AI Basic Theory Explained – Català

Teoria Bàsica de la IA

Aquesta secció presenta els conceptes teòrics fonamentals de la Intel·ligència Artificial. Els educadors trobaran explicacions accessibles i ben estructurades que abasten l’evolució de la IA, què és, com funciona (especialment a través de l’aprenentatge automàtic) i els riscos principals que comporta l’ús d’aquestes tecnologies. Aquests materials estan dissenyats per ajudar a ensenyar amb confiança a estudiants adults els fonaments de la IA, contextualitzant les eines i les tendències modernes amb les seves arrels històriques i tècniques.

BREU HISTÒRIA DE LA IA

Com va evolucionar la IA: De la lògica a l'aprenentatge

La intel·ligència artificial té les seves arrels a la filosofia antiga, però la IA moderna va començar a la dècada de 1950 amb pioners com Alan Turing i John McCarthy. La Conferència de Dartmouth de 1956 va marcar el naixement oficial de la IA com a camp.

A les dècades de 1970 i 1980, la IA va enfrontar revessos coneguts com els “”hiverns de la IA”” a causa del limitat progrés i les altes expectatives. El ressorgiment va començar a la dècada de 2000 amb avenços en potència informàtica, big data i aprenentatge automàtic.

Avui vivim a l’era de la IA generativa, amb eines com ChatGPT i DALL·E que han esdevingut part de la vida quotidiana.

Comprendre aquesta història ajuda els estudiants a apreciar el progrés daquest camp i el seu futur.

Moments clau a la història de la IA

1950 – Proposta del Test de Turing
Alan Turing publica ""Maquinària de Computació i Intel·ligència"", on introdueix la idea que una màquina podria considerar intel·ligent si pogués mantenir una conversa indistingible de la d'un humà.
1956 - Naixement de la IA com a camp d'estudi
El terme ""Intel·ligència Artificial"" s'encunya a la Conferència de Dartmouth, cosa que marca l'inici oficial de la investigació a IA.
1966 – Primer Chatbot (ELIZA)
El MIT crea ELIZA, un programa basat en text que imita una conversa amb un terapeuta, un dels primers exemples de processament del llenguatge natural.
1997: La IA venç el campió mundial d'escacs
Deep Blue, d'IBM, venç Garry Kasparov, l'actual campió mundial d'escacs. Aquesta va ser la primera vegada que una màquina va vèncer un campió humà en un joc intel·lectual complex.
2011 – La IA guanya a Jeopardy!
Watson d'IBM, guanya el concurs televisiu Jeopardy! contra dos dels seus campions humans més reeixits, demostrant la capacitat de la IA per comprendre i processar el llenguatge natural.

2016 – La IA venç un Gran Mestre de Go
AlphaGo de Google DeepMind venç Lee Sedol, un dels millors jugadors de Go del món. El Go és molt més complex que els escacs, cosa que el converteix en un èxit històric per a la IA en el pensament estratègic.
2022 – Llançament de DALL·E i ChatGPT
Models d'IA com DALL·E (generació d'imatges) i ChatGPT (IA conversacional avançada) d'OpenAI es tornen àmpliament disponibles per al públic, marcant l'inici d'eines d'IA accessibles i creatives per a ús diari.
2024 – Introducció de Models de Raonament
Models de raonament avançat com GPT-4 Turbo d'OpenAI aporten millores significatives en la resolució de problemes de diversos passos i la presa de decisions complexes, cosa que fa que les eines d'IA siguin més capaces de realitzar tasques que requereixen lògica i pensament estructurat.
2025 - L'auge dels agents d'IA
Els agents d'IA comencen a sorgir com a eines capaces de planificar, prendre mesures i completar tasques de diversos passos de forma autònoma en aplicacions i plataformes, fet que aplana el camí per a una assistència d'IA més dinàmica i autodirigida a la vida diària i el treball.

QUÈ ÉS LA INTEL·LIGÈNCIA ARTIFICIAL?

Què fa que una màquina sigui intel·ligent?

La intel·ligència artificial (IA) és un tipus de tecnologia informàtica que permet a les màquines realitzar tasques comparables a la intel·ligència humana, com ara comprendre el llenguatge, reconèixer imatges, resoldre problemes o aprendre de dades.

A diferència del programari tradicional, que segueix regles fixes i només fa el que està programat explícitament per fer, els sistemes d’IA poden adaptar-se a noves entrades, analitzar informació i fins i tot millorar-ne el rendiment amb el temps. Això significa que la IA pot gestionar tasques complexes i impredictibles, com ara respondre preguntes en llenguatge natural o detectar patrons en grans quantitats de dades.

Com a educador, pots demostrar tres aspectes que esperem de la IA perquè coincideixi amb la intel·ligència humana, cosa que podria servir com a definició d’IA:

Quan es fa servir el terme IA avui dia, es refereixen principalment a tecnologies basades en aprenentatge automàtic, com per exemple:

Un assistent virtual que comprèn i respon preguntes parlades
Una aplicació com Netflix que suggereix contingut segons les teves preferències
Una eina com ChatGPT o Gemini que pot resumir articles llargs o traduir idiomes
Filtres de correu electrònic que detecten i eliminen el correu brossa automàticament

COM FUNCIONA LA IA (EXPLICACIÓ DE L'APRENENTATGE AUTOMÀTIC)

Com aprenen les màquines de les dades

La IA funciona analitzant grans quantitats de dades i identificant patrons per fer prediccions o prendre decisions; això es coneix com a aprenentatge automàtic (AA). En lloc de programar-se explícitament, els algorismes d’AA aprenen a partir d’exemples. Per exemple, per ensenyar a una IA a reconèixer gats, se us mostren milers d’imatges de gats. Amb el temps, aprèn a identificar noves imatges de gats detectant similituds. Els termes clau inclouen dades d’entrenament, models i algorismes. Els educadors poden fer servir analogies senzilles, com ara ensenyar a un nen amb targetes didàctiques, per explicar el concepte d’aprenentatge supervisat i fer que aquestes idees siguin tangibles per als estudiants adults.

Com funciona l'aprenentatge automàtic: Un procés senzill de 5 passes

1. Recopilar dades
L'aprenentatge automàtic comença amb dades, moltes. Per exemple, si voleu que un ordinador reconegui gats, dóneu milers d'imatges etiquetades com ""gat"" i ""no gat"".
2. Entrenar el model
TLa IA analitza les dades i comença a aprendre patrons. No entén com s'assembla un gat a un humà, però sí que detecta característiques que solen tenir les imatges de gats, com dos ulls, orelles i pelatge.
3. Provar el model
Després de l'entrenament, es prova la IA amb dades noves que no havia vist abans. Això demostra la capacitat d'aprenentatge. Si encerteu la majoria de les respostes, va bé. Si no, és possible que necessiteu més dades o paràmetres.

Hi ha dos tipus d'aprenentatge automàtic:

1. Aprenentatge supervisat
A l'aprenentatge supervisat, la IA s'entrena amb dades etiquetades, cosa que significa que ja es coneixen les respostes correctes. L'objectiu és aprendre d'exemples perquè la IA pugui fer prediccions sobre dades noves i inèdites.
Exemple: Entrenar a una IA perquè reconegui correus electrònics spam mostrant exemples de ""spam"" i ""no spam"".

RISCOS DE L'ÚS D'IA

A què prestar atenció en fer servir IA

Si bé la IA ofereix molts beneficis, és important comprendre’n els riscos. Els sistemes d’IA poden, involuntàriament:

A més, la dependència excessiva de la IA pot reduir el pensament crític. Els educadors han dajudar els estudiants a abordar la IA amb una bona dosi de curiositat i precaució. Ensenyar a qüestionar els resultats de la IA, detectar possibles inexactituds i comprendre les implicacions ètiques és clau per a un ús segur i responsable de la IA.

A més, el contingut generat per IA pot generar inquietuds sobre el seu ús ètic, com ara els deepfakes o les tecnologies de vigilància.

Per exemple, el reconegut historiador Yuval Noah Harari adverteix sobre el poder creixent de la IA i assenyala el seu potencial per manipular els humans o distorsionar el debat cívic, que és la pedra angular de la societat democràtica.

Els educadors han d’emfatitzar la importància de fer servir la IA de manera responsable, verificant la informació i comprenent les limitacions de l’eina. Ensenyar els adults a ser curiosos però cautelosos els ajuda a convertir-se en usuaris informats i empoderats.