Un sistema d'IA aprèn patrons de les seves dades d'entrenament i, davant una instrucció, calcula una sortida probable. Probable no és veritable: un error plausible sona tan segur com un encert, i la resposta canvia amb la instrucció, el context i la versió. Per això cal comprovar. Cercar, recuperar i generar no donen la mateixa garantia; cada afirmació es revisa amb la seva font, la seva data i el seu autor, i es distingeix si és un fet, una inferència, una opinió o una predicció. La lectura lateral i les fonts oficials ajuden a decidir en què confiar. En usar una IA intervenen les nostres dreceres: el biaix d'automatització ens fa acceptar el que sona expert, el de confirmació ens porta a preguntar buscant un «sí» i l'ancoratge fa que la primera resposta pesi massa. Per aprendre amb IA sense deixar d'aprendre serveix el protocol de cinc passos: primer intent, delimitar i demanar, comprovar, registrar i resoldre una tasca nova sense ajuda. El que publiquem i el que es registra sobre nosaltres forma l'empremta digital i la reputació; els ajustos per defecte i el disseny persuasiu empenyen a compartir més i a abusar dels recursos digitals. Les dades personals, i sobretot les sensibles, no es pugen a una eina no autoritzada, i sobre elles tenim drets. Delegar no elimina la responsabilitat, i la llei europea tracta amb una cura especial els sistemes que decideixen en educació.
Com funciona la IA
- Dades, entrenament i model
- Instrucció, inferència i sortida probable
- Errors plausibles
- Programari i robots
Comprovar i biaixos
- Cercar, recuperar, generar
- Font, data i autor
- Fet, inferència, opinió, predicció
- Lectura lateral
- Biaixos: automatització, confirmació i ancoratge
Aprendre amb IA
- Modes M0, M1 i M2
- Protocol de cinc passos
- Transferència sense ajuda
Identitat, dades i normes
- Empremta, reputació i ús dels recursos digitals
- Dades personals i sensibles
- Drets i consentiment
- Mapa de responsabilitats
- Alt risc en educació