07 Junho 2017

Inteligência Artificial como recurso educacional

Escrito por  Publicado em Blog

A revista inglesa, The Economist, de 25 de junho de 2016, em sua matéria de capa trata da evolução das técnicas de Inteligência Artificial (IA) sob o título “O que a história nos diz sobre o futuro da inteligência artificial - e como a sociedade deveria responder”. Seu trecho inicial, o artigo afirma:

“Depois de muitas falsas partidas, IA tem feito progressos extraordinários nos últimos anos, graças a uma técnica versátil chamado de ‘aprendizagem profunda’. Dadas suficiente informações, as grandes (ou ‘profundas’) redes neurais, modeladas pela arquitetura do cérebro humano, podem ser treinadas para fazer todo tipo de coisas. Elas potenciam o motor de busca do Google, a marcação automática de fotos do Facebook , o assistente de voz da Apple, as recomendações de compras da Amazon e os carros auto-dirigíveis da Tesla.”

 

 

COMO AS TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL PODERÃO POTENCIALIZAR A EDUCAÇÃO

 

Esse artigo me fez voltar a pensar nas técnicas de IA, assunto que, por anos, foi objeto de meu interesse direto, tanto acadêmico quando profissional. Agora, a questão que me chega é, se essas técnicas finalmente estão se revelando maduras para poderem ter impacto nas tecnologias educacionais, uma vez que os processos educacionais estão incorporando intensivamente recursos computacionais e de comunicação digital.

Certamente o potencial para adoção das técnicas de IA pela educação é grande. Algumas áreas de pesquisa de IA têm enorme capacidade de aprimorar os processos educacionais, seja pela possibilidade de tornar o aprendizado mais efetivo, seja pelo potencial de reduzir seus custos. Pode-se destacar três áreas de pesquisa em IA que já estão suficientemente maduras para vislumbrarmos sua adoção por plataformas online de aprendizagem:

  1. 1.Agentes inteligentes
  2. 2.Processamento de Linguagem Natural
  3. 3.Aprendizado por máquinas
  4. Contribuição de usuários em múltiplos idiomas 
  5. Capacidade do software de responder e-mail e de participar em conversas em salas de “chat”
  6. Capacidade do software de moderar discussões de maneira autônoma
  7. Avaliação rigorosa e profunda de estudantes em um curso.  
  8. 5.Personalização profunda (processos adaptativos) realizada por software.    
  9. Curadoria de conteúdo.   

Um agente inteligente é um sistema de software que entende seu ambiente e realiza ações que maximizam suas chances de sucesso, de acordo com metas previamente definidas. Esse recurso foi desenvolvido e tem sido aperfeiçoado para que um agente tivesse tarefas econômicas, como participar de leilões eletrônicos, ou realizar de maneira autônoma compras e vendas de produtos na Web, eventualmente negociando ou competindo com outros agentes. A oportunidade de aplicação dessa técnica seria grande se pudesse ser aplicada no acompanhamento e “entendimento” de conversas travadas em salas de chat, em fóruns, ou em mensagens de e-mails. Com essa capacidade, sua tarefa poderia ser, em primeiro lugar, sinalizar a ocorrência de textos de especial interesse e, melhor ainda, se fosse capaz de participar efetivamente dessas conversas. A dificuldade aqui é o “entendimento” do que está sendo dito e a formulação de respostas inteligentes. A tarefa do agente, assim entendida, irá depender de inúmeras outras técnicas, com as que são listadas a seguir.

Esse é uma área onde o progresso foi muito intenso nos dez últimos anos. O processamento de linguagem natural (humana) tem inúmeros capítulos que se desdobram na capacidade de tradução, de “entendimento” (dentro de uma certa estrutura semântica) e de geração de textos a partir dessa estrutura semântica. Essa técnica se apoia em dois pilares, o do aprendizado por máquina (ver abaixo) e de conteúdos em múltiplos idiomas provenientes de inúmeras fontes, como por exemplo dos discursos da ONU (traduzido para centenas de diferentes idiomas). Associado a isso existem as técnicas do reconhecimento e da geração de voz falada, na forma de conversão de voz para texto e de texto para voz. Outro recurso útil é o reconhecimento de textos em escrita cursiva e sua conversão para caracteres típicos de computadores.  Sabemos que alguns desses recursos já estão em uso em celulares e computadores, com qualidade já aceitáveis, mesmo para o idioma português.

É aqui onde as técnicas existentes encontram-se menos maduras. O aprendizado por máquinas, em particular o capítulo conhecido como “aprendizado profundo” (deep learning) se baseia em criar (ou adotar) uma representação do mundo onde opera, e transformar essa representação na medida em que opera. Esse mundo pode ser de apenas textos, ou textos e vozes, ou incorporando sons diversos ou mesmo imagens. Essa multiplicidade em formatos de informação aumenta mais a ainda a complexidade da tarefa. Essa representação do mundo e sua transformação pela experiência é o que se entende como aprendizado por máquina. A utilização de redes neurais (software que imita o funcionamento de estrutura de neurônios do sistema nervoso) é o recurso mais utilizado para isso. Porem a dificuldade está tanto na organização básica dessas redes neurais quanto na enorme dimensão dela para tratar aspectos da vida real. Nessa estruturação, é de vital importância a participação de outras áreas do conhecimento, como por exemplo a da neurociência, uma vez que é ela quem estuda e desenvolve os modelos de organização de sistemas nervosos.

As técnicas de IA permitiriam a solução por software de alguns grandes desafios atualmente enfrentados pelos que buscam utilizar soluções tecnológicas para a educação. Aqui um resumo de alguns desses desafios:

Imaginem uma sala de “chat”, ou um fórum de discussão, onde cada participante conseguisse ler todos os comentários e opiniões no idioma de sua escolha. Mais desafiador ainda é se os comentários e opiniões possam ser veiculados por fala, em diferentes idiomas e com tradução simultânea.

 Aqui o desafio é o entendimento do que está sendo dito dentro do domínio da discussão, associado ao aprendizado por software do tema sendo discutido. Dessa forma o agente de software pode encontrar respostas certas dentro do conteúdo sendo discutido.

Hoje em dia já existem soluções de mercado para moderação por software que identifica quando um participante desrespeita os termos de uso. De maneira correlata, já existem soluções para detectar plágio em conteúdos trazidos pelos usuários. Mas ainda essas soluções são imaturas. O aprofundamento das técnicas de IA poderá tornar essas aplicações práticas, poderosas e úteis.

É simples avaliar um estudante quando se conta quantas respostas certas ele anotou em um teste de múltipla escolha. O desejável seria uma avaliação mais completa em provas dissertativas, buscando avaliar não somente se a resposta dada pelo estudante é certa, mas seu real conhecimento do assunto pela assertividade de suas respostas, pelas considerações e ressalvas apresentadas – enfim, analisando como o estudante construiu suas respostas. Além disso, a análise da participação do estudante em salas de chat e fóruns de discussão poderá trazer muitos dados sobre seus conhecimentos, habilidades e atitudes.

Existem hoje algumas técnicas que permitem avaliar o conhecimento objetivo de um estudante sobre uma matéria, e recomendar conteúdos para cada estudante de forma a atender mais rapidamente suas particulares carências de aprendizado. O próximo passo seria o sistema poder aprender, com o comportamento do estudante em fóruns, salas de chat ou mesmo em respostas a exercícios e provas dissertativas. Esse aprendizado poderia modelar o perfil de cada estudante de forma a personalizar, em tempo real, o programa educacional de acordo com os diferentes perfis existentes. Isso iria muito além da ideia de estilos de aprendizagem, já conceituados há muitos anos.

Este é um grande desafio. A ideia seria permitir que a produção de conteúdo para cursos novos pudesse ser feita automaticamente e  diretamente a partir do grande repositório de conteúdos existentes na Web e em outros repositórios disponíveis. Outro passo de dificuldade maior seria a capacidade de preparar, também automaticamente, textos resumidos e sinopses de certos assuntos. Essa curadoria automática deveria ser capaz de estruturar um assunto e preencher essa estrutura com conteúdos encontrados na rede, de autores confiáveis e sem desrespeitar direitos autorais. Imaginem que se queira um curso sobre fotografia digital (é claro que precisaria fornecer muito mais detalhes que apenas seu título). O sistema prepararia a estrutura desse curso, com capítulos, textos, vídeos, exercícios, provas e trabalhos práticos. Totalmente automático. Apoiado apenas no conteúdo existente na rede e em bibliotecas particulares acessíveis pelo software de curadoria.

As técnicas que resolveriam esses problemas são hoje recursos que apenas grandes universidades e em empresas como a Google, a Apple, a IBM e o Facebook podem sonhar em desenvolver e aplicar.  Elas dispõem dos maiores especialistas nesses assuntos para orientar grandes equipes em como modelar as técnicas de IA e transformá-las em soluções práticas como as mencionadas pelo artigo do The Economist.

Atualmente ainda não existem ferramentas livremente acessíveis e de utilização viável que pudessem atender às necessidades mencionadas neste texto.  Porém, nessa direção, há um processo em curso que tem sido chamado de “Open AI Ecosystem”. Esse movimento parece ter começado com as grandes empresas como a IBM, a Microsoft e a Google tornando suas ferramentas de IA disponíveis como software aberto e livre, e convidando a comunidade de especialistas para participar de seu desenvolvimento.

Sabemos que a tecnologia digital evolui muito rapidamente. Quem sonharia, dez anos atrás, que você conseguiria ditar um texto em seu telefone celular e que seu ditado se transformasse num texto de e-mail? Provavelmente em alguns anos o que hoje parece inalcançável esteja à disposição de um conjunto maior de empresas e especialistas. Por outro lado, a real automação da educação é algo que dificilmente fará sentido. Mesmo no futuro previsível. Recente estudo da consultoria norte americana McKinsey mostra que a educação é o último dos setores com as condições propícias para automação.

 

Edson Fregni
Sócio fundador da Sciere Tecnologias Educacionais e professor da Escola Politécnica da USP

 

What history tells us about the future of artificial intelligence - and how society should respond
http://www.economist.com/node/21701119/print

Where machines could replace humans—and where they can’t (yet)
http://www.mckinsey.com/business-functions/business-technology/our-insights/where-machines-could-replace-humans-and-where-they-cant-yet?cid=other-eml-alt-mkq-mck-oth-1607

Deixe um comentário

Certifique-se de preencher os campos indicados com (*). Não é permitido código HTML.