Como machine learning pode afetar a aprendizagem

Autor: Guilherme Linhares Alves Rodrigues 

Matricula: 18200668

Também chamada de machine learning, a iniciativa é um ramo da inteligência artificial em que os sistemas aprendem padrões a partir da análise de milhões de dados. O objetivo é que essa tecnologia se torne capaz de tomar decisões sozinha ou com o mínimo de intervenção humana. O aprendizado da máquina é realizado de três formas: supervisionado, não supervisionado e de garantia."

Inteligência artificial permite a automação em diversos setores – na mobilidade, com os carros autônomos; no mercado financeiro, com a recomendação de produtos e taxas mais acessíveis de acordo com o histórico do cliente; na saúde, com o reconhecimento de imagens para sugestão de diagnósticos Independente do setor, algo é essencial: o aprendizado de máquina.

A baixo conseguimos ver na pratica como uma machine learning aprende e opera: 

"A inteligência artificial possibilita a automação em diversos setores - na mobilidade, com carros autônomos; no mercado financeiro, com recomendações de produtos e tarifas mais acessíveis com base no histórico do cliente; na saúde, com reconhecimento de imagem para sugestões de diagnóstico. Independente do setor, algo é essencial: aprendizado de máquina.

Existem três tipos principais de aprendizado de máquina: supervisionado, não supervisionado e de segurança. O aprendizado supervisionado é aquele em que o algoritmo é treinado em um conjunto de dados rotulados, em que cada exemplo está associado a um rótulo que indica a classe a que ele pertence. A partir desses dados rotulados, o algoritmo aprende a associar cada entrada a uma classe específica.

O aprendizado supervisionado é o tipo mais comum de aprendizado de máquina. Nesse tipo de aprendizado, um algoritmo é treinado em um conjunto de dados nomeado. Os dados rotulados têm uma resposta conhecida que o algoritmo tenta aprender com eles. O objetivo de um algoritmo é aprender uma função que possa mapear entradas para as saídas corretas. 

O aprendizado supervisionado é frequentemente usado para tarefas como classificação, previsão e regressão. Em vez disso, o aprendizado não supervisionado é usado quando os dados não têm rótulos ou categorias conhecidas. O objetivo do algoritmo é encontrar padrões e estruturas nos dados que foram agrupados ou reduzidos com sucesso. O processamento não supervisionado é frequentemente usado para análise exploratória de dados, segmentação de mercado, detecção de anomalias e redução de dimensionalidade. 

O aprendizado de segurança é um tipo de aprendizado em que um algoritmo aprende com base no feedback reflexivo do  ambiente. O objetivo do algoritmo é maximizar a recompensa numérica recebida como feedback. A aprendizagem garantida é utilizada em jogos, robótica e controle de processos.

O mecanismo de aprendizado de máquina também faz recomendações com base no que você gostou, no que adicionou ao  carrinho e em outros recursos semelhantes que você pode usar para  aprender sobre o comportamento humano. Este treinamento fornece respostas imediatas com base em atividades anteriores que são "lembradas" no banco de dados do sistema de aprendizado de programas de computador. 

Segundo Lorenzo Tessari é Chief Operating Officer (COO) da Gama Ensino, startup de tecnologia, citou no artigo Como a IA pode afetar o processo de aprendizagem: 

Nos últimos anos, observamos uma aceleração nos processos de inovação em inteligência artificial. Um exemplo é o ChatGPT, protótipo de um chatbot com inteligência artificial generativa desenvolvido pela OpenAI que interage com os usuários sobre diferentes assuntos, além de ser capaz de executar inúmeros comandos, como resolver operações matemáticas e produzir textos.

Com isso, podemos observar que a evolução da tecnologia impacta diretamente o setor educacional, mas como isso pode afetar o processo de aprendizagem? Recentemente vimos as tentativas de inserir diferentes tecnologias na esfera educacional, muitas vezes sem sucesso por conta da falta de destreza em operar e entender essas tecnologias, ou por inseri-la forçadamente quando não é necessária. Por outro lado, existe uma gama de exemplos que foram essenciais no momento da pandemia e se provaram eficientes, como computadores, tablets e smartphones para acessar recursos educacionais on-line como vídeos, simulações e jogos educacionais.

Em contrapartida, o uso indevido dessas possibilidades pode gerar um resultado indesejado como o comodismo de ter as informações de maneira imediata, o que permite o aluno ficar em sua zona de conforto sem estimular seu esforço mental, tão fundamental no processo cognitivo de aprendizagem. Além do próprio mal uso, aspectos inerentes a IA podem contribuir negativamente na formação intelectual e social do indivíduo. Se uma inteligência é criada sem uma estrutura de qualidade, pode desencadear modelos incompletos de dados que refletem e perpetuam preconceitos, além de desigualdades existentes na sociedade.

Referências 

CANALTECH. Inteligência artificial e aprendizagem de máquina são a mesma coisa? Entenda. Disponível em: <https://canaltech.com.br/inovacao/inteligencia-artificial-e-aprendizagem-de-maquina-sao-a-mesma-coisa-entenda-195558/>. Acesso em: 4 maio. 2023.

Os três tipos de aprendizado no machine learning, um ramo da inteligência artificial – Certaja Inovação. Disponível em: <http://certaja.com.br/inovacao/os-tres-tipos-de-aprendizado-no-machine-learning-um-ramo-da-inteligencia-artificial/>. Acesso em: 4 maio. 2023.

‌Como a IA pode afetar o processo de aprendizagem. Disponível em: <https://aiotbrasil.com.br/opiniao/como-a-evolucao-tecnologica-ia-pode-afetar-o-processo-de-aprendizagem/>. Acesso em: 4 maio. 2023.

‌