La relació del Deep Learning amb la neuroeducació
Un viatge pels jocs de taula intel·ligents
L'educació sempre ha estat fonamental per al desenvolupament humà, però a mesura que avancem en el nostre coneixement sobre el cervell, sorgeixen noves oportunitats per optimitzar el procés d'aprenentatge. La neuroeducació és un camp de recerca que neix amb el propòsit d'entendre com influeix el funcionament del cervell en l'ensenyament i l'aprenentatge.
La neuroeducació es basa en la idea que l'aprenentatge no només passa a l'aula, sinó que també involucra processos cognitius i emocionals al cervell. És un saber interdisciplinari que combina els coneixements de la neurociència, la psicologia i l'educació per comprendre com s'adquireix, processa i reté el coneixement. En comprendre millor com funciona el cervell durant l'aprenentatge, podem dissenyar estratègies i enfocaments educatius més efectius.
L'ambient educatiu, les interaccions socials, les emocions i les estratègies d'ensenyament poden influir en l'estructura i el funcionament del cervell
Aquesta disciplina es basa en la premissa que el cervell és mal·leable i té la capacitat de canviar i adaptar-se a noves experiències i coneixements. Aquesta propietat, coneguda com a plasticitat cerebral, és especialment rellevant en l'àmbit educatiu. Els estudis han demostrat que l'ambient educatiu, les interaccions socials, les emocions i les estratègies d'ensenyament poden influir en l'estructura i el funcionament del cervell.
Els desafiaments complexos són una de les millors formes d'expandir el potencial d'aquesta característica cognitiva que ens distingeix, i un d'aquests reptes és competir contra una intel·ligència artificial (IA).
Des de finals dels anys noranta se sap que una IA pot guanyar a un ésser humà hàbil; la derrota del campió mundial d'escacs, Garri Kaspàrov, davant l'ordinador Deep Blue d'IBM va marcar una fita en la història de la IA, i més endavant, l'aparició d'AlphaGo dues dècades després, un algoritme de DeepMind, va eliminar qualsevol tipus de dubte en guanyar 4 a 1 al millor jugador de go (el sud-coreà Lee Sedol), un dels jocs de taula més complexos del món.
La IA busca replicar la plasticitat del cervell humà
De fet, un dels trets més buscats pels desenvolupadors de la IA és precisament aquesta plasticitat que ens caracteritza. Els avenços en el Deep Learning (aprenentatge profund) en aquest camp han permès crear sistemes informàtics que emulen els processos de raonament i aprenentatge de la ment humana, simulant els milions de connexions que existeixen entre les neurones del cervell.
La IA ja aprèn sola a jugar sense necessitat d'alimentar-la amb gravacions de partides entre humans
Així, han sortit a la llum diversos programes que s'adapten al context del joc, i que són capaços de dominar en un parell d'hores un joc amb tan sols compartir-los les regles corresponents, com és el cas d'AlphaZero (també desenvolupat per DeepMind), que ha après de forma autònoma a dominar el go, l'escacs i el shogi.
El potencial de la IA amb tecnologia Deep Learning per a l'aprenentatge de l'ésser humà
Per tant, sent aquest tipus d'IA una rèplica simplificada del cervell humà, es pot assenyalar que bé podria ser una eina revolucionària per millorar les nostres competències i habilitats. Segons s’explica, Lee Sedol no va tornar a perdre mai una partida de go després d'haver competit contra AlphaGo, i això es deu al fet que en aquestes cinc partides va poder desafiar la seva pròpia forma de pensar, ja que la IA segueix patrons predefinits i sovint utilitza estratègies lògiques, la qual cosa el va obligar a sortir de la seva zona de confort i a explorar noves formes d'abordar el joc, amb el pensament lateral i no lineal.
De la mateixa manera, jugar contra una IA li va permetre explorar noves perspectives, dimensions i possibilitats; a la partida es va enfrontar a diferents estils de joc i estratègies, moviments inesperats i plantejaments fins aleshores inèdits.
Aprenentatge adaptatiu, mentalitat de creixement i aprenentatge pràctic són alguns dels beneficis de jugar contra una IA
Les IA en els jocs de taula són capaces d'aprendre i millorar amb cada partida. Poden analitzar les tàctiques i moviments de l'oponent humà per ajustar les seves estratègies i presentar-li desafiaments cada vegada més complexos. Aquest procés d'aprenentatge adaptatiu anima a ser més flexibles, a aprendre dels errors i a millorar les nostres estratègies desenvolupant noves habilitats que ens mantinguin competitius.
Un cop som conscients que el nostre cervell té la capacitat d'adaptar-se i canviar gràcies a la plasticitat cerebral que hem esmentat anteriorment, podem adoptar una mentalitat de creixement i estar oberts a aprendre noves estratègies, cosa que ens permet aprofitar al màxim les nostres habilitats cognitives.
Així mateix, una de les estratègies d'aprenentatge més recolzades avui dia per investigacions i resultats reals és el «Learning by Doing» (aprendre fent). La practicitat que s'exigeix en l'actualitat en tot tipus de formacions es pot cobrir perfectament amb activitats lúdiques o de gamificació que impliquin partides contra programes d'IA. La neuroeducació ha demostrat que l'aprenentatge actiu i pràctic és més efectiu per al cervell, i jugar contra aquests algoritmes és una opció. A més, el contacte constant amb les IA ens fa entendre més el seu funcionament i la seva lògica, fins que amb el temps acabem dominant el seu llenguatge i entenent el pensament computacional.
Competir en un joc contra una IA no només té beneficis per a l'aprenentatge, també porta avantatges addicionals que milloren les nostres soft skills (habilitats toves) com ara la presa de decisions ràpides, el raonament estratègic i la resolució de problemes complexos. A més, ens brinda l'oportunitat d'explorar noves formes de pensar i adaptar-nos a un entorn digital en constant evolució.
L'aliança entre neuroeducació i Deep Learning és inevitable
Així doncs, l'aliança entre neuroeducació i Deep Learning es fa inevitable, sobretot si tenim en compte que les IA com AlphaZero estan basades en xarxes neuronals profundes que permeten un raonament sofisticat i sengles algorismes de recerca i raonament que són de propòsit general o generalistes, és a dir, creats per comprendre múltiples jocs, tal com fa el cervell humà. D'aquesta manera, la IA deixa de percebre's com una adversària invencible, per passar a ser una oportunitat per créixer i expandir les possibilitats del joc i les nostres capacitats.
Fonts:
https://www.cerem.es/blog/el-deep-learning-la-tecnologia-del-futuro-en-la-inteligencia-artificial
Sin Comentarios