Introducció a la Intel·ligència Artificial Generativa (GenAI)

Aquest mòdul pretén desmitificar la IA i la GenAI, explorant-ne els usos en el món real i abordant idees errònies comunes. Està dissenyat per ajudar a comprendre les capacitats i les limitacions d’aquestes tecnologies en l’educació superior. Mitjançant l’explicació de conceptes clau i la presentació d’exemples pràctics, el mòdul estableix una base per entendre els fonaments bàsics de la IA i les eines de GenAI.

Què és la Intel·ligència Artificial?

Abans d’introduir la GenAI, cal considerar la IA tradicional. La IA té una llarga trajectòria. Desplaça’t per la línia del temps a continuació per explorar una selecció dels avenços clau en la IA.

(CC BY-NC 4.0) Author: Kyle Mackie (Author) Font: https://qbi.uq.edu.au/brain/intelligent-machines/history-artificial-intelligence

La IA és la teoria i el desenvolupament de sistemes informàtics capaços de dur a terme tasques que àltrament requereixen la intel·ligència humana, com ara interpretar llenguatge, reconèixer patrons a partir de grans quantitats de dades i prendre decisions. Alguns dels noms que rep la IA, segons com està dissenyada i què pot fer, inclouen xarxes neuronals, processament del llenguatge natural, visió per ordinador, reconeixement de veu, aprenentatge automàtic i aprenentatge profund. Tot i que sovint la considerem un producte del segle XXI, existeix des de mitjan segle XX. És molt probable que interactuem amb la IA cada dia. Alguns exemples:

• Demanar al teu telèfon que es desbloquegi per reconeixement de la teva cara.
• Navegar fins com ara Google Maps o Waze per trobar la ruta més ràpida.
• Rebre més publicacions a les teves xarxes socials que coincideixen amb aquelles amb què has interactuat anteriorment (que t’han agradat o has comentat).
• Rebre una notificació del banc sobre una activitat poc freqüent al teu compte.
• Obtenir recomanacions d’una botiga en línia basades en compres anteriors
• Interactuar amb un chatbot de servei al client
• Passar un text per un programari de gramàtica que suggereix millores en l’escriptura
• Utilitzar Google Translate per traduir textos entre idiomes
• Fer servir una aplicació de veu a text al telèfon
• Utilitzar un assistent personal com Siri (macOS) o Alexa (Amazon)

Mike Wooldridge, de la Universitat d’Oxford, parla de la naturalesa de la Intel·ligència Artificial en el següent vídeo.

Què és la Intel·ligència Artificial Generativa (GenAI)?

L’evolució i les capacitats de la GenAI

La GenAI és una classe d’algoritmes informàtics capaços de crear contingut digital —incloent-hi text, imatges, vídeos, música i codi informàtic. Funcionen derivant patrons a partir de grans conjunts de dades d’entrenament que es codifiquen en models matemàtics predictius. Els models de GenAI no conserven una còpia de les dades amb què han estat entrenats, sinó que generen contingut nou a partir dels patrons que han après. Podem utilitzar interfícies com MS Copilot Chat per introduir-hi instruccions en llenguatge natural (prompts en anglès, sovint indicacions en textos de Microsoft) perquè els models de GenAI generin nou contingut.

Amb el desenvolupament de models de GenAI pràctics i d’alta qualitat, aquestes eines poden esdevenir útils en el treball quotidià i tenen un gran potencial en àmbits diversos com l’art, l’escriptura o el desenvolupament de programari.

El següent vídeo breu ofereix una explicació senzilla del funcionament de la GenAI.

El nucli d’una GenAI és un model d’aprenentatge profund entrenat per entendre i generar text, imatges o altres mitjans de manera similar a com ho faria un humà, a partir d’un input de l’usuari (el prompt). Aquest model ha estat entrenat amb enormes quantitats de dades per aprendre patrons dins d’aquestes dades. Per exemple, pot aprendre que certes paraules solen seguir-ne unes altres, o que determinades frases són més comunes en certs contextos.

El següent vídeo breu ofereix una explicació senzilla dels Grans Models de Llenguatge (Large Language Models, LLM):

La qualitat del contingut generat depèn de diversos factors, com ara la quantitat i qualitat de les dades d’entrenament, la complexitat del prompt i la mida del model. Els models més grans solen generar resultats de millor qualitat, però també requereixen més potència de càlcul i recursos. Alguns exemples destacats de sistemes de GenAI:

• Copilot de Microsoft
• ChatGPT (OpenAI)
• Gemini (Google)
• Midjourney (generació d’imatges)
• DALL·E (OpenAI, generació d’imatges).

(Atribució. Aquest secció és adaptada i traduïda de AI in Education, University of Sydney, sota llicència Creative Commons BY-NC 4.0 license.)

Alfabetització crítica en IA

Comprendre els fonaments de la GenAI és important tant per al professorat com per a l’estudiantat d'educació superior. Entendre com funciona la GenAI, explorar les eines que ofereix i conèixer-ne les limitacions, els riscos i les qüestions ètiques és fonamental, especialment a mesura que aquestes eines es fan més presents en l’àmbit acadèmic.

Cal saber:

• Fonaments: Comprendre què és la GenAI i tenir una comprensió no tècnica del seu funcionament.
• Coneixement d’eines: Conèixer els diferents models i eines de GenAI disponibles.
• Limitacions i ètica: Reconèixer les limitacions, els riscos potencials i els dilemes ètics associats a la GenAI.
• Integritat acadèmica: Cal considerar amb cura la relació entre la GenAI i la integritat acadèmica, posant èmfasi en l’ús responsable.

Ús de la GenAI en l’educació superior

Integrar eines de GenAI en l’educació superior pot obrir noves vies per a l’ensenyament i l’aprenentatge. Aquestes eines, entrenades amb grans volums de dades, responen a prompts (entrades o preguntes formulades per l’usuari). Comprendre com funcionen els prompts és fonamental, ja que un mateix prompt pot generar resultats molt diferents.

Per aprofitar la GenAI de manera efectiva, cal aprendre estratègies d’interacció eficient. L’enginyeria de prompts esdevé una habilitat clau: consisteix en l’art de formular prompts que condueixin la GenAI a generar respostes rellevants i precises. A més, quan s’incorpora contingut generat per IA al currículum, cal tenir en compte les qüestions de drets d’autor, assegurant-se que l’ús i la distribució d’aquest contingut compleixin les normes legals i ètiques.

Tot i els possibles beneficis, cal reconèixer les limitacions de la GenAI. La variabilitat en les respostes a prompts idèntics —com es mostra en l’exemple següent (de MS Copilot Chat)— posa de manifest la necessitat d’un enfocament crític en l’ús d’aquestes eines. Això garanteix que la seva aplicació en l’ensenyament i l’aprenentatge estigui alineada amb els objectius educatius i mantingui la integritat del contingut acadèmic.

Fer un ús efectiu de les eines de GenAI en l’educació superior va més enllà de la seva aplicació directa. Requereix una anàlisi crítica dels resultats que generen. Això inclou la modificació de prompts (entendre com analitzar els resultats i ajustar els prompts per obtenir respostes més útils) i l'avaluació del contingut generat per comprovar-ne la precisió, detectar possibles biaixos, considerar-ne les implicacions ètiques i verificar-ne les fonts. Adquirir coneixements adequats sobre la GenAI no només implica entendre’n els aspectes tècnics, sinó també desenvolupar habilitats de pensament crític i reflexiu. Com a professorat, això vol dir aprendre aquestes habilitats i guiar l’estudiantat perquè avaluï amb criteri el contingut generat per IA.

Adoptant aquest enfocament integral, podem assegurar que la integració de la GenAI en les pràctiques educatives es faci de manera responsable, mantenint els valors i estàndards acadèmics, i fomentant un entorn on l’estudiantat estigui preparat per navegar amb discerniment per les complexitats de la IA.

Tecnologia GenAI

Tots els generadors de text amb IA poden —i sovint ho fan— produir informació plausible però falsa, i per la seva naturalesa generen contingut amb biaixos culturals i polítics. Els generadors d’imatges com Midjourney i DALL·E també s’entrenen de manera similar, amb dades extretes d’internet. S’estan desenvolupant moltes altres aplicacions que utilitzen tecnologia GenAI. Les eines actuals poden generar text, imatges, vídeo, música, àudio i codi informàtic. Tot i que no cal tenir un coneixement tècnic detallat per utilitzar aquesta tecnologia, entendre’n alguns aspectes ajuda a comprendre’n els punts forts, les limitacions i les qüestions a tenir en compte. (Alerta! Aquest és un àmbit en ràpida evolució, i la informació aquí presentada pot quedar obsoleta ràpidament.)

Model o eina?

És important entendre la diferència entre els models de GenAI i les eines de GenAI.

Models de GenAI

Els models requereixen coneixements tècnics per interactuar-hi i sovint són utilitzats per investigadors o desenvolupadors. Representen la capacitat “en brut” de la IA per aprendre i generar contingut. El model és la xarxa neuronal, el “motor” de la intel·ligència artificial.

Els models de llenguatge més coneguts són:

• GPT-3.5 – llançat al novembre de 2022 per OpenAI.
• GPT-4 – també d’OpenAI, llançat al març de 2023.
• 2.5 Pro – model estàndard de Google.
• LLaMa (Large Language Model Meta AI) – un model de codi obert.
• Models de difusió per generar imatges a partir de text, com DALL·E d’OpenAI.
• Altres models poden generar vídeo, com Sora d’OpenAI (de text a vídeo).

Eines de GenAI

Les eines estan dissenyades per a usuaris finals i solen tenir interfícies intuïtives. Traduïxen les capacitats dels models en aplicacions pràctiques. Per exemple, una eina d’assistència a l’escriptura pot ajudar l’estudiantat a crear i millorar textos.

Exemples d’eines i els models que utilitzen:

• ChatGPT Free (eina) utilitza el model GPT-3.5.
• ChatGPT Plus** (eina) dona accés al model GPT-4.
• Microsoft Copilot Chat (abans Bing Chat) (eina) utilitza GPT-4.
• Google Gemini (abans Bard) (eina) utilitza 2.5 Pro.
• DALL·E (eina) utilitza un "model de difusió" per generar imatges.

Comprova els teus coneixements

Basada en una activitat d'Orla Daly (CC BY-NC 4.0)

Altres models

Hi ha diversos altres models en desenvolupament. En mencionem alguns:

• Claude, d'Anthropic. Semblant a ChatGPT, popular entre programadors.
• Llama, de Meta, és lleugerament diferent, ja que s’ha publicat com a model de codi obert, que permet executar-lo localment.
• DeepSeek, de l'empresa inesa high-Flyer, també de codi obert.