de aprendizado, incluindo redes neurais e algoritmos de aprendizado de máquina.
• Década de 2000 até hoje: Crescimento exponencial da IA devido ao aumento do poder computacional, grandes conjuntos de dados e algoritmos avançados, como o surgimento do aprendizado profundo (deep learning), a popularização de assistentes de voz e a integração em várias indústrias.

O que é a IA?

• A inteligência artificial (IA) é a capacidade de uma máquina reproduzir competências semelhantes às humanas, como raciocínio, aprendizado, planejamento e criatividade.
• A IA permite que sistemas técnicos percebam o ambiente, lidem com o que percebem e resolvam problemas para atingir objetivos específicos.
• O computador recebe dados (já preparados ou coletados por sensores, como câmeras), processa-os e responde.
• Os sistemas de IA são capazes de adaptar seu comportamento, análise dos efeitos de ações anteriores e trabalho autônomo.

Tipos de IA

• Os especialistas em ciências da computação, Stuart Russell e Peter Norvig, diferenciam quatro tipos de IA:
  • Sistemas que pensam como humanos: Automatizam tarefas como tomada de decisão e aprendizagem (ex: redes neurais artificiais).
  • Sistemas que atuam como humanos: Robôs que reproduzem o comportamento humano (execução de tarefas).
  • Sistemas que pensam racionalmente: Tentam simular o pensamento lógico racional humano.
  • Sistemas que atuam racionalmente: Agentes inteligentes que imitam o comportamento racional humano (ex: percepção do ambiente e ação).

Conceitos e Princípios da IA

• Aprendizagem de Máquina (Machine Learning): Desenvolvimento de algoritmos e modelos capazes de aprender com dados, sem programação explícita.

• Redes Neurais Artificiais: Imitam o cérebro humano, com neurônios interconectados aprendendo padrões complexos nos dados.

• Processamento de Linguagem Natural (NLP): Compreensão, geração e tradução de linguagem humana em computadores.

• Visão Computacional: Permite que computadores interpretem e entendam o mundo visual, incluindo reconhecimento de objetos.

• Raciocínio e Planejamento: Capacidade da IA de tomar decisões lógicas e formular planos para alcançar objetivos.

• Agentes Inteligentes: Entidades computacionais que percebem o ambiente e agem de forma autônoma.

• Ética e Responsabilidade: Princípios éticos essenciais para o uso responsável da IA (transparência, equidade, privacidade e segurança).

• Robótica: Aplicação da IA na programação, construção, projeto de robôs e sistemas autônomos.

Ensinar as Máquinas

• Os humanos atuam como professores das máquinas, fornecendo referências para o aprendizado da IA.
• Para isso, são necessários dados (fotos de satélite, etc) e especialistas que orientam o processo para a máquina.
• A máquina precisa de aprender com os dados para identificar ou classificar imagens ou atividades. O processo continua até a máquina aprender a identificar corretamente.

Etiquetagem de Dados/Informação

• Processo de organização, classificação e rotulação de dados para alimentar sistemas de IA.
• Recurso fundamental no treinamento de modelos de aprendizado de máquina.

Novas áreas ligadas à IA

• Automação e Robótica: Projeta, constrói e programa sistemas autônomos.
• Data Science: Especialistas em análise de dados com conhecimentos em estatística.
• Business Intelligence: Utiliza ferramentas e métodos avançados para gerar estratégias rentáveis para empresas.
• Machine Learning: Desenvolve algoritmos e modelos que melhoram o desempenho das máquinas ao longo do tempo.
• Cibersegurança: Assegura a segurança da informação em dispositivos e redes das empresas.

O que não é a IA?

• A IA não possui consciência, autoconsciência, experiências subjetivas ou sentimentos.
• A IA não é infalível e pode cometer erros, principalmente se treinada com dados inadequados ou enviesados.
• A IA depende muito dos dados e algoritmos que a alimentam e pode não discernir contextualmente.

Aplicações da IA no dia a dia

• Serviços como Netflix, YouTube, Spotify ou Facebook utilizam IA para identificar preferências e exibir sugestões aos usuários.
• O Google usa IA para personalizar resultados de pesquisa, levando em consideração os dados do usuário.
• A Waze usa IA para encontrar rotas otimizadas com base em dados de várias fontes.
• Chatbots: Programas que interagem com usuário por meio de mensagens de texto ou voz, alimentados por IA.
• Tradutores automáticos de legendas: utilizam algoritmos de aprendizagem de máquina para traduzir legendas de um idioma para outro.

IA na Educação

• Para os alunos: Sistemas tutoriais inteligentes, aplicativos assistidos, simuladores assistidos, apoio para estudantes com necessidades especiais, escrita automática, chatbots, avaliação formativa automatizada e ambientes de aprendizagem exploratórios.
• Para os professores: Deteção de plágio, seleção de materiais de aprendizagem e avaliação sumativa automática, gestão de múltiplas atividades escolares, monitorização da sala de aula e assistentes de ensino.

Desafios da Integração da IA na Educação

• Capacitar professores para usar IA.
• Compartilhar experiências com os colegas.
• Modificar o paradigma atual (para solicitar trabalhos aos alunos).
• Avaliação de trabalhos considerando contextos de apresentação e uso da IA.
• Criar um grupo de trabalho nas instituições de ensino envolvidas no uso da IA.

Integração Educacional da IA

• Compreender os pontos fortes e fracos da IA.
• Definir objetivos claros e mensuráveis de aprendizagem.
• Escolher ferramentas de IA apropriadas para as necessidades.
• Domínio das ferramentas de IA.
• Mentalidade resiliente na integração da IA em educação.
• Considerar a privacidade dos dados e uso indevido da IA

Conclusão

• Obrigada (Obrigado).