A IA se tornou um termo familiar – todos parecem estar falando sobre isso, mas poucos entendem suas nuances. Alguns equivalem à IA unicamente a ferramentas porquê o ChatGPT, tratando -o porquê um novo fenômeno. Outros usam a IA porquê um termo universal sem honrar entre seus diferentes tipos e capacidades.
Embora minha intenção cá não seja aprofundada na história da IA, vale a pena mencionar que a IA tem pelo menos 80 anos. De indumento, o primeiro chatbot, Eliza, foi desenvolvido pelo pesquisador do MIT Joseph Weizenbaum em meados da dezena de 1960. Porquê Narayanan e Kapoor (2024) apontam, Eliza “não usou estágio de máquina, mas era um sistema fundamentado em regras” projetado para imitar conversas superficiais parafraseando a ingresso do usuário.
Embora isso pareça obrigatório em conferência com os chatbots avançados de hoje, foi inovador na quadra – semelhante a porquê Pesquisa profunda do Chatgpt nos impressiona hoje. O impacto de Eliza foi tão significativo que até levou ao que é espargido porquê ‘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 progresso). 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 sumoso.
No entanto, enquanto esses fatores contribuíram coletivamente para o progresso da IA, Narayanan e Kapoor (2024) nos lembram de evitar a emboscada generalidade de ver a IA porquê uma única tecnologia unificada. A IA, na veras, é um termo abrangente que abrange vários tipos distintos, notavelmente generativa IA, IA preditiva e moderação de teor 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 teor.
1. AI generativa
Vamos inaugurar com a IA generativa! Essas são ferramentas que, porquê o nome indica, ajudam a gerar (não fabricar) teor porquê texto e imagens. Essas ferramentas incluem modelos populares de grandes idiomas, porquê: ChatGPT, Claude, Copilot, Perplexity AI e Gêmeos.
Essas ferramentas são interativas e respondem em tempo real com base no seu prompt. Às vezes, sua saída pode parecer assustadora, mas é construída a partir de padrões que aprenderam com vastos conjuntos de dados.
Eu propositadamente enfatizo “gerar” em vez de “fabricar” 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 porquê fazer previsões sobre o horizonte para informar as decisões atuais.
Por exemplo, a IA preditiva pode tentar responder a perguntas porquê: “Quantos crimes ocorrerão amanhã nesta espaço?” Ou “Quão muito esse candidato se apresentará se contratado para nascente trabalho?” No entanto, eles também alertam: “É difícil prever o horizonte, e a IA não muda esse indumento”.
Os autores também enfatizam que, embora a IA preditiva possa identificar padrões estatísticos amplos, ela é frequentemente retratada porquê muito mais precisa e confiável do que realmente é, mormente quando toma decisões significativas que afetam a vida e as carreiras das pessoas.
3. Moderação do teor
O terceiro tipo, a moderação de teor IA, é amplamente utilizado nas mídias sociais para detectar teor problemático. Narayanan e Kapoor (2024) destacam dois métodos: correspondência de sentimento do dedo, que sinaliza teor nocivo espargido (por exemplo, imagens de agravo infantil) e estágio de máquina, que tenta detectar ameaças novas ou em evolução.
No entanto, à medida que o linguagem muda continuamente – porquê 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 teor.
Pensamentos finais
Se você deseja explorar esses tipos de IA em maior profundidade, eu recomendo ler o livro de Narayanan e Kapoor, Óleo de ofídio ai. Oferece informações valiosas, exemplos do mundo real 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 duelo para se legar claramente a um público em universal, mas porquê educadores, temos a responsabilidade de saber e usar terminologia precisa com nossos alunos. Lembre -se, nosso papel não é unicamente ensinar com Ai; Também está ensinando sobre Ai.
Referências
Narayanan, A. & Kapoor, S. (2024). Óleo de ofídio ai: o que a lucidez sintético pode fazer, o que não pode e porquê expor a diferença. Princeton University Press.
