Informática · 10.º Ano · Impactos da Computação na Sociedade · 3o Periodo

Introdução à Inteligência Artificial

Os alunos exploram o funcionamento básico da IA, os seus diferentes tipos (IA fraca vs. forte) e as suas aplicações atuais.

• Aprendizagens Essenciais
• DGE: Secundário - Inovação Tecnológica
• DGE: Secundário - Segurança e Ética

Sobre este tópico

A Introdução à Inteligência Artificial apresenta aos alunos do 10.º ano os conceitos fundamentais da IA, incluindo o seu funcionamento básico, os tipos de IA fraca, focada em tarefas específicas como assistentes virtuais ou sistemas de recomendação, e IA forte, que visa replicar a inteligência humana geral. Os alunos diferenciam estes tipos e analisam aplicações atuais no quotidiano, como reconhecimento facial ou carros autónomos, ligando ao currículo nacional de Pensamento Computacional e Literacia Digital Avançada.

No contexto da unidade Impactos da Computação na Sociedade, esta temática aborda princípios básicos de aprendizagem de máquina, onde algoritmos aprendem padrões a partir de dados, e explora questões éticas e de segurança, alinhadas com os standards DGE para inovação tecnológica e ética. Os alunos refletem sobre impactos sociais, como perda de empregos ou privacidade, fomentando pensamento crítico.

A aprendizagem ativa beneficia particularmente esta temática porque conceitos abstratos como IA forte ganham vida através de debates e análise de exemplos reais. Atividades colaborativas, como mapear IA no quotidiano, tornam o conteúdo relevante e memorável, ajudando os alunos a conectar teoria à prática societal.

Questões-Chave

1. Diferencie entre inteligência artificial fraca e forte.
2. Analise exemplos de IA no quotidiano e o seu impacto.
3. Explique os princípios básicos de aprendizagem de máquina.

Objetivos de Aprendizagem

• Comparar as capacidades e limitações da IA fraca e da IA forte.
• Analisar criticamente o impacto de aplicações de IA específicas no quotidiano dos cidadãos.
• Explicar os princípios fundamentais da aprendizagem supervisionada e não supervisionada.
• Identificar e discutir as implicações éticas e de segurança associadas ao desenvolvimento e uso da IA.

Antes de Começar

Fundamentos da Programação e Algoritmos

Porquê: A compreensão de como os algoritmos funcionam é essencial para entender como a IA aprende e processa informação.

Representação de Dados e Estruturas de Dados

Porquê: A IA depende fortemente da manipulação e análise de grandes volumes de dados, pelo que os alunos devem ter uma base sobre como os dados são organizados.

Vocabulário-Chave

Inteligência Artificial (IA)	Campo da ciência da computação dedicado à criação de sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana.
IA Fraca (ou Estreita)	Tipo de IA projetada e treinada para uma tarefa específica, como reconhecimento de voz ou recomendação de produtos.
IA Forte (ou Geral)	Tipo de IA hipotética com a capacidade intelectual de um ser humano, capaz de compreender, aprender e aplicar conhecimento em diversas tarefas.
Aprendizagem de Máquina (Machine Learning)	Subcampo da IA que permite aos sistemas aprender e melhorar a partir de dados sem serem explicitamente programados.
Algoritmo	Um conjunto de regras ou instruções passo a passo que um computador segue para realizar uma tarefa ou resolver um problema.

Atenção a estes erros comuns

Erro comum

A IA forte já existe e é como humanos.

O que ensinar em alternativa

A IA forte, ou geral, ainda é teórica e não replica inteligência humana completa; atual IA é fraca e tarefa-específica. Debates em grupo ajudam alunos a confrontar ideias prévias com evidências, clarificando diferenças através de exemplos concretos.

Erro comum

IA funciona sem dados ou aprendizagem.

O que ensinar em alternativa

Princípios de aprendizagem de máquina dependem de grandes conjuntos de dados para detetar padrões. Demos hands-on revelam esta dependência, corrigindo a visão mágica da IA e reforçando compreensão via experimentação ativa.

Erro comum

IA é só robôs físicos.

O que ensinar em alternativa

IA abrange software como chatbots ou algoritmos de previsão, não só hardware. Mapeamentos colaborativos expandem esta visão estreita, mostrando aplicações ubiquas e promovendo análise crítica de impactos.

Ideias de aprendizagem ativa

Debate Formal: IA Fraca vs. IA Forte

Divida a turma em dois grupos para debater as diferenças e viabilidades de cada tipo de IA, usando exemplos como Siri para IA fraca e cenários hipotéticos para IA forte. Cada grupo prepara argumentos com base em definições e apresenta por 5 minutos. Conclua com votação e discussão coletiva.

45 min·Pequenos grupos

Mapeamento de Aplicações IA

Peça aos alunos que listem e classifiquem 10 exemplos de IA no quotidiano, como redes sociais ou eletrodomésticos inteligentes. Em pares, criem um mapa mental com impactos positivos e negativos. Partilhem no quadro para análise coletiva.

30 min·Pares

Demo Simples de Aprendizagem de Máquina

Use uma ferramenta online gratuita como Teachable Machine para treinar um modelo com imagens de gestos. Os alunos experimentam em estações, observam como dados influenciam resultados e discutem limitações. Registem observações em fichas.

40 min·Pequenos grupos

Análise Ética de Casos IA

Apresente casos reais como discriminação em algoritmos de recrutamento. Em grupos, identifiquem problemas éticos, proponham soluções e apresentem. Ligue aos standards de segurança e ética.

35 min·Pequenos grupos

Ligações ao Mundo Real

• Os sistemas de recomendação da Netflix e Spotify utilizam algoritmos de IA para analisar o histórico de visualização e audição dos utilizadores, sugerindo novos conteúdos personalizados. Profissionais como cientistas de dados trabalham no desenvolvimento e otimização destes sistemas.
• Os carros autónomos da Tesla e Waymo empregam IA para processar dados de sensores (câmaras, radar, lidar) em tempo real, permitindo a navegação e a tomada de decisões de condução. Engenheiros de robótica e especialistas em visão computacional são cruciais neste setor.
• Assistentes virtuais como a Siri (Apple) e a Alexa (Amazon) usam IA para processamento de linguagem natural, compreendendo e respondendo a comandos de voz. Desenvolvedores de software e especialistas em interação humano-computador criam e melhoram estas interfaces.

Ideias de Avaliação

Bilhete de Saída

Entregue a cada aluno um cartão com o nome de uma aplicação de IA (ex: reconhecimento facial, tradução automática, diagnóstico médico assistido por IA). Peça-lhes para escreverem: 1) Se consideram ser IA fraca ou forte e porquê. 2) Um potencial impacto social positivo e um negativo dessa aplicação.

Questão para Discussão

Inicie uma discussão em sala de aula com a seguinte questão: 'Se a IA forte se tornar uma realidade, quais profissões vocês acreditam que serão mais afetadas e como a sociedade deveria preparar-se para essas mudanças?' Incentive os alunos a justificar as suas opiniões com base nos princípios de IA discutidos.

Verificação Rápida

Apresente aos alunos um cenário simples de aprendizagem de máquina (ex: um sistema que aprende a distinguir gatos de cães com base em imagens). Pergunte: 'Que tipo de aprendizagem de máquina está a ser usada aqui (supervisionada ou não supervisionada)? Que dados seriam necessários para treinar este sistema?'

Perguntas frequentes

Qual a diferença entre IA fraca e IA forte?

A IA fraca executa tarefas específicas, como tradução ou reconhecimento de voz, sem compreensão real. A IA forte simularia inteligência humana geral, resolvendo problemas novos autonomamente, mas ainda não existe. Discutir exemplos quotidianos ajuda alunos a diferenciar e analisar limitações atuais, alinhando com standards de inovação.

Como a aprendizagem ativa ajuda a ensinar Introdução à IA?

Atividades como debates sobre tipos de IA ou demos de machine learning tornam conceitos abstratos acessíveis e envolventes. Alunos constroem conhecimento colaborando em mapeamentos de aplicações reais, corrigem misconceptions via discussão e ligam ética à sociedade. Esta abordagem fomenta pensamento crítico e retenção, essencial para o currículo de Literacia Digital.

Quais exemplos de IA no quotidiano para o 10.º ano?

Exemplos incluem assistentes como Google Assistant, recomendações Netflix, filtros Instagram ou navegação GPS. Analisar impactos, como conveniência vs. privacidade, desenvolve literacia digital. Atividades de mapeamento incentivam identificação pessoal, reforçando princípios de aprendizagem de máquina.

Como explicar princípios básicos de aprendizagem de máquina?

Aprendizagem de máquina usa dados para treinar algoritmos que preveem ou classificam, como detetar spam em emails. Mostre com ferramentas simples: forneça dados, treine modelo, teste. Discuta ética de dados enviesados, ligando a standards DGE e promovendo reflexão societal.