5 ideas para iniciarnos na Intelixencia Artificial (AI)
Podemos abordar a integración da AI na educación tendo presente algún dos obxectivos de desenvolvemento sostible (ODS) fixando a nosa mirada na consecución do número 4. Estamos a falar da educación de calidade, un paso adiante para garantir tanto unha educación plenamente inclusiva, como equitativa, moi profesional e que sexa quen de promover a aprendizaxe profunda durante toda a vida para todos e todas.
Tendo este obxectivo ben presente na nosa tarefa educativa diaria sacamos en conclusión que a Intelixencia Artificial en educación afronta algúns desafios moi importantes como pode ser desenvolver novas prácticas de carácter innovador, dentro do proceso ensinanza-aprendizaxe que vaia incorporando as metodoloxías activas e a integración de todo o alumnado.
Na páxina AI4K12.org podes atopar moita información relacionada con esta temática que tanto interese esperta nos últimos meses entre o profesorado galego. A modo de inciación é importante ter en conta as áreas nas que se divide a intelixencia artificial.
Dende esta proposta americana están a falar de 5 grandes áreas. Imos con elas:
1.PERCEPCIÓN
Os ordenadores perciben o mundo a través dos sensores. A percepción é o proceso que permite extraer o significado dos sinais que proveñen deses sensores. Un dos maiores logros da intelixencia artificial ata agora é permitirlle ao ordenador “ver” e “escoitar” con éxito en contextos prácticos.
2.REPRESENTACIÓN E RAZOAMENTO
Os axentes crean representacións do mundo e utilízanas para razoar. A capacidade de representar contextos é un dos problemas fundamentais que atopa a intelixencia tanto natural como artificial. Os computadores constrúen representacións utilizando estruturas de datos e estas representacións soportan o razoamento algorítmico que conleva á xeración de nova información, a partir do coñecemento previo do axente.
Con todo, aínda que os axentes intelixentes poden razoar ante problemas complexos, estes non o fan como o faría un ser humano.
3.APRENDIZAXE
Os ordenadores aprenden dos datos. A aprendizaxe dunha máquina é un tipo de estatísitica inferencial que busca patróns entre volumes de datos.
De xeito reciente, son varias as áreas da intelixencia que progresaron significativamente grazas a novas representacións. Para ser exitosa, esta estratexia require grandes volumes de datos. Asemade que os datos do adestramento xeralmente proveñen de persoas, tamén poden ser xerados automáticamente pola propia máquina.
4.INTERACIÓN NATURAL
Son moitos os tipos de coñecemento requiridos polos axentes intelixentes para interactuar naturalmente con humanos. Ter diálogos con linguaxe natural, recoñecer xestos faciais e emocións ou inferir intencións a partir de comportamentos observados en contextos socioculturais varios; son algunhas das tarefas que estes tipos de axentes teñen que poder cumprir.
Estas tarefas non son para nada sinxelas. Por exemplo, aínda que hoxe en día os sistemas intelixentes poden utilizar a linguaxe natural para interactuar con humanos, esta é aínda limitada, e o razoamento en canto a esta acadado é aínda inferior ao dun neno.
5.IMPACTO SOCIAL
A intelixencia artificial pode ter un impacto tanto positivo como negativo para a sociedade. Aínda que as tecnoloxías que utilizan intelixencia artificial están a transformar a maneira na que traballamos, viaxamos, comunicámonos, e como nos coidamos entre nós; non podemos omitir que estas posúen riscos que se deben considerar.
Por exemplo, interpretacións equívocas dos datos utilizados para adestrar aos axentes que poden conlevar a que algúns grupos de persoas reciban un trato inferior ao esperado. Por isto mesmo é que é importante discutir o impacto social que trae consigo a intelixencia artificial, e elaborar criterios que recollan o deseño e desenvolvemento ético de sistemas intelixentes.