9 Ferramentas essenciais de IA que toda criança precisa conhecer

Resumo

A difusão da IA na sociedade torna o momento ideal para considerar o que cidadãos digitais educados do século 21 devem saber sobre esse tema. Em maio de 2018, a Associação para o Avanço da Inteligência Artificial (AAAI) e a Computer Science Teachers Association (CSTA) formaram um grupo de trabalho conjunto para desenvolver diretrizes nacionais para o ensino de IA a estudantes de K-12, abordando assim “o que toda criança deve saber sobre IA?”. Além disso, vamos explorar as 9 ferramentas essenciais de IA que toda criança precisa conhecer para aprender sobre IA.

Inspiradas nos padrões nacionais da CSTA para educação em computação no K-12, as diretrizes de IA para K-12 definirão o que os estudantes em cada faixa etária devem saber sobre inteligência artificial, aprendizado de máquina e robótica. O grupo de trabalho também está criando um diretório de recursos online onde professores podem encontrar vídeos, demonstrações, softwares e descrições de atividades relacionadas à IA para incorporarem em seus planos de aula.

Este artigo convida a comunidade de pesquisa em IA a refletir sobre as grandes ideias em IA que todo aluno de K-12 deve conhecer, e como devemos nos comunicar com o público sobre os avanços da IA e seu impacto futuro na sociedade. É um chamado à ação para que mais pesquisadores em IA se tornem educadores em IA, criando recursos que ajudem professores e alunos a entender nosso trabalho.

Introdução

Como as 9 ferramentas essenciais de IA estão transformando o aprendizado das crianças e preparando-as para o futuro digital

Os avanços em IA têm levado tanto efeitos benéficos quanto consequências negativas não intencionais, que não passaram despercebidas em nossas publicações de pesquisa ou na mídia mainstream.

Por exemplo: o aprendizado de máquina melhorou significativamente o reconhecimento de padrões para diagnósticos médicos, mas o viés em um conjunto de treinamento pode levar a problemas de equidade na avaliação de solicitações de empréstimo ou a problemas com o reconhecimento facial de pessoas não caucasianas.

Essas histórias alimentam a imaginação e os medos do público em geral. Apesar do aumento na frequência das manchetes sobre IA na mídia, ainda há uma persistente falta de compreensão sobre IA (West e Allen 2018).

Devemos considerar o papel que desempenhamos como pesquisadores e educadores em IA para ajudar as pessoas a entenderem a ciência por trás de nossas pesquisas, seus limites e seus impactos potenciais na sociedade.

No nível de pós-graduação, os cursos têm acompanhado os avanços no campo. Na educação de graduação, buscamos fornecer maneiras divertidas e inspiradoras de engajar os estudantes em vários aspectos da IA, como robótica, modelagem e simulação, jogos e aprendizado de máquina (Dodds, Hirsh e Wagstaff 2018).

Além disso, buscamos escrever livros didáticos e projetar ferramentas, tarefas-modelo de IA interessantes e currículos que ajudem os estudantes a aprender e aplicar os fundamentos da IA. Mais recentemente, empresas têm disponibilizado publicamente APIs de IA, como o IBM Watson, Google Web Speech, DialogFlow e Azure Cognitive Services, para educadores e estudantes.

Nossa esperança para os graduandos é prepará-los para um futuro brilhante na indústria da computação, ou incentivá-los a continuar seus estudos na pós-graduação. Mas é igualmente importante pensar sobre como a educação em IA deve ser no ensino K-12, não apenas para garantir uma população mais informada que compreenda as tecnologias com as quais interagem todos os dias, mas também para inspirar a próxima geração de pesquisadores e desenvolvedores de software em IA.

Para muitos nessa geração, a IA será uma força mágica frequentemente ignorada, que alimentará suas vidas da mesma forma que a eletricidade, o motor de combustão interna e a tecnologia de rede alimentam as nossas.

Contexto

O contexto por trás da IA na educação: por que as crianças precisam conhecer essas 9 ferramentas essenciais

Nos últimos cinco anos, houve uma rápida expansão da educação em ciência da computação nos currículos formais de K-12 para todos os estudantes, tanto nacional quanto internacionalmente.

Nos Estados Unidos, esse trabalho foi realizado pela National Science Foundation, Code.org, Google, Microsoft, a Computer Science Teachers Association (CSTA), a Association for Computing Machinery’s (ACM) Special Interest Group for Computer Science Education (SIGCSE), CS for All, e outras organizações que visam garantir que todos os estudantes aprendam ciência da computação e que ela seja ensinada regularmente ao longo dos anos K-12.

A padronização do que os alunos de K-12 devem saber sobre ciência da computação foi apoiada pelo desenvolvimento e implementação do currículo AP Computer Science Principles (College Board 2017), do CS K-12 Framework (2016), dos padrões da CSTA para a educação em computação K-12 (CSTA 2017), e de documentos similares.

Muitos softwares, recursos e currículos foram desenvolvidos para tornar a computação acessível aos alunos mais jovens. Essas ferramentas permitem que os alunos se concentrem em aprender conceitos básicos de programação enquanto projetam artefatos pessoalmente significativos. Esse processo facilita a expressão pessoal, a criatividade e o aprendizado, permitindo que os alunos se tornem produtores de tecnologia, e não apenas consumidores (Resnick, Bruckman, e Martin 1996).

Ao mesmo tempo em que o investimento em ciência da computação para K-12 tem aumentado, a IA tem tido um impacto crescente na sociedade, tanto nos EUA quanto em outros lugares. Internacionalmente, a China determinou que todos os estudantes do ensino médio aprendam sobre inteligência artificial (Jing 2018).

No entanto, apesar do aumento da atenção da mídia e da difusão das tecnologias de IA em nossas vidas cotidianas, estamos apenas começando a pensar em como introduzir a IA para os alunos de K-12. Nos novos padrões de computação K-12 da CSTA, há apenas duas sentenças sobre IA. Ambos os padrões aparecem na faixa etária de 11-12 anos (CSTA 2017). E, ao contrário do assunto geral da computação, quando se trata de IA, há pouca orientação para o ensino no nível K-12.

Em resposta a essas necessidades, a Association for the Advancement of Artificial Intelligence (AAAI) e a Computer Science Teachers Association (CSTA) anunciaram uma iniciativa conjunta em maio de 2018 para desenvolver diretrizes nacionais para ensinar IA a estudantes de K-12 (AAAI 2018).

Inspirado nos padrões nacionais da CSTA para a educação em computação K-12 (CSTA 2017), o Grupo de Trabalho AI for K-12 definirá o que os estudantes devem saber e ser capazes de fazer em relação à inteligência artificial.

Outras organizações, incluindo AI4All e a International Society for Technology in Education (ISTE), também reconheceram essas necessidades e estão começando a abordá-las (ISTE 2018; Baloch et al. 2018). Essas iniciativas estão lançando as bases para a educação em IA no K-12, mas há muito mais que a comunidade precisa fazer para apoiar esse trabalho.

Para estruturar as diretrizes que estamos desenvolvendo, definimos o que acreditamos serem as “grandes ideias” (Wiggins e McTighe 2005) em IA que todos os estudantes devem conhecer. Antes de apresentar essas ideias, discutimos o ambiente em que os alunos as aprenderão.

Ferramentas e Recursos para IA no K-12

As principais ferramentas e recursos para ensinar IA no K-12: prepare seus alunos para o futuro da tecnologia

Para que os estudantes e professores do K-12 compreendam as possibilidades da IA, eles precisam ter a oportunidade de experimentar a IA. Recentemente, houve uma explosão de produtos e ferramentas que tornam a IA acessível para alunos mais jovens.

A maioria dos celulares hoje inclui um assistente de voz (Google Assistente, Siri da Apple, Cortana da Microsoft), e existem diversos aparelhos domésticos com funcionalidades semelhantes (Google Home, Amazon Echo, Apple HomePod). A visão computacional também está presente “nos bastidores” de alguns produtos de consumo, como filtros do Snapchat ou o popular aplicativo Osmo, que usa visão para reconhecer peças de jogos e desenhos infantis. Essas ferramentas ajudam a familiarizar as crianças com as tecnologias de IA.

Um passo além, uma variedade de novas ferramentas, software e hardware estam fornecendo componentes de IA para jovens programadores, que podem incorporá-los em suas próprias criações. Por exemplo:

• Cognimates oferece um conjunto de extensões do Scratch que dão acesso a APIs de geração de fala, reconhecimento de fala, categorização de texto, reconhecimento de objetos e controle de robôs.
• eCraft2Learn oferece extensões semelhantes para a linguagem Snap!, uma variante do Scratch.
• Machine Learning for Kids é outro site que fornece demonstrações online onde os alunos treinam classificadores usando aplicativos da web ou extensões do Scratch.
• O robô Cozmo da Anki é uma plataforma de manipulação móvel barata com visão computacional integrada, incluindo detecção de objetos e marcadores personalizados, reconhecimento facial, manipulação de objetos, planejamento de rotas e geração de fala.
• Calypso for Cozmo é uma linguagem de programação visual baseada em regras para o Cozmo, que adiciona reconhecimento de fala, navegação baseada em marcos e suporte para programação de máquinas de estado.
• O Google lançou uma série de “experimentos de IA” online, como o Teachable Machine e o QuickDraw.
• Os kits de visão e voz AIY da Google oferecem reconhecimento de imagem e fala a preços acessíveis.
• TensorFlow Playground é uma ferramenta gráfica interativa que permite que estudantes do ensino médio explorem redes neurais e o aprendizado de retropropagação.

Essas ferramentas estão ajudando a abrir o caminho para a educação em IA desde o ensino fundamental.

Quais são as “Grandes Ideias” em IA?

As Grandes Ideias da IA: Conceitos-chave que toda criança deve aprender para dominar a inteligência artificial

Estamos nos estágios iniciais do desenvolvimento de diretrizes para IA no K-12 por meio de uma colaboração entre especialistas em IA e professores do K-12. As diretrizes irão detalhar as “Grandes Ideias” da IA ao longo de cinco temas principais, organizados por quatro faixas etárias: K-2, 3-5, 6-8 e 9-12. O rascunho atual das grandes ideias está listado abaixo.

Reconhecemos que outros podem estruturar o campo de forma diferente. Alguns podem preferir uma divisão mais tradicional em áreas de aplicação (fala, visão, planejamento, jogos, linguagem natural, robótica, etc.), mas acreditamos que a formulação atual atende melhor às necessidades de estudantes e professores do K-12. Aguardamos feedback da comunidade de IA como parte desta iniciativa.

1#: Computadores percebem o mundo usando sensores.

Percepção é o processo de extrair informações de sinais sensoriais. A capacidade dos computadores de “ver” e “ouvir” de maneira suficientemente útil é uma das conquistas mais significativas da IA. Os alunos devem entender que a percepção de máquinas de linguagem falada ou imagens visuais requer um vasto conhecimento, como saber não apenas os sons da linguagem, mas também seu vocabulário, gramática e padrões de uso. Sem esse conhecimento, o reconhecimento de fala por máquina não pode atingir a precisão do nível humano.

Estudantes do K-2 devem saber como interagir com agentes baseados em voz e ter alguma experiência com visão de máquina (por exemplo, reconhecimento facial ou de objetos usando uma webcam e um aplicativo da web). Nos anos 3-5, os estudantes devem ser capazes de modificar aplicativos simples baseados em percepção escritos em estruturas de programação infantil que incluam primitivas de IA.

Nos anos 6-8, os estudantes devem ser capazes de criar aplicativos mais complexos por conta própria. No ensino médio, os estudantes devem ser capazes de identificar e demonstrar as limitações dos sistemas de percepção de máquinas e usar ferramentas de aprendizado de máquina para treinar classificadores perceptivos.

2#: Agentes mantêm modelos/representações do mundo e os usam para raciocinar.

Sistemas de IA são frequentemente descritos como agentes inteligentes que percebem e representam o mundo, deliberam e produzem saídas que afetam o mundo. A representação é um dos problemas fundamentais da inteligência, tanto natural quanto artificial.

Os estudantes devem entender o conceito de uma representação, como um mapa representa um território, ou um diagrama representa o estado de um jogo de tabuleiro. Eles também devem entender que os computadores constroem representações usando dados, e essas representações podem ser manipuladas por algoritmos de raciocínio.

No K-2, espera-se que os estudantes examinem representações criadas por agentes inteligentes e criem representações simples usando papel e lápis.

Nos anos 3-5, eles devem ser capazes de trabalhar com representações em programas de computador simples. Nos anos 6-8, devem ser capazes de examinar representações como o gráfico de conhecimento do Google. No ensino médio, devem ser capazes de usar estruturas de dados para programar algoritmos de inferência simples.

3#: Computadores podem aprender com dados.

Algoritmos de aprendizado de máquina permitem que computadores criem suas próprias representações usando dados de treinamento fornecidos por pessoas ou adquiridos pela máquina.

Muitas áreas da IA progrediram significativamente graças à tecnologia de aprendizado de máquina, mas, para que a abordagem tenha sucesso, grandes quantidades de dados são necessárias. Os estudantes devem entender que o aprendizado de máquina é um tipo de inferência estatística que encontra padrões nos dados.

No K-2, eles podem experimentar isso fazendo um computador reconhecer seu rosto ou gestos simples. Nos anos 3-5, eles devem ser capazes de modificar aplicativos de reconhecimento de objetos. No ensino médio, devem ser capazes de treinar uma rede usando uma ferramenta interativa como o Tensorflow Playground.

4#: Fazer agentes interagirem confortavelmente com humanos é um grande desafio para os desenvolvedores de IA.

Entender as pessoas é um dos problemas mais difíceis enfrentados por agentes inteligentes. Isso inclui tarefas como conversar em linguagem natural, reconhecer estados emocionais e inferir intenções a partir do comportamento observado.

Estudantes devem entender que, embora os computadores possam entender a linguagem natural em um nível limitado, atualmente eles carecem das capacidades de raciocínio e conversação geral.

Nos primeiros anos, os estudantes devem ser capazes de descrever os tipos de pedidos que um assistente inteligente entende. No ensino médio, eles devem ser capazes de construir gramáticas livres de contexto para analisar linguagens simples.

5#: Como as aplicações de IA podem impactar a sociedade de formas positivas e negativas.

Os estudantes devem ser capazes de identificar como a IA está contribuindo para suas vidas. Os impactos sociais da IA envolvem perguntas como: para quais aplicações a IA deve ser usada? Quais critérios éticos os sistemas de IA devem atender?

Nos primeiros anos, os estudantes devem ser capazes de identificar como a IA contribui para suas vidas diárias. No ensino médio, devem ser capazes de avaliar novas tecnologias de IA e descrever as questões éticas ou de impacto social levantadas por elas.

Desenvolvimento de Currículo

Desenvolvimento de Currículo: Como integrar IA no ensino K-12 de forma eficaz e inovadora

Já existem esforços significativos para abordar a necessidade de recursos curriculares. Pesquisadores australianos de IA colaboraram com professores do ensino fundamental (K-6) por meio do programa Cientista nas Escolas para desenvolver um currículo de três anos, cobrindo conceitos básicos de IA, vocabulário de IA e a história da IA (Heinze, Haase e Higgins, 2010).

Outro exemplo recente é o IRobot, um currículo de IA para estudantes do ensino médio (Burgsteiner, Kandlhofer e Steinbauer, 2016). A ISTE (Sociedade Internacional para Tecnologia na Educação) anunciou uma parceria com a General Motors (GM) para desenvolver um currículo de IA para estudantes do ensino médio (ISTE, 2018), e o AI4All recentemente recebeu um subsídio de US$ 1 milhão do Google para desenvolver um currículo aberto e online de IA, com lançamento previsto para 2019 (AI4ALL, 2018).

A iniciativa conjunta AAAI/CSTA sobre IA para o K-12 não desenvolverá um currículo próprio. Em vez disso, estabelecerá diretrizes que os futuros currículos deverão seguir e organizará um diretório online de recursos que ajudará educadores a localizar ferramentas e currículos, como os descritos acima. Aguardamos feedback e sugestões de recursos para educadores do K-12 à medida que continuamos a desenvolver as diretrizes de IA para o K-12.

Conclusão

Concluímos com um chamado à ação para a comunidade de IA. Estudantes do K-12 estarão buscando na internet para entender como a IA funciona e como ela moldará seu futuro. Pense em como sua pesquisa pode ser transformada em uma demonstração, recurso ou atividade facilmente acessível, que alunos e professores possam usar e compartilhar.

---

Autores: David Touretzky, Christina Gardner-McCune, Fred Martin, Deborah Seehorn Carnegie
Fonte: The Thirty-Third AAAI Conference on Artificial Intelligence
Artigo original: https://ojs.aaai.org/index.php/AAAI/article/view/5053

Referências

• Referências
• AI4ALL. 2018. AI4ALL Open Learning brings free and accessible AI education online with the support of Google.org. Medium. Disponível em: https://medium.com/ai4allorg/ai4all-open-learning-brings-free-and-accessible-ai-education-online-with-the-support-of-google-org-3a6360c135c9.
• Association for the Advancement of Artificial Intelligence (AAAI). 2018. AAAI Launches “AI for K-12” Initiative in Collaboration with the Computer Science Teachers Association (CSTA) and AI4All. Press release. Disponível em: https://aaai.org/Pressroom/Releases/release-18-0515.php.
• Baloch, H., Crompton, H., Gerl, M., Harrison, S., Law, D., McGirt, F., Ramos, Y., e South, J. 2018. Artificial Intelligence Goes to School. Disponível em: https://conference.iste.org/2018/program/search/detail_session.php?id=110888525.
• Burgsteiner, H., Kandlhofer, M., e Steinbauer, G. 2016. IRobot: Teaching the Basics of Artificial Intelligence in High Schools. Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence. Menlo Park, Califórnia: AAAI Press.
• College Board. 2017. Updated: AP Computer Science Principles: Course and Exam Description including the Curriculum Framework. Disponível em: https://apcentral.collegeboard.org/pdf/ap-computer-science-principles-course-and-exam-description.pdf.
• Computer Science Teachers Association (CSTA). 2017. CSTA K-12 Computer Science Standards, Revised 2017. Disponível em: http://www.csteachers.org/standards.
• Dodds, Z., Hirsh, H., e Wagstaff, K. 2008. AI Education Colloquium. Technical Report & AI Education Workshop Papers WS-08-02. Menlo Park, Califórnia: AAAI Press.
• Druga, S., Vu, S., Likhith, E., Oh, L., Qui, T., e Breazeal, C. 2018. Cognimates. Disponível em: https://cognimates.me.
• Heinze, C., Haase, J., e Higgins, J. 2010. An Action Research Report from a Multi-Year Approach to Teaching Artificial Intelligence at the K-6 Level. First AAAI Symposium on Educational Advances in Artificial Intelligence. Menlo Park, Califórnia: AAAI Press.
• International Society for Technology in Education (ISTE). 2018. Bold New Program Helps Teachers and Students Explore the Power of AI. Press release. Disponível em: https://www.iste.org/explore/articleDetail?articleid=2229.
• Jing, M. 2018. China looks to school kids to win the global AI race. South China Morning Post. Publicado em 3 de maio de 2018. Disponível em: https://www.scmp.com/tech/china-tech/article/2144396/china-looks-school-kids-win-global-ai-race.
• Kahn, K., e Winters, N. 2017. Child-friendly programming interfaces to AI cloud services 10474, 566–570. Springer, Cham. Disponível em: https://ecraft2learn.github.io/ai/.
• Resnick, M., Bruckman, A., e Martin, F. 1996. Pianos not stereos: Creating computational construction kits. Interactions, 3(5), 40-50.
• Thomas, A. 2018. Understanding Deep Learning with TensorFlow playground. Medium. Disponível em: https://medium.com/@andrewt3000/understanding-tensorflow-playground-c20cdb7a250b.
• Touretzky, D. 2017. Computational thinking and mental models: From Kodu to Calypso. Proceedings of the 2nd IEEE Blocks & Beyond Workshop, Raleigh, NC, 10 de outubro de 2017.
• West, D., e Allen, J. 2018. How Artificial Intelligence is transforming the world. Report. 24 de abril de 2018. The Brookings Institute. Disponível em: https://www.brookings.edu/research/how-artificial-intelligence-is-transforming-the-world/.
• Wiggins, G., e McTighe, J. 2005. Understanding by Design. Upper Saddle River, NJ: Pearson.