A IA se tornou um termo acquainted – todos parecem estar falando sobre isso, mas poucos entendem suas nuances. Alguns equivalem à IA apenas a ferramentas como o ChatGPT, tratando -o como um novo fenômeno. Outros usam a IA como um termo geral sem distinguir entre seus diferentes tipos e capacidades.
Embora minha intenção aqui não seja aprofundada na história da IA, vale a pena mencionar que a IA tem pelo menos 80 anos. De fato, o primeiro chatbot, Eliza, foi desenvolvido pelo pesquisador do MIT Joseph Weizenbaum em meados da década de 1960. Como Narayanan e Kapoor (2024) apontam, Eliza “não usou aprendizado de máquina, mas period um sistema baseado em regras” projetado para imitar conversas superficiais parafraseando a entrada do usuário.
Embora isso pareça básico em comparação com os chatbots avançados de hoje, foi inovador na época – semelhante a como Pesquisa profunda do Chatgpt nos impressiona hoje. O impacto de Eliza foi tão significativo que até levou ao que é conhecido como ‘Efeito Eliza’ (Narayanan & Kapoor, 2024), onde os usuários atribuem um entendimento mais profundo aos sistemas de IA do que realmente possuem.
O desenvolvimento da IA não foi uma jornada direta; Em vez disso, experimentou ciclos de invernos (períodos de interesse e financiamento reduzidos) e nascentes (períodos de rápido avanço). Com o tempo, vários fatores nos levaram gradualmente ao sofisticado estado de IA de hoje, incluindo aumentos no poder da computação, o desenvolvimento de GPUs poderosas, a ampla disponibilidade de vastos conjuntos de dados para treinamento e investimento financeiro substancial.
No entanto, enquanto esses fatores contribuíram coletivamente para o avanço da IA, Narayanan e Kapoor (2024) nos lembram de evitar a armadilha comum de ver a IA como uma única tecnologia unificada. A IA, na realidade, é um termo abrangente que abrange vários tipos distintos, notavelmente generativa IA, IA preditiva e moderação de conteúdo AI – cada uma com propósitos, funções e implicações únicas.
Tipos de IA
Vamos descompactar rapidamente três categorias principais de IA que os educadores precisam saber: IA geradora, IA preditiva e IA de moderação de conteúdo.
1. AI generativa
Vamos começar com a IA generativa! Essas são ferramentas que, como o nome indica, ajudam a gerar (não criar) conteúdo como texto e imagens. Essas ferramentas incluem modelos populares de grandes idiomas, como: ChatGPT, Claude, Copilot, Perplexity AI e Gêmeos.
Essas ferramentas são interativas e respondem em tempo actual com base no seu immediate. Às vezes, sua saída pode parecer assustadora, mas é construída a partir de padrões que aprenderam com vastos conjuntos de dados.
Eu intencionalmente enfatizo “gerar” em vez de “criar” porque esses modelos não “criam” no sentido humano, eles não entender significado ou intenção. Em vez disso, eles prevêem e montam texto ou imagens com base nos padrões aprendidos com conjuntos de dados maciços.
2. IA preditiva
A IA preditiva envolve modelos que analisam dados para prever resultados ou comportamentos. Em seu livro, Narayanan e Kapoor (2024) ilustram claramente o objetivo da IA preditiva como fazer previsões sobre o futuro para informar as decisões atuais.
Por exemplo, a IA preditiva pode tentar responder a perguntas como: “Quantos crimes ocorrerão amanhã nesta área?” Ou “Quão bem esse candidato se apresentará se contratado para este trabalho?” No entanto, eles também alertam: “É difícil prever o futuro, e a IA não muda esse fato”.
Os autores também enfatizam que, embora a IA preditiva possa identificar padrões estatísticos amplos, ela é frequentemente retratada como muito mais precisa e confiável do que realmente é, especialmente quando toma decisões significativas que afetam a vida e as carreiras das pessoas.
3. Moderação do conteúdo
O terceiro tipo, a moderação de conteúdo IA, é amplamente utilizado nas mídias sociais para detectar conteúdo problemático. Narayanan e Kapoor (2024) destacam dois métodos: correspondência de impressão digital, que sinaliza conteúdo nocivo conhecido (por exemplo, imagens de abuso infantil) e aprendizado de máquina, que tenta detectar ameaças novas ou em evolução.
No entanto, à medida que o idioma muda continuamente – como os usuários que adotam o “algospeak” (por exemplo, “unalivos” para “mortos”) – esses sistemas podem facilmente perder postagens problemáticas, enfatizando o papel crítico da supervisão humana na moderação do conteúdo.
Pensamentos finais
Se você deseja explorar esses tipos de IA em maior profundidade, eu recomendo ler o livro de Narayanan e Kapoor, Óleo de cobra ai. Oferece informações valiosas, exemplos do mundo actual e uma discussão aprofundada das limitações de cada categoria de IA.
Da próxima vez que você mencionar a IA, faça um esforço para esclarecer o que você realmente quer dizer-se estiver se referindo a ChatGPT ou ferramentas semelhantes que produzem linguagem humana, diga “IA generativa” ou simplesmente “genai”. Entendo que essas distinções podem ser um desafio para se comunicar claramente a um público em geral, mas, como educadores, temos a responsabilidade de conhecer e usar terminologia precisa com nossos alunos. Lembre -se, nosso papel não é apenas ensinar com Ai; Também está ensinando sobre Ai.
Referências
Narayanan, A. & Kapoor, S. (2024). Óleo de cobra ai: o que a inteligência synthetic pode fazer, o que não pode e como dizer a diferença. Princeton College Press.
