Algunes qüestions sobre #artint, la universitat i les persones

He vist l’article AI Gaining Foothold in University Advancement on hi ha els resultats d’una enquesta sobre l’impacte de la IA sobre alguns procediments universitaris (de gestió sobretot). Alguns són percebuts com a altament impactables, per exemple la gestió de les xarxes socials o l’anàlisi de dades. Aquest article esmenta aquest informe que conté una tula sobre “riscos”, possible influència de la IA, i planificació evolutiva:

Relacionat amb l’educació superior, a Survey: Higher Ed Is Not the First Choice for AI Training s’hi diu que els graduats no creuen que les universitats puguin ara mateix proporcionar formació adient i permanent en IA, per no tenir riscos de perdre la feina. Més encara, s’hi diu que

Americans were evenly split in their estimation of the types of skills that are most important for workers to have to protect themselves from losing their jobs to new technologies such as AI or robots. Half said teamwork, communication, creativity and critical thinking are most important; half said math, science, coding and the ability to work with data are most important. 

És a dir, que de fet ni els propis interessats tenen gaire clar quines són les habilitats que cal mantenir per tal de no ser afectats pel desenvolupament de l’#artint. De fet, les habilitats del primer tipus són “toves” i les segones “dures”. Pots calen totes…

Altres entrades interessants que he vist són The Next Big Privacy Hurdle? Teaching AI to Forget (perquè les màquines no saben oblidar), Seven very simple principles for designing more ethical AI (sobre l’ètica) i també An AI System Should Be Recognized As the Inventor of Two Ideas In Patents Filed On Its Behalf, Academics Say, que parla de si una màquina pot considerar-se inventora… o ho han de ser les persones que van dissenyar l’agoritme. Tres temes apassionants.

Igual d’apassionant em sembla que la IA pugui ajudar a escriure codi, a fer programes: New AI-Assisted Coding Tool Called ‘Amazing’ 

Deep TabNine is trained on 2 million files from coding repository GitHub. It finds patterns in this data and uses them to suggest what’s likely to appear next in any given line of code, whether that’s a variable name or a function… Most importantly, thanks to the analytical abilities of deep learning, the suggestions Deep TabNine makes are of a high overall quality. And because the software doesn’t look at users’ own code to make suggestions, it can start helping with projects right from the word go, rather than waiting to get some cues from the code the user writes.

Finalment, cal esmentar un article al diari d’en Xavier Marcel, titulat Màquines i persones on l’autor pronostica un món on la IA ajudi les persones. I al darrer paràgraf, parla del nou pla estratègic de la UdG (gràcies Xavier!)

Bon article! M’agrada el penútim paràgraf: en el futur s’apostarà a fer coses que la IA no sàpiga predir. Una mica com deia fa poc en aquest blog: fer jocs de mans que enganyin les màquines, segurament diferent dels que durant segles han enganyat les persones.

Precisament el pla estratègic de la UdG i la meva curiositat acadèmica i personal és la que m’impulsa a fer entrades sobre intel·ligència artificial en educació superior, en ciència i a parlar sobres les qüestions generals que l’envolten.