Inteligência artificial e aprendizagem criativa: preocupações, oportunidades e escolhas

À medida que novas tecnologias surgem na sociedade, precisamos decidir se e como integrá-las aos nossos ambientes de aprendizado. Isso aconteceu com os computadores pessoais, depois com a internet e agora com as tecnologias de IA (Inteligência Artificial) gerativa. Existem várias formas de incorporar essas tecnologias ao ensino e aprendizado, e essas escolhas são extremamente importantes, pois podem levar a resultados e implicações muito diferentes. Como devemos fazer essas escolhas? Acredito que precisamos decidir que tipo de aprendizado e educação queremos para nossas crianças, escolas e sociedade e, então, projetar novas tecnologias e aplicações que estejam alinhadas com nossos valores e visões educacionais. O que isso significa para a integração de novas tecnologias de IA gerativa, como o ChatGPT, em nossos ambientes de aprendizado?

Na minha opinião, a prioridade educacional de hoje é desenvolver jovens criativos, curiosos, cuidadosos e colaborativos. Com o ritmo acelerado das mudanças no mundo todo, as crianças de hoje vão enfrentar uma série de desafios desconhecidos e imprevisíveis ao longo da vida, e a proliferação de novas tecnologias de IA acelerará ainda mais essas mudanças e perturbações. Como resultado, é mais importante do que nunca que crianças de diferentes origens tenham oportunidades para desenvolver suas capacidades mais humanas — pensar criativamente, envolver-se empaticamente e trabalhar colaborativamente — para que possam lidar de forma criativa, ponderada e coletiva com os desafios de um mundo complexo e em rápida mudança.

📳 Inscreva-se no canal do Porvir no WhatsApp para receber nossas novidades

Infelizmente, percebo que muitos dos usos atuais da IA na educação não estão alinhados com esses valores e, na verdade, podem reforçar abordagens educacionais existentes em um momento em que mudanças significativas são necessárias. Muitas vezes, as tecnologias de IA de hoje são usadas de maneiras que limitam a autonomia dos alunos, focam em problemas “fechados” e subestimam a conexão humana e o senso de comunidade.

No entanto, também vejo oportunidades interessantes para novas tecnologias de IA gerativa. Acredito que essas novas tecnologias de IA têm um potencial maior para apoiar os jovens em experiências de aprendizagem criativas baseadas em projetos e interesses, apoiando assim seu desenvolvimento como aprendizes criativos, curiosos e colaborativos. Pode ser um momento para mudanças educacionais significativas: as perturbações causadas por novas tecnologias de IA gerativa estão levando mais pessoas a reconhecer a necessidade de mudanças fundamentais em nossas abordagens de educação e aprendizado. Mas novas tecnologias de IA contribuirão para essas mudanças apenas se as pessoas fizerem escolhas explícitas e intencionais na maneira como projetam e usam essas novas ferramentas.

Neste artigo, começarei discutindo minhas preocupações sobre os usos atuais de ferramentas de IA na educação, depois vou explorar como podemos aproveitar as novas tecnologias de IA gerativa para apoiar experiências de aprendizado criativas.

Preocupações

Muitas críticas aos sistemas de IA destacam problemas que os desenvolvedores não atentaram suficientemente, como vieses ou imprecisões baseados nos conjuntos de exemplos usados para treinar os sistemas, e o reconhecimento ou compensação inadequada para artistas e escritores cujo trabalho é usado no treinamento. Esses são problemas sérios e importantes que precisam ser abordados. Mas neste artigo, meu foco é diferente. Vou discutir por que estou preocupado com muitos sistemas de IA na educação, mesmo quando funcionam exatamente como os desenvolvedores pretendiam e são usados como esperado.

Preocupação #1: Restringindo a autonomia do aluno

Na década de 1960, quando pesquisadores começaram a explorar como os computadores poderiam ser usados na educação, havia duas principais correntes de pensamento. Uma focava em usar computadores para entregar instruções e informações eficientemente ao aluno. A outra proporcionava aos estudantes oportunidades de usar tecnologias para criar, experimentar e colaborar em projetos pessoalmente significativos. O matemático e educador sul-africano Seymour Papert referia-se a essas duas abordagens como instrucionista e construcionista, respectivamente.

Ao longo dos anos, a maioria dos pesquisadores e desenvolvedores de IA focou na primeira abordagem, desenvolvendo “sistemas de tutoria inteligentes” ou “assistentes de IA” que fornecem orientações aos alunos sobre tópicos específicos, adaptando continuamente a trajetória da instrução com base nas respostas dos alunos às perguntas. Esses sistemas têm sido promovidos como uma abordagem personalizada de ensino, visando proporcionar a cada aluno feedback (retorno avaliativo) e instrução com base em seu nível atual de compreensão, em oposição a uma abordagem única para todos.

Com os avanços na tecnologia de IA, esses sistemas de tutoria tornaram-se mais eficazes em entregar instruções que se adaptam aos alunos individualmente. No entanto, preocupo-me que alguns desses “aperfeiçoamentos” estejam perpetuando e reforçando uma abordagem educacional que precisa de uma grande revisão. Em grande parte, tutores e assistentes apoiados em IA foram projetados para controlar o processo educacional: definindo metas, entregando informações, fazendo perguntas, avaliando o desempenho. Mas a realidade do mundo de hoje exige uma abordagem diferente: dar aos alunos oportunidades para definir seus próprios objetivos, construir seus próprios interesses, expressar suas próprias ideias, desenvolver suas próprias estratégias e sentir um senso de controle e propriedade sobre seu próprio aprendizado.Esse tipo de autonomia do aluno é importante no desenvolvimento dos estudantes, ajudando-os a desenvolver iniciativa, motivação, autoconfiança e criatividade que serão necessárias para contribuir de forma significativa em suas comunidades.

Os tutores e orientadores automatizados são promovidos como “pessoais” porque oferecem atividades personalizadas. Mas, na minha visão, uma abordagem verdadeiramente pessoal ao aprendizado daria ao estudante mais escolha e controle sobre o processo de aprendizagem. Gostaria que os alunos tivessem mais controle sobre como, o que, quando e onde estão aprendendo. Quando os estudantes têm mais escolha e controle, podem construir sobre seus interesses, fazendo com que o aprendizado se torne mais motivador, memorável e significativo — e fazem conexões mais fortes com as ideias com as quais estão envolvidos.

Alguns novos tutores e assistentes automatizados tentam apoiar maior autonomia do aluno. Em vez de controlar o fluxo instrucional, eles são projetados para dar dicas, conselhos e suporte quando os estudantes pedem ajuda. Mas, mesmo que sejam projetados com as melhores intenções, preocupo-me que alguns alunos os percebam como intrusivos. Por exemplo, Sal Khan, da Khan Academy, espera que futuros tutores automatizados intervenham quando a atenção de um aluno se dispersar, dizendo ao aluno: “Ei, acho que você está um pouco distraído agora. Vamos nos concentrar nisso.” Esse tipo de intervenção pode ser útil para alguns alunos, mas se sentir intrusivo ou desestimulante para outros. Como um educador me escreveu: “Eu absolutamente desmoronaria se fosse um aluno do ensino fundamental e tivesse que conversar com um robô automatizado que estivesse tentando arrancar a resposta de mim.”

Preocupação #2: Concentração em problemas “fechados”

Na última década, houve uma proliferação de sites projetados para ensinar jovens a programar. A grande maioria desses sites é organizada em torno de uma série de quebra-cabeças, pedindo aos alunos que criem um programa para mover um personagem virtual por alguns obstáculos até alcançar um objetivo. Durante esse processo, os alunos aprendem habilidades básicas de programação e conceitos de ciência da computação.

No entanto, nosso grupo “Jardim de Infância para Toda a Vida” no MIT Media Lab adotou uma abordagem diferente com o Scratch. Com o Scratch, os jovens podem criar animações, jogos e outros projetos interativos com base em seus interesses e compartilhá-los com outros em uma comunidade online. Essa abordagem baseada em projetos e interesses ajuda os jovens a desenvolverem suas habilidades de design, criatividade, comunicação e colaboração, que são mais importantes do que nunca no mundo de hoje.

Então, por que tantos sites de programação focam em quebra-cabeças em vez de projetos? Uma razão é que é mais fácil desenvolver tutores e assistentes de IA para dar conselhos aos alunos enquanto eles trabalham em quebra-cabeças. Nesse tipo de atividade, há um objetivo claro. Assim, enquanto um aluno resolve um quebra-cabeça, o tutor de IA pode analisar o quão distante o aluno está do objetivo e dar sugestões sobre como alcançá-lo. Com projetos, o objetivo do aluno pode não ser claro e pode mudar com o tempo, tornando mais difícil desenvolver um tutor de IA para dar conselhos.

Ao longo dos anos, a maioria dos tutores e assistentes de IA foi projetada para fornecer instruções sobre problemas altamente estruturados e bem definidos. Com as novas tecnologias de IA, há possibilidades de desenvolver sistemas que possam fornecer feedback e conselhos sobre projetos mais abertos. No entanto, fiquei decepcionado com a maneira como a maioria dos pesquisadores de IA e empresas de EdTech estão utilizando essas novas tecnologias. Por exemplo, recentemente vi uma apresentação em que um renomado pesquisador de IA mostrava um novo sistema baseado no ChatGPT que fazia aos alunos uma lista de perguntas de resposta única. A interface conversacional era nova, mas a abordagem educacional era antiga. E quando a Khan Academy recentemente apresentou seu tutor de IA chamado Khanmigo, o primeiro exemplo que mostrou em seu site foi um problema de multiplicação envolvendo uma fração (o tutor perguntou: “O que você acha que precisa fazer para multiplicar 2 por 5/12?”). Esse tipo de problema tem uma única resposta e estratégias bem definidas para chegar à resposta — exatamente o tipo de problema em que os tutores de IA tradicionalmente se concentram.

Há uma escolha educacional importante: as escolas devem focar mais em projetos abertos ou em problemas “fechados”? Minha preferência é colocar mais ênfase em projetos onde os alunos têm mais oportunidades de aprender a pensar criativamente, expressar suas ideias e colaborar com os outros — enquanto ainda aprendem conceitos importantes e habilidades básicas, mas em um contexto mais significativo e motivador.

As escolas geralmente preferem problemas fechados, pois são mais fáceis de gerenciar e avaliar. Além disso, acabam valorizando o que podem avaliar mais facilmente, em vez de descobrir maneiras de avaliar o que é mais valioso. Preocupo-me que as empresas de EdTech e as escolas se concentrem em tutores de IA que se encaixem nesse mesmo quadro e aprofundem essa abordagem educacional, impedindo mudanças muito necessárias em como e o que os alunos aprendem. Em vez disso, como discuto na seção Oportunidades, logo abaixo, espero que haja mais esforços para usar novas tecnologias de IA para apoiar os alunos à medida que se envolvem em experiências de aprendizado baseadas em projetos e direcionadas por interesses.

Preocupação #3: Enfraquecimento da conexão humana

Em algumas situações, tutores e assistentes de IA podem fornecer conselhos e informações úteis. E com os avanços na tecnologia de IA, esses sistemas estão se tornando melhores em decidir que informações entregar e quando, personalizando as informações com base no que os alunos já aprenderam e quais concepções errôneas eles podem ter.

No entanto, um bom ensino envolve mais do que isso. Um bom professor constrói relacionamentos com os alunos, entende suas motivações, empatiza com suas preocupações, relaciona-se com suas experiências de vida e ajuda os alunos a se conectarem uns com os outros. Facilitar o aprendizado de um aluno é um processo sutil, muito mais complexo do que simplesmente entregar informações e instruções no momento certo. Um bom professor sabe como cultivar uma comunidade acolhedora entre os alunos, para que se sintam acolhidos, compreendidos e apoiados. Um bom professor entende como criar um ambiente em que os alunos se sintam à vontade para correr os riscos que são parte essencial de um processo de aprendizado criativo.

Alguns tutores e assistentes baseados em IA agora tentam levar em conta fatores socioemocionais — por exemplo, usando sensores e câmeras para entender o estado emocional de um estudante. No entanto, esses sistemas de IA ainda não são capazes de compreender ou empatizar com a experiência do aluno ou cultivar uma comunidade acolhedora como um professor humano pode.

Portanto, me incomoda quando tutores e assistentes de IA são promovidos como se fossem equivalentes aos professores humanos. Por exemplo, um vídeo promocional de um novo tutor baseado em IA da Microsoft diz que é “como se houvesse 20 professores extras em uma sala de aula.” E a Khan Academy promove seu sistema Khanmigo como “um tutor de classe mundial para qualquer pessoa, em qualquer lugar.” Algumas pessoas podem considerar essas descrições apenas como estratégias de marketing. Mas eu me preocupo que elas contribuam para a desvalorização das dimensões humanas do ensino. Os professores humanos são fundamentalmente diferentes dos tutores de IA, e acho importante reconhecer as qualidades especiais dos professores humanos — ao mesmo tempo que reconhecemos o que os sistemas de IA fazem particularmente bem.

Alguns pesquisadores de IA e empresas de tecnologia educacional tentam evitar a comparação direta com professores humanos posicionando seus sistemas como companheiros de IA, colaboradores ou copilotos, em vez de tutores de IA. Mas ainda assim tentam enfatizar a humanidade de seus sistemas. É particularmente problemático para mim quando os sistemas de IA descrevem seu próprio comportamento como se fossem humanos. Por exemplo, recentemente assisti a uma apresentação sobre um novo sistema de IA projetado para interagir com crianças pequenas. Em suas interações, o sistema de IA falava de maneira humanizada sobre suas intenções e sentimentos. Isso me parece problemático, pois pode levar as crianças pequenas a acreditar que os sistemas de IA têm motivações e sentimentos semelhantes aos seus.

Não quero idealizar as capacidades dos professores humanos. Muitos professores não têm experiência ou especialização em facilitar experiências de aprendizagem criativas — e muitas crianças não têm acesso a professores que ofereçam tais abordagens. Há um papel para os sistemas baseados em IA para complementar os professores humanos (como discutido na próxima seção). Mas devemos reconhecer claramente as limitações e restrições desses sistemas de IA, e não devemos nos distrair do objetivo importante de ajudar mais pessoas a se tornarem bons professores e facilitadores.

De forma mais geral, precisamos garantir que o entusiasmo atual pelos sistemas de IA não leve à redução das interações e colaborações com outras pessoas. A importância da conexão humana e da comunidade ficou ainda mais evidente durante a pandemia, quando diferentes escolas adotaram diferentes abordagens pedagógicas. Algumas escolas implementaram rotinas de ensino remoto focadas na entrega de exercícios baseados no currículo tradicional; nessas escolas, muitos estudantes se sentiram cada vez mais isolados e desiludidos. Outras escolas focaram mais nos aspectos socioemocionais e comunitários da aprendizagem, enfatizando a importância de apoiar e colaborar uns com os outros; nessas escolas, os estudantes sentiram um senso de conexão, empatia e engajamento mais forte. Como o professor da Harvard Graduate School of Education, Jal Mehta, escreveu: “As salas de aula que estão prosperando durante a pandemia são aquelas onde os professores construíram relacionamentos fortes e comunidades acolhedoras, enquanto aquelas que focam em conformidade ao currículo estão realmente lutando.”

A pandemia destacou a importância da empatia, conexão e comunidade no ensino e aprendizagem. À medida que a pandemia recua e os sistemas de IA se proliferam, devemos manter nosso foco nessas qualidades humanas muito especiais.

Oportunidades

Ao longo do último ano, houve um número crescente de iniciativas educacionais para ensinar estudantes do ensino fundamental e médio sobre IA gerativa. Embora algumas dessas iniciativas, na minha visão, foquem demais em ensinar detalhes técnicos sobre como os sistemas de IA atuais funcionam (da mesma maneira como se ensinava aos alunos sobre disquetes e placas-mãe nos primeiros dias da computação pessoal), as iniciativas desempenham um papel educacional valioso ajudando os alunos a entender as implicações éticas e sociais das tecnologias de IA gerativa e a consciência de como essas tecnologias podem fornecer resultados tendenciosos e informações enganosas.

Mas acho que as oportunidades educacionais mais importantes virão não de ensinar aos alunos sobre IA, mas sim de ajudar os alunos a aprender com a IA — ou seja, apoiar os alunos no uso de ferramentas de IA para imaginar, criar, compartilhar e aprender. E, como um bônus, aprender com a IA pode ser a melhor maneira para os alunos aprenderem sobre a IA também.

Infelizmente, quando a maioria das empresas de tecnologia educacional e pesquisadores de IA foca em aprender com a IA, elas tendem a empacotá-la em um paradigma instrucionista, desenvolvendo sistemas de tutoria inteligentes (por exemplo, ensinando habilidades aritméticas ou palavras de vocabulário) que estão sujeitos a todos os problemas descritos acima. Mas não precisa ser assim. Acredito que as tecnologias de IA gerativa (em comparação com as tecnologias de IA anteriores) proporcionam maiores oportunidades para romper com o paradigma instrucionista e apoiar uma abordagem mais construcionista para a aprendizagem. Ou seja, há potencial para projetar e usar tecnologias de IA gerativa para apoiar os jovens em experiências de aprendizagem criativas baseadas em projetos, orientadas pelo design e impulsionadas pelos interesses — e assim ajudá-los a desenvolver as habilidades de criatividade, curiosidade e colaboração que são necessárias para prosperar no mundo rápido e em constante mudança que temos hoje. Mas isso só acontecerá se fizermos escolhas intencionais sobre como projetar e usar essas novas tecnologias.

Apoio ao processo de Aprendizagem Criativa

Então, como as pessoas podem projetar e usar tecnologias de IA gerativa para apoiar uma abordagem mais construcionista para a aprendizagem? Em nosso trabalho no grupo de pesquisa Lifelong Kindergarten, identificamos quatro princípios orientadores para apoiar esse tipo de aprendizagem, os quais chamamos de Quatro Ps da Aprendizagem Criativa: projetos, paixão, pares e pensar brincando. Ou seja, os jovens têm mais probabilidade de se desenvolver como aprendizes criativos, curiosos e colaborativos quando têm oportunidades de trabalhar em projetos, baseados em suas paixões, em colaboração com os pares, em um espírito lúdico.

Assim, à medida que pesquisadores, empresas e educadores integram tecnologias de IA gerativa aos ambientes de aprendizagem, e à medida que os alunos usam essas novas tecnologias, todos devem considerar como a IA pode ser usada para apoiar os Quatro Ps de projetos, paixão, pares e pensar brincando:

Projetos: Devemos proporcionar aos alunos oportunidades de usar ferramentas de IA gerativa ao longo do processo de trabalho em um projeto, garantindo que mantenham o controle criativo. Se estiverem presos no início de um projeto, eles poderiam inserir algumas ideias preliminares e pedir ao sistema variações ou refinamentos das ideias. Quando algo não funcionar conforme o esperado no projeto, eles poderiam explicar o problema para um sistema de IA e pedir ajuda para solucioná-lo.

Paixão: Quando as pessoas trabalham em projetos pelos quais realmente se importam, estão dispostas a trabalhar mais e mais duramente, persistir diante dos desafios e fazer conexões mais profundas com as ideias que encontram. Portanto, devemos explorar maneiras para os alunos usarem ferramentas de IA gerativa para criar projetos que considerem pessoalmente significativos. Por exemplo, a pesquisadora Karishma Chadha, do MIT Media Lab, está desenvolvendo ferramentas e atividades de IA gerativa que permitem aos jovens criar representações dinâmicas de si mesmos — e criar e compartilhar histórias pessoais baseadas nessas representações — como uma forma de explorar e expressar sua identidade cultural.

Pares: A maioria das ferramentas de tutoria de IA foi projetada para interação um-a-um. Mas sabemos que a maioria das experiências de aprendizagem criativa envolve pessoas aprendendo umas com as outras. Assim, as ferramentas de IA gerativa devem ser projetadas para envolver jovens trabalhando juntos em projetos, ajudando-os a se conectar e colaborar com outros que têm interesses semelhantes ou habilidades complementares.

Pensar brincando (brincar): Uma atitude lúdica não é apenas sobre rir e se divertir. É baseada na disposição para experimentar, tentar coisas novas, assumir riscos e ultrapassar limites. Portanto, em vez de desenvolver tutores de IA que guiem os alunos para uma solução, devemos proporcionar aos jovens oportunidades de usar tecnologias de IA para explorar novas direções, mexer com novas possibilidades e refinar iterativamente suas ideias.

Essa abordagem dos 4Ps para projetar e usar tecnologias de IA gerativa é muito diferente dos sistemas tradicionais de tutoria de IA. Na abordagem 4Ps, os alunos têm maior controle do processo, escolhendo como e quando usar as ferramentas de IA para apoiar suas próprias práticas de design e resolução de problemas, e usando as ferramentas como um catalisador (e não substituição) para seu próprio processo criativo e sua colaboração com os outros. É um pouco semelhante à maneira como as pessoas, enquanto trabalham em um projeto, fazem uma pesquisa online ou assistem a um vídeo no YouTube para obter novas ideias ou informações. Os sistemas de IA gerativa podem servir como um recurso adicional durante o processo de aprendizagem criativa.

Não devemos esperar (ou desejar) que os sistemas de IA desempenhem o mesmo papel que tutores ou assistentes humanos ou companheiros. Em vez disso, devemos considerar os sistemas de IA como uma nova categoria de recurso educacional, com suas próprias vantagens e limitações. Quando os estudantes estão procurando ajuda ou inspiração, às vezes conversam com um amigo ou consultam um livro ou fazem uma pesquisa online ou assistem a um vídeo. Cada um desempenha um papel diferente. Podemos adicionar sistemas de IA a essa combinação de recursos.

Escolhas

Há muitas maneiras diferentes pelas quais as pessoas podem usar tecnologias de IA gerativa para apoiar a aprendizagem e a educação.

Alguns usos dos sistemas de IA gerativa vão restringir a autonomia do aprendiz, focar em problemas “fechados” ou enfraquecer a conexão humana e o senso de comunidade — e vão aprofundar abordagens existentes de educação e aprendizagem em um momento em que mudanças são necessárias. Preocupo-me que a inércia e as pressões do mercado empurrem os usos educacionais da IA gerativa nessa direção.

Mas também é possível usar tecnologias de IA gerativa para apoiar uma abordagem mais baseada em projetos, impulsionada por interesses, centrada no humano e colaborativa para a aprendizagem, permitindo que os aprendizes desenvolvam a motivação, criatividade e curiosidade de que precisam para prosperar no mundo complexo e em rápida mudança de hoje. As perturbações causadas pelas novas tecnologias de IA gerativa estão levando mais pessoas a reconhecer a necessidade de repensar abordagens de educação e aprendizagem, então podemos estar em um momento cultural onde mudanças fundamentais são possíveis.

A escolha é nossa. A escolha é mais educacional e política do que tecnológica. Que tipos de aprendizagem e educação queremos para nossos filhos, nossas escolas e nossa sociedade? Todos nós — como professores, pais, administradores escolares, designers, desenvolvedores, pesquisadores, formuladores de políticas — precisamos considerar nossos valores e visões para a aprendizagem e educação e fazer escolhas que estejam alinhadas com nossos valores e visões. A decisão é nossa.

Agradecimentos

Gostaria de agradecer a todos que forneceram sugestões sobre versões anteriores deste documento, ajudando-me a refinar minhas ideias através de várias iterações do documento. Sou especialmente grato a (em ordem alfabética) Hal Abelson, Karen Brennan, Leo Burd, Karishma Chadha, Kartik Chandra, Pattie Maes, Carmelo Presicce, Eric Rosenbaum, Natalie Rusk e Brian Silverman — cada um dos quais forneceu feedback valioso (embora, é claro, seu feedback não implique que concordem com todas as ideias apresentadas neste documento).

---

* Este conteúdo é uma versão traduzida e resumida do artigo “Generative AI and Creative Learning: Concerns, Opportunities, and Choices”, disponivel no MIT Open Publishing Services sob licença CC BY-NC 4.0 DEED Atribuição-NãoComercial 4.0 Internacional.

---