IA na Educação PDF

Ensinar e Aprender acerca da IA e com a IA Luís Roque, janeiro 2025 Ensinar e Aprender Ensinar e Aprender acerca da IA com a IA 2  Discussão à volta do tema da IA, como funciona, o se...

Ensinar e Aprender acerca da IA e com a IA Luís Roque, janeiro 2025 Ensinar e Aprender Ensinar e Aprender acerca da IA com a IA 2  Discussão à volta do tema da IA, como funciona, o seu significado e as suas implicações. Ensinar e Aprender acerca da IA Dimensão Humana da IA Dimensão Tecnológica da IA 3 Discussão á volta do seu papel no ensino e aprendizagem. Ensinar e Aprender com a IA Dimensão Educativa da IA 4  Um pouco de história da IA Década de 1940 As bases da IA foram lançadas com os trabalhos de Alan Turing, que propôs o teste de Turing para determinar se uma máquina pode exibir comportamento inteligente indistinguível do de um ser humano. Década de 1950 O termo "Inteligência Artificial" foi usado pela primeira vez por John McCarthy (1956). Nessa época, investigadores como Marvin Minsky e Herbert Simon desenvolveram programas simples que simulavam processos de aprendizagem. Décadas de 1960 a 1980 Período marcado por otimismo inicial, com desenvolvimentos em lógica simbólica, resolução de problemas e linguagens de programação como o LISP. No entanto, surgiram desafios e a IA entrou em uma fase de desaceleração conhecida como "inverno da IA". 5  Um pouco de história da IA Década de 1990 Com avanços em algoritmos de aprendizagem, a IA experimentou um renascimento. Surgiram técnicas como redes neurais e algoritmos de aprendizagem de máquina. Década de 2000 até hoje A IA cresceu exponencialmente com o aumento do poder computacional, grandes conjuntos de dados e algoritmos avançados. Destaca-se o surgimento de deep learning, a popularização de assistentes de voz e a integração da IA em várias indústrias. 6 O que é a IA? 7 A inteligência artificial (IA) é a capacidade de uma máquina para reproduzir competências semelhantes às humanas como é o caso do raciocínio, a aprendizagem, o planeamento e a criatividade. in IA no Parlamento Europeu 8 A IA permite que os sistemas técnicos percebam o ambiente que os rodeia, lidem com o que percebem e resolvam problemas, agindo no sentido de alcançar um objetivo específico. O computador recebe dados (já preparados ou recolhidos através dos seus próprios sensores, por exemplo, com o uso de uma câmara), processa-os e responde. in IA no Parlamento Europeu 9 Os sistemas de IA são capazes de adaptar o seu comportamento, até certo ponto, através de uma análise dos efeitos das ações anteriores e de um trabalho autónomo. in IA no Parlamento Europeu 10  Inteligência Artificial Relativa a software: assistentes virtuais, software de análise de imagem, motores de busca, sistemas de reconhecimento facial e de voz Incorporada em hardware: robôs, carros autónomos, drones, ou aplicações no âmbito da Internet das Coisas 11 Embora a IA seja vista como uma área da Ciência da Computação, ela é um campo multidisciplinar que procura responder às mesmas perguntas, mas com olhares diferentes. 12 in Linkedin  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 atividades como tomada de decisões, resolução de problemas e aprendizagem. Um exemplo é o das redes neurais artificiais. Sistemas que atuam como humanos Tratam-se de computadores que executam tarefas de um jeito semelhante ao das pessoas. É o caso dos robôs. Sistemas que pensam racionalmente Tentam simular o pensamento lógico racional dos humanos, isto é, pesquisam sobre como fazer com que máquinas sejam capazes de entender, raciocinar e agir. Os sistemas inteligentes como por exemplo Autenticação, Segurança, Internet, Computação em nuvem, GPS, estão englobados neste grupo. Sistemas que atuam racionalmente Idealmente, são aqueles que tentam imitar de forma racional o comportamento humano, como os agentes inteligentes. São capazes de capaz de perceber o ambiente por meio de sensores e de agir 13 sobre esse ambiente.  Conceitos e Princípios fundamentais da IA Aprendizagem de Máquina (Machine Learning): Subárea da IA que se concentra no desenvolvimento de algoritmos e modelos que permitem aos sistemas aprenderem com dados e melhorarem o seu desempenho ao longo do tempo sem serem explicitamente programados para fazerem isso. Redes Neurais Artificiais: Inspiradas na estrutura do cérebro humano, as redes neurais artificiais são um modelo computacional composto por neurónios interconectados que são capazes de aprender padrões complexos nos dados e são amplamente utilizadas em problemas de aprendizagem de máquina. Processamento de Linguagem Natural (NLP): É uma área da IA que se concentra na interação entre computadores e linguagem humana. Isso inclui tarefas como compreensão de linguagem, geração de linguagem, tradução automática, resumo de texto, entre outros. Visão Computacional: É o campo da IA que se concentra em permitir que os computadores interpretem e entendam o conteúdo visual do mundo real, incluindo 14 reconhecimento de objetos, deteção de padrões e reconhecimento facial.  Conceitos e Princípios fundamentais da IA Raciocínio e Planeamento: Estes são conceitos fundamentais que envolvem a capacidade dos sistemas de IA de tomar decisões lógicas com base em informações disponíveis e formular planos para alcançar objetivos específicos. Agentes Inteligentes: São entidades computacionais que percebem o ambiente e agem de forma autónoma em busca de objetivos ou para resolver problemas. Ética e Responsabilidade: Dada a crescente influência da IA em várias esferas da vida humana, os princípios éticos e a responsabilidade são fundamentais. Isso inclui questões como transparência, equidade, privacidade, e segurança dos sistemas de IA. Robótica: A IA desempenha um papel importante na robótica, permitindo que os robôs percebam o seu ambiente, tomem decisões e realizem tarefas de forma autónoma. 15 16  Teste de Turing Criado por Alan Turing em 1950, o Teste de Turing demonstra como os computadores podem imitar o comportamento humano. Este teste é um conceito fundamental no estudo da IA e reforça a enorme capacidade das máquinas reproduzirem o comportamento humano ao ponto de não ser possível distinguir quem é o humano e quem é a máquina. 17  Metodologia do Teste de Turing Uma pessoa – é o juiz do teste – conversa com “alguém” por meio de um canal de texto sem saber se é um computador ou uma pessoa. Se o juiz acreditar que o computador pode ser um humano, o computador passa no teste! Fonte: Wikimedia 18  Paradoxo de Moravec É mais difícil para um computador andar do que jogar xadrez. Entende-se por Paradoxo de Moravec que: o raciocínio de alto nível, como memorizar uma grande sequência, requer pouca computação. No entanto, habilidades sensoriais de baixo nível, como ver, falar e andar, requerem recursos computacionais enormes. 19 Paradoxo de Moravec 20  Ensinar as Máquinas Em IA, os Humanos são os professores das máquinas. Para as máquinas se tornarem inteligentes, temos que treiná-las a partir de referências definidas por nós. Por exemplo, como ensinar uma máquina a identificar zonas de desflorestação na Floresta Tropical Amazónica, no Brasil? Para isso, precisaríamos de: fotografias por satélite; um especialista que identificasse as áreas de desflorestação a partir de uma amostra; um sistema de IA. 21  Ensinar as Máquinas 1. Usando uma câmara, mostramos à máquina uma das fotografias que o especialista marcou como “desflorestação”. 2. Essa informação passa por um programa que no final dá uma resposta, “desflorestação” ou “não desflorestação”. 3. Vemos o que a máquina nos diz. Neste momento a máquina ainda não aprendeu, portanto pode errar. 22  Ensinar as Máquinas Se ela disser que não há desflorestação quando há, deverá ser ajustada para que da próxima vez que vir a mesma fotografia, a probabilidade de errar seja menor. 23  Ensinar as Máquinas Mostramos outras fotografias e seguimos o mesmo procedimento, ajustando sempre a máquina para diminuir a probabilidade de erro. Este ajuste é a própria máquina que o faz, ou seja, auto ajusta-se. 24  Ensinar as Máquinas Quando terminamos de mostrar todas as fotografias à máquina, voltamos a mostrar a primeira e começam os passos todos de início. O processo repete-se muitas vezes de forma rápida e precisa. 25  Ensinar as Máquinas Quando estivermos satisfeitos porque a máquina está a errar cada vez menos, podemos parar e a máquina terá aprendido. Daqui para a frente, podemos mostrar à máquina fotografias novas e ela será capaz de nos dizer se há ou não desflorestação. Assim, milhares de fotografias podem agora ser analisadas de forma automática, usando a inteligência da máquina. 26  Etiquetagem da Informação in https://outraspalavras.net/tecnologiaemdisputa/exercito-sub-humano-que-alimenta-a-ia/ 27  Novas áreas de formação ligadas à IA Automação e Robótica: através da IA, realiza-se a projeção, construção e programação de robôs e sistemas autónomos; Data Science: estes profissionais são especialistas em dados analíticos e possuem conhecimentos elevados em áreas como a estatística; Business Intelligence: através da utilização de ferramentas e métodos avançados, os profissionais realizam uma estratégia que seja rentável para determinada empresa, a vários níveis; Machine learning: estes engenheiros desenvolvem algoritmos e modelos que permitem às máquinas melhorarem o seu desempenho ao longo do tempo; Cibersegurança: os profissionais desta área asseguram a segurança da informação e proteção dos dispositivos digitais e redes das empresas. 28 O que não é a IA! 29  O que não é a IA Não possui consciência ou autoconsciência como os seres humanos. Apesar de sua capacidade de processar informações e aprender com dados, a IA não tem experiências subjetivas ou sentimentos. Não é infalível. Pode cometer erros, especialmente se for treinada com dados inadequados ou enviesados. 30  O que não é a IA Depende muito dos dados com os quais é alimentada e do algoritmo que a impulsiona, e pode não ter a capacidade de discernir informações contextuais. 31  Garantia de Segurança Leis de Azimov O autor russo Isaac Asimov, autor do clássico romance “Eu, Robô” (1950), tornou-se popular quando propôs três “leis da robótica” para interações saudáveis entre robôs e humanos. in Linkedin 32  Garantia de Segurança Leis de Azimov Primeira Lei: Um robô não deve ferir um ser humano, ou por omissão permitir que um ser humano sofra algum mal. Segunda Lei: Um robô deve obedecer às ordens dadas por humanos, a menos que essas ordens entrem em conflito com a Primeira Lei. Terceira Lei: Um robô deve proteger a sua própria existência desde que tal proteção não entre em conflito com a Primeira e a Segunda Leis. Em 1985, Asimov escreveu a quarta lei chamada A Lei do Zero: Um robô não pode ferir um ser humano ou, por omissão, permitir que um ser humano sofra algum mal. 33  Mito: A IA não tem Limites Aprendizagem da IA: Dimensão humana Reconhecimento facial Falha ética 34 Mito: A IA não precisa de humanos No entanto são os humanos que: Estabelecem os objetivos Escolhem e “limpam” os dados Etiquetam a informação Criam a rede Treinam a rede Supervisionam os resultados Fazem juízos de valor 35  Mito: A IA é solução para tudo Limitações Técnicas e de Dados: A IA depende de grandes quantidades de dados para aprender e fazer previsões. Muitos problemas humanos e sociais são complexos demais para serem resolvidos apenas por análise de dados. Questões Éticas e de Privacidade: Áreas como vigilância, saúde e justiça criminal levanta preocupações éticas. A privacidade dos indivíduos pode ser comprometida, e sistemas de IA podem reforçar preconceitos e discriminações já existentes, levando a decisões injustas ou controversas. Interpretação e Contexto Humano: A IA é excelente para tarefas específicas e repetitivas, mas ainda é limitada em termos de compreensão do contexto e da intenção humana. Problemas complexos frequentemente exigem julgamento humano, empatia e adaptabilidade, o que os sistemas de IA, especialmente os mais convencionais, ainda não conseguem replicar. Dependência de Infraestrutura e Recursos: Implementar IA de forma eficaz requer infraestrutura avançada, como servidores, armazenamento e manutenção constante. Em setores ou regiões com recursos limitados, essa dependência da tecnologia pode ser um obstáculo, e as soluções de IA podem ser economicamente inviáveis. Riscos de Segurança: A IA levanta questões sobre controle e segurança pois pode introduzir vulnerabilidades em sistemas críticos como Cibersegurança, Transportes e Saúde, onde falhas ou invasões podem ter consequências graves.  Quais são algumas das principais preocupações e desafios do uso da IA? 37  Preocupações com a IA  Ética na gestão dos dados e nos algoritmos  Uso dos dados para fins comerciais  Perda de autoridade do professor  Impacto negativo no processo cognitivo  Deteção de emoções  Monitorização da atenção  Monitorização de exames online – intrusivo  Direitos de Autor → 38  Alguns exemplos de aplicações de IA no dia-a-dia 39  Exemplos de aplicações de IA Ao usarmos serviços como Netflix, Youtube, Spotify ou Facebook, certamente já repararam que são sempre mostradas sugestões para o vosso perfil. A IA é responsável por esta identificação, com base no nosso comportamento nestes ambientes. O Google não mostra o mesmo resultado para todas as pessoas. Através de IA, ele usa dados do utilizador, sites visitados anteriormente, conteúdos partilhados e pesquisas, para mostrar um resultado único para cada pessoa. Para encontrar as melhores rotas, aplicações como o Waze precisam cruzar dados de vários lugares. 40  ChatBots São programas de computador projetados para simular uma conversa humana, interagindo com utilizadores por meio de mensagens de texto ou voz. Esses sistemas são alimentados por IA e podem ser incorporados em sites, aplicativos de mensagens e outras plataformas de comunicação. 41  Tradutor automático de legendas A tecnologia por trás desse recurso geralmente envolve algoritmos de aprendizagem de máquina, que são uma forma específica de inteligência artificial. Esses algoritmos são treinados com grandes conjuntos de dados para aprender padrões e contextos linguísticos, permitindo que o sistema traduza automaticamente o conteúdo de um idioma para outro. 42  Quais são alguns dos usos relevantes e eficazes da IA ​na educação? 43  Para os Alunos  Sistemas tutoriais inteligentes  Aplicativos assistidos  Simuladores assistidos  Suporte para utilizadores com deficiências  Escrita automática  Chatbots  Avaliação Formativa Automática  Sistemas tutoriais baseados em diálogo  Ambientes de aprendizagem exploratórios Holmes & Tuomi, 2022 44  Para os Professores  Deteção de Plágio  Seleção de materiais de aprendizagem  Monitorização da sala de aula  Avaliação sumativa automática  Assistente de ensino  Gestão múltiplas atividades em sala de aula Holmes & Tuomi, 2022 45  Desafios  Capacitar os professores para a utilização da IA  Partilha de experiências  Alterar o paradigma de solicitação de trabalhos aos alunos  Avaliação do trabalho em contexto de apresentação  Criar grupo de trabalho nos AE que normalizem o uso da IA ← 46  Integração Educativa da IA Compreender as capacidades e limitações da IA Saber os pontos fortes e fracos Definir Objetivos de Aprendizagem claros A definição de objetivos específicos e mensuráveis ajudará a avaliar Escolher ferramentas de IA apropriadas Aprender a dominar as ferramentas de IA 47  Integração Educativa da IA Fomentar uma mentalidade de resiliência Incentivar os alunos a verem a IA como uma abordagem para apoiar a aprendizagem Abordar preocupações éticas Privacidade dos dados, potencial de uso indevido, … Monitorizar e Avaliar o uso da IA Avaliar regularmente a eficácia da integração da IA 48  Ensinar e Aprender acerca da IA e com a IA Obrigado.