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 in Linkedin
12
 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 [Link]
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.