1. O que é Inteligência Artificial (IA) e como funciona [1]

thumbnail A Inteligência Artificial permite que máquinas realizem funções cognitivas semelhantes às humanas, utilizando dados como matéria-prima para aprender e executar tarefas específicas.

1.1. Definição e funcionamento da IA [2]

  1. A Inteligência Artificial (IA) é a capacidade de uma máquina realizar funções cognitivas semelhantes às das pessoas, como cálculos matemáticos e lógica linguística [3].
    1. Para que a IA funcione, são necessários dados, que são a matéria-prima, assim como o arroz é para uma paella [4].
    2. Com esses dados, a máquina é treinada para funções específicas, como robotizar processos na indústria automobilística ou prever o consumo de produtos [7].
    3. A IA também pode automatizar processos, como resumir informações, fazer previsões e personalizar experiências em plataformas de entretenimento [9].
      1. Plataformas de entretenimento oferecem um milhão de dólares para quem melhorar seus algoritmos de recomendação [11].

1.2. Tipos de Inteligência Artificial [13]

  1. Existem dois tipos principais de IA, segundo Raselán [13]:
    1. IA pessoa-máquina: sistemas que agem e pensam como pessoas [14].
    2. IA máquina-máquina: sistemas onde máquinas se comunicam entre si, como sete computadores a bordo de um carro autônomo que analisam informações e tomam decisões [14].
  2. A IA é classificada de acordo com a tarefa que realiza [18]:
    1. IA estreita (Narrow AI): realiza apenas uma tarefa específica [20].
      1. Por exemplo, uma IA treinada para jogar xadrez não saberá jogar outros jogos ou ler faturas [21].
    2. IA geral (AGI - Artificial General Intelligence): processa informações de forma multimodal, como visto no filme "Her", onde um personagem se apaixona por uma IA com conversas naturais e espontâneas [26].
    3. Superinteligência: é o que aparece em séries e notícias, com robôs e assassinatos, mas a palestrante afirma que "nunca vai superar a estupidez humana" [30].
  3. Atualmente, a IA está no estágio de IA estreita, pois, embora seja incrivelmente inteligente em tarefas específicas, é "espantosamente tola" e não atinge o nível de cognição humana [32].
    1. As máquinas não possuem a capacidade associativa, a compreensão de ironia, metáforas ou o conhecimento de mundo que os humanos adquirem gradualmente [33].

1.3. Áreas da Inteligência Artificial e o papel da Linguística [34]

  1. A IA está presente silenciosamente em nosso dia a dia, em aplicativos de relacionamento, geolocalização, redes sociais e e-mails [36].
  2. Dentro da IA, existem diferentes áreas [38]:
    1. Machine Learning: técnicas para treinar máquinas [39].
    2. Processamento de Linguagem Natural (PLN): usado em tradutores automáticos e assistentes de voz [40].
    3. Computer Vision: permite que máquinas extraiam informações de imagens, como em processos de cadastro bancário onde fotos de documentos são analisadas [43].
    4. Robótica: envolve robôs que assistem pessoas com deficiência ou atuam como assistentes virtuais [47].
  3. O Processamento de Linguagem Natural é a área onde as máquinas são treinadas para entender o complexo sistema de comunicação humana [49].

1.4. Desafios no Processamento de Linguagem Natural [51]

  1. O principal desafio é que as máquinas "falam em tecnês", ou seja, em zeros e uns, e só entendem texto [51].
    1. A voz é convertida em texto por softwares, e informações não verbais, como gestos, tom de voz e silêncio, são perdidas ou convertidas em zeros e uns, o que remove muita informação [56].
  2. Para que as máquinas entendam a linguagem, são usadas ferramentas complexas, como redes neurais, para vetorizar a informação [62].
    1. Isso é semelhante a como os alunos leem e sublinham textos para extrair elementos importantes [63].
  3. O treinamento da linguagem deve ser muito supervisionado, especialmente em áreas como saúde ou videogames, onde erros podem ter grande impacto econômico e reputacional [65].
    1. A acurácia (porcentagem de acertos) é crucial, especialmente na detecção de fraudes, onde não se pode errar [68].
  4. A inteligência humana se diferencia da IA pela semântica e pela capacidade de associação rápida de conceitos com o conhecimento de mundo [71].
    1. Máquinas são "papagaios", extraem padrões, mas não têm a genialidade humana para criar redes lexicais e semânticas ou adquirir novas palavras [77].
  5. O Processamento de Linguagem Natural é a área da IA com maior potencial, e os linguistas são essenciais para ajudar as máquinas a entender o complexo sistema de comunicação humana [79].

1.5. Sistemas Especialistas e Ontologias [80]

  1. Após estruturar os dados, são utilizados sistemas especialistas, como as ontologias [80].
  2. As ontologias são categorias que classificam o mundo de forma conceitual [82].
    1. O dicionário contém palavras, mas sem relação entre si [84].
    2. Taxonomias são etiquetas que categorizam, mas também sem relação entre as palavras [85].
    3. Tesauros já estabelecem relações léxico-semânticas, como sinônimos e antônimos [86].
    4. Ontologias são tesauros inteligentes que permitem à máquina processar informações mais rapidamente, entendendo as capacidades e atributos de um usuário [87].
  3. O Processamento de Linguagem Natural serve para desambiguar a linguagem, o que é um grande desafio, pois até mesmo entre humanos a compreensão é complexa [90].

2. Impacto da IA na Educação, Criatividade e Desinformação [92]

thumbnail

A IA está transformando a educação, aprimorando a criatividade humana e levantando preocupações sobre a desinformação, exigindo uma abordagem crítica e ética.

2.1. IA na Educação [92]

  1. A IA gera incerteza e angústia na educação, mas é uma tecnologia fascinante que exige reflexão, assim como a invenção da imprensa ou da internet [96].
    1. Professores universitários expressam frustração, mas a IA "está aqui, vai ser utilizada e está sendo utilizada" [99].
  2. É necessário mudar a forma de transmitir e adquirir conhecimento, pois os alunos já buscam informações nas redes sociais [102].
    1. A IA permite que o conteúdo seja o objeto de estudo, e os professores devem guiar os alunos na descoberta, gerando curiosidade [112].
  3. A comunidade educativa precisa se esforçar para conhecer e integrar as ferramentas de IA no dia a dia [114].
    1. Ferramentas de IA podem ser usadas para gerar conteúdo, permitindo que os alunos identifiquem o que foi feito por IA e o que não foi [116].
    2. Professores podem usar a IA para planejar aulas de forma diferente e agilizar processos, como pedir à máquina para destacar substantivos e adjetivos em um texto [119].

2.2. IA e Criatividade [121]

  1. As máquinas não são tão criativas quanto os seres humanos, pois se alimentam do que já foi criado [124].
    1. A palestrante duvida que uma IA seria capaz de gerar algo como a restauração do "Ecce Homo" por Cecilia em Borja, que envolve mais do que apenas criatividade [126].
  2. A criatividade, segundo Gardner, é encontrar soluções engenhosas e inovadoras para algo que ainda não existe, baseando-se no conhecimento prévio [129].
    1. A criatividade humana envolve conhecimento de mundo, experiência pessoal, interação social e, crucialmente, sensibilidade e emoção, que as máquinas não possuem [132].
    2. Máquinas operam com zeros e uns, não podem ter emoção, empatia ou a capacidade de sentir arrepios com música ou poesia [133].
  3. Embora as máquinas possam gerar imagens, áudios e músicas que parecem criativos, isso depende da capacidade do usuário [135].
    1. A criatividade é inerentemente humana, e as ferramentas de IA servem para trabalhar de forma mais eficiente, como "duplas criativas" [139].
    2. A pessoa que introduz a instrução (o "prompt") é quem tem a criatividade, e a máquina a gera com base nesse input [142].

2.3. IA e Desinformação [145]

  1. Um dos grandes desafios da IA é a desinformação, pois ela pode manipular o sistema de crenças das pessoas [145].
    1. A propaganda atual é sutil e direcionada, gerando notícias personalizadas para indivíduos específicos, como Cristina Aranda, com base em seus dados e opiniões [147].
    2. O caso da Cambridge Analytica, que vendeu e comprou dados do Meta para influenciar o Brexit, é um exemplo de como a desinformação pode impactar democracias [150].
  2. A desinformação é uma grande preocupação de governos e da Comissão Europeia, pois a informação produzida não é controlada e nem todos têm acesso a ela [154].
  3. É fundamental desenvolver o espírito crítico nas escolas e em todos os âmbitos educativos [156].
    1. Isso implica questionar a origem e a veracidade das informações recebidas [157].
    2. A verificação de fontes é uma tarefa puramente humana, que exige reflexão e questionamento [158].

3. Habilidades Humanas Essenciais e Desafios Éticos da IA [159]

thumbnail

A IA exige habilidades humanas como ética, empatia e diversidade para garantir um desenvolvimento e uso responsáveis, superando estereótipos e promovendo a cooperação.

3.1. Habilidades Humanas para Aproveitar a IA [159]

  1. A IA é fascinante porque exige uma compreensão profunda do ser humano [162].
    1. Isso inclui entender a complexidade da linguagem e abordar a privacidade dos dados com os quais as máquinas são treinadas [163].
    2. Também é crucial considerar a desinformação e a ética no uso da IA [164].
  2. A IA é uma ferramenta neutra; "não é má, é muito boa ou má dependendo do uso" [165].
    1. A palestrante compara a IA a um garfo: "um garfo muito útil, mas posso espetá-lo no olho" [166].

3.2. A Importância da Ética e da Regulação na IA [167]

  1. A ética é essencial, mas não existem decálogos para treinar máquinas [167].
    1. A ferramenta Moral Machine do MIT simula cenários para treinar carros autônomos, onde as decisões são baseadas no sistema de crenças dos programadores [170].
    2. Algumas empresas de carros autônomos programam o veículo para salvar o proprietário em caso de acidente [174].
  2. A ética e a regulação devem ser incorporadas nas primeiras fases do design da IA [179].
    1. Questões como o tom de voz dos assistentes virtuais (masculino ou feminino) e os estereótipos associados precisam ser consideradas [182].
    2. O livro La personalidad de los asistentes virtuales aborda muitas dessas questões que exigem perfis de humanidades [186].

3.3. A Necessidade de Perfis de Humanidades e Diversidade [187]

  1. O rápido avanço da IA exige que as pessoas sejam autodidatas, pois a formação tradicional é compartimentada (matemática, engenharia, filologia) [187].
    1. É preciso gerar uma convivência de conhecimentos nos planos de estudo [191].
  2. Todos os perfis de humanidades são necessários [193].
    1. François Chollet, especialista do Google, afirmou em 2017 que, antes, se preocupava com a falta de conhecimento em matemática, mas agora o que realmente importa é que as pessoas não saibam de humanidades, e vice-versa [194].
  3. É preciso humildade e hackear estereótipos sobre o conhecimento [196].
    1. José Antonio Marina, em La inteligencia fracasada, discute como estereótipos levam os mais inteligentes a escolher engenharia, enquanto filologia é menos valorizada [197].
  4. A cooperação entre diferentes perfis e a formação de equipes diversas são princípios da IA, visando a beneficência (fazer o bem e evitar o mal) e o uso eficiente [199].

4. Mulheres na Tecnologia e Superando Barreiras [202]

thumbnail

A história da tecnologia é rica em contribuições femininas, mas estereótipos e a falta de reconhecimento ainda são barreiras que precisam ser superadas através da educação e da promoção da diversidade.

4.1. Mulheres Pioneiras na Tecnologia [202]

  1. A história da tecnologia tem muitas mulheres importantes, embora os nomes mais famosos sejam geralmente masculinos [203].
    1. Ada Byron (Ada Lovelace): a primeira engenheira informática, desenvolveu o primeiro algoritmo e linguagem de programação no século XIX, prevendo que as máquinas gerariam música e imagens [205].
    2. Hedy Lamarr: inventora do WiFi nos anos 40, atriz e engenheira, que colaborou com um músico para criar o sistema de comunicação e doou a patente ao governo dos EUA, sem reconhecimento inicial [208].
    3. Gladys West: uma mulher afro-americana que desenvolveu o GPS [213].
    4. Ángela Ruiz: uma professora de León que criou uma enciclopédia automática e a patenteou, dando nome aos prêmios nacionais de informática na Espanha [214].
    5. Elías Sánchez: catedrática de oftalmologia que desenvolveu e patenteou o reconhecimento de córnea [216].
    6. Elena García Armada: criou um exoesqueleto que permite a crianças em cadeiras de rodas andar [217].
  2. A história é predominantemente escrita por homens brancos, judeus, cristãos, heterossexuais e sem deficiência, resultando em apenas 8% de mulheres nos livros didáticos e 11% de editoras na Wikipédia [218].
    1. É mais difícil introduzir dados de mulheres referentes na Wikipédia do que de um jogador de futebol de terceira divisão [221].
    2. É necessário "hackear" esses estereótipos e dar o reconhecimento merecido a essas mulheres [223].

4.2. Barreiras e Superação para Mulheres na Tecnologia [225]

  1. As principais barreiras começam na educação e nos estímulos que as meninas recebem [227].
    1. Estudos mostram que meninas, antes dos seis anos, querem ser presidentes, mas depois dessa idade, evitam se destacar [227].
    2. Um estudo com bebês vestidos de rosa e azul revela que a interação com o bebê de rosa é mais suave, enquanto com o de azul é mais encorajadora ("campeão") [230].
  2. É preciso "hackear" estereótipos de gênero [233].
    1. Chamar uma menina de "mandona" em vez de "líder" é um exemplo de como os estereótipos afetam a percepção [235].
    2. Meninos devem ser encorajados a expressar emoções, chorar e gerenciar a frustração [237].
  3. A sociedade impõe expectativas às mulheres em relação a tarefas de cuidado e comportamento ("educaditas") [240].
    1. Mulheres assertivas ou com liderança são frequentemente vistas como "homens" ou questionadas sobre sua capacidade em cargos de responsabilidade [244].
    2. Estímulos negativos contínuos minam a autoconfiança das mulheres para liderar equipes [246].
  4. A solução começa na educação e em casa, com valores que se refletem nas empresas [247].
    1. A música "forte, valente, inteligente" (sem gênero) de escolas do Alto Pirineu de Huesca é um exemplo de como a educação pode mudar a percepção [247].
    2. É necessário que os homens não vejam a diversidade como uma perda de poder e que os planos de diversidade sejam implementados de forma autêntica, com igualdade de oportunidades e licenças parentais [251].
  5. A formação em empresas pode conscientizar sobre essas questões [255].
    1. É fundamental trabalhar a autoestima das mulheres ("você é inteligente") e permitir que os homens expressem suas emoções [258].
    2. A sociedade deve ser construída para ser "socialmente iguais, humanamente diferentes e totalmente livres" [265].

5. Desafios e Oportunidades da IA: Vieses, Regulação e Impacto Positivo [266]

thumbnail

A IA enfrenta desafios como vieses nos dados e a necessidade de regulação, mas oferece grandes oportunidades para resolver problemas globais e criar um futuro positivo, desde que seja desenvolvida e utilizada com ética e diversidade.

5.1. Vieses nos Dados da IA [266]

  1. A IA se alimenta de dados, e o problema é que esses dados podem estar enviesados [266].
    1. Muitas vezes, a IA é treinada com informações da internet que são machistas, homofóbicas, racistas, etc., resultando em resultados enviesados [270].
    2. Por exemplo, tradutores de inglês para espanhol podem associar profissões como "juiz" ou "engenheiro" a homens, e "limpador" ou "enfermeiro" a mulheres [273].
    3. Um estudo mostrou que currículos femininos recebiam propostas de empregos menos remunerados e qualificados do que currículos masculinos idênticos [275].
  2. A máquina não tem ética; "se você introduz lixo, ela tira lixo" [278].
    1. Se os dados são limpos e de qualidade, os resultados também serão [280].
  3. A regulação da IA é mais fácil de lançar um produto de IA no mercado do que um brinquedo [281].
    1. As decisões no treinamento da máquina são tomadas com base no sistema de crenças e intuição da equipe de desenvolvimento [283].
    2. A falta de diversidade nas equipes de desenvolvimento (ausência de pessoas de cor, asiáticas, muçulmanas) leva a vieses [285].
      1. O GPT-3 foi denunciado por gerar conteúdo negativo sobre muçulmanos [286].
      2. Um sistema de reconhecimento facial falhou em reconhecer uma ativista negra, mas a reconheceu com uma máscara branca [288].
  4. Para "hackear" os vieses, é preciso questionar os dados utilizados no início do desenvolvimento do produto [292].
    1. Existem soluções de código aberto que analisam dados e indicam se estão enviesados [293].

5.2. Explicabilidade da IA e Diversidade no Desenvolvimento [294]

  1. A explicabilidade da IA é crucial: as empresas e instituições públicas que usam algoritmos para tomar decisões que impactam pessoas devem explicar as variáveis consideradas [294].
    1. No caso dos currículos, as variáveis de identidade poderiam ser anonimizadas para evitar vieses de gênero [298].
  2. A diversidade é novamente necessária [300].
    1. O Epic Model Canvas, desenvolvido por Tim Berners-Lee, é uma ferramenta que permite a diferentes perfis (legal, design, marketing) intervir na criação do produto [301].
    2. Isso ajuda a minimizar vieses e evitar crises de reputação, garantindo que a IA seja desenvolvida de forma cooperativa [306].

5.3. IA para Desafios Globais e o Futuro do Trabalho [309]

  1. A IA pode ajudar a solucionar grandes desafios da humanidade, como as mudanças climáticas e a erradicação da pobreza [310].
    1. No entanto, os sistemas de IA exigem muita computação e energia, o que deve ser considerado no design [312].
  2. A IA tem um alto impacto positivo em objetivos de desenvolvimento sustentável [315].
    1. Em campos de refugiados, a IA pode ajudar a distribuir alimentos de forma equitativa, usando visão computacional [317].
    2. Na luta contra as mudanças climáticas, a plataforma "AI for Good" da ONU lança desafios, como prever pragas em colheitas usando sistemas de alerta precoce (SAT) e sensores de Internet das Coisas (IoT) [320].
    3. Uma ferramenta canadense cria cenários caóticos do impacto climático em casas e carros para conscientizar sobre a importância de cuidar do clima [330].
  3. A IA é uma ferramenta e não vai tirar empregos; quem o fará é "alguém que saiba utilizar essa inteligência artificial" [336].
    1. Alguns empregos desaparecerão, como aconteceu com a eletricidade na indústria, mas novos serão criados [340].
    2. O Fundo Monetário Internacional prevê a destruição de 87 milhões de empregos, mas a criação de 193 milhões, muitos dos quais ainda desconhecidos, como o "engenheiro de prompt" [344].
    3. Pessoas com boas habilidades de descrição linguística para dar instruções às máquinas terão bons salários [345].

5.4. Limitações da IA e o Valor Humano [348]

  1. As ferramentas de IA atuais são limitadas: atendem a uma coisa específica e não possuem emoção ou empatia [348].
    1. Um robô pode ser treinado para dar respostas empáticas, mas isso não significa que ele realmente sinta empatia [349].
  2. Um professor de Stanford, Turn, sugere que a IA seja incluída no campo das humanidades, pois implica reflexão e questionamento sobre nós mesmos e o ambiente [353].
    1. As máquinas não têm essa parte cognitiva, emocional ou sensível [355].
  3. O valor humano reside na relação pessoal, empatia e emoções, que as máquinas não possuem [357].
    1. Um exemplo é o sobrinho da palestrante que prefere ser atendido por uma pessoa em vez de um totem automático, valorizando a interação humana [357].
  4. Não devemos nos deixar levar pelo medo da IA, pois é uma ferramenta [359].
    1. A IA pode ter um impacto positivo, como o projeto de Ana Freire, que treinou uma máquina para detectar suicidas no Twitter e enviar mensagens de apoio, aumentando em 60% as chamadas para o telefone da esperança [362].
  5. O impacto positivo da IA nasce das pessoas, que têm a capacidade de gerar mudanças e usar a tecnologia de forma maravilhosa [369].
  6. A diversidade é enriquecedora para criar coisas de alto impacto [371].
  7. A tecnologia de IA ainda é "muito tola", e os humanos são "muito espertos" [372].
    1. Como disse Gloria Fuertes, "estamos as pessoas condenadas a ser inteligentes" [373].