Aquesta setmana he continuat fent reunions en línia, alguna per provar noves idees i funcionalitats, un parell de trobades TED-like d’organitzadors TEDx, i una corresponent a la segona jornada #cafèdigital16, ahir mateix. Dilluns la nostra zona sanitària va passar a Fase 1 de la desescalada del confinament per la #covid19, així que ara hi ha bars oberts, botigues obertes, i en general molta més mobilitat. La UdG s’està preparant per recuperar una mica de normalitat, sobretot a nivell de recerca.
La imatge de la setmana:
Estic subscrit a un missatge diari de Thomas Marban, amb uns quants links molt interessants ben seleccionats. Dimarts va proporcionar un acudit de The Economist, que mostra la diferència entre gent de ciència i gent de la política. Em sembla un bon acudit.
Dèries:
M’ha agradat molt aquesta stop-motion del Pac-Man fet amb cubs de rubik… sembla que qui ho va gravar s’hi va estar una setmana per fer-ho! Amazing Rubik’s Cube Pac-Man stop motion animation
Docència
Bon decàleg de l’exrector de l’EHU J.I. Pérez, sobre com veu la docència universitària al nou curs: https://twitter.com/Uhandrea/status/1263101497459355649. De fet, ho té al post Decálogo para un curso académico en año de pandemia:
Pero, por encima de cualesquiera otras consideraciones, no es lo mismo una clase presencial en un aula (menos aún en un laboratorio) que una sesión mediante videoconferencia en la que ni el docente ve a los estudiantes que asisten a clase ni, lo que es más importante, puede hacer uso de los recursos propios del aula. Me refiero a la prosodia, la teatralización, o el uso de sistemas alternativos de presentación de imágenes. No, por mucho que nos empeñemos, el aula es una cosa y la plataforma virtual es otra. Esto no quiere decir que no se pueda impartir docencia por internet. Por supuesto que se puede, pero ha de ser preparada a tal efecto, no una que pretenda llevar a la plataforma de video lo que se explica en el aula.
De forma anàloga, a l’IHE s’hi parla de Contextualizing the 15 Fall Scenarios (descripció dels 15 escenaris)
While no one can foresee what will happen in the fall, most colleges and universities are thinking through a range of options. These options tend to fall along a continuum, with everything being back to normal on one end and fully remote learning on the other. The former is mostly outside the control of most institutions and the latter an option that many would rather not choose, at least not yet. In between is where it gets complicated.
Aquí hi afegiria un article d’@albert_sangra sobre el nou curs titulat Com planificar un curs amb presencialitat discontínua o intermitent? de fa uns 20 dies:
El models de formació mixts, híbrids o blended responen a situacions en què es pot prendre la decisió de determinar les parts presencials i no presencials que els configuren. En el nostre cas, ens trobem davant una necessitat una mica diferent, la de saber com podem dissenyar programacions que facin front a situacions d’aturada de la presencialitat de manera inesperada.
Tot i que la resposta a aquesta qüestió demanaria un espai més ampli, en aquest text l’hem sintetitzada en 5 estratègies bàsiques:
- Elaborar un pla de contingència per a reduir la incertesa en fer front a períodes de presencialitat discontinua o intermitent i contemplant el risc de desigualtats.
- Dissenyar els moments presencials i online amb fluïdesa i de manera que siguin reversibles.
- Incorporar una utilització de la sincronia i l’asincronia que sigui sostenible i que aprofiti el potencial d’aquesta darrera.
- Diversificar els mecanismes de recollida d’informació per a l’avaluació.
- Redefinir una organització que doni suport al professorat per enfrontar-se en millors condicions a aquesta situació.
Ciència
La reacció química més senzilla (o de les més senzilles) és entre HD i H. A l’article One Of The Simplest Chemical Reactions Isn’t Simple At All s’hi comenta com les diferents trajectòries atòmiques fan una espècie d’interferència… és a dir, que hi ha dos mecanismes que tenen lloc simultàniament (per a un sol xoc, és clar!):
A l’article s’hi fa una curiosa analogia amorosa 🙂
One might think of this like a single person seeking to break up a couple and marry one of the partners. They might sweep one partner off their feet, carrying them away before the jilted lover knows what is happening. Alternatively, the interloper may hang around creating stress within the relationship until the previous closeness loosens and they can form a new bond instead.
Intel·ligència artificial
Aquesta setmana hi ha un parell d’articles interessants. Per exemple, a Educause Review, hi ha Artificial Intelligence: Threat or Opportunity? on s’hi reclama el paper dels líders digitals a l’educació superior:
We need more digital leaders in higher education who are sense-makers not only for their own institutions but for the public at large. We need leaders who are optimistic about this technology but also cautions. We need leaders who are engaged in the world of artificial intelligence—whether as researchers, subject-matter experts, educators, ethicists, or administrators in our communities and the world at large—and who are committed to building transparency and trust within the AI world.
This is something technology companies struggle to do, but it’s in the DNA of higher education. Think of digital leadership as a strategy of engagement, taking the understanding of, resources for, and experiences with artificial intelligence cultivated within colleges and universities—whether through basic research, experimentation, teaching, or academic innovation—out into the world to meet its most pressing challenges. Doing so not only will quell fears but also may instill—perhaps even increase—confidence in higher education at a time when we need it most.
As artificial intelligence continues to move further into the mainstream (which it will) and as regulators struggle to govern AI research and development (which they will) and as the market continues to coalesce around big-tech companies such as Facebook and Google (which it will), higher education is uniquely poised to gain public trust once again.
També, a Wired, s’hi diu It’s Called Artificial Intelligence—but What Is Intelligence? i es compara amb com aprèn un nen de 3 mesos (s’hi cita Flatland, un llibre clàssic):
We’re sort of exploring Flatland—only some dimensions of basic intelligence,” he says. Tenenbaum believes that, just as evolution has given the human brain certain capabilities, AI programs will need a basic understanding of physics and psychology in order to acquire and use knowledge as efficiently as a baby. And to apply this knowledge to new situations, he says, they’ll need to learn in new ways—for example, by drawing causal inferences rather than simply finding patterns. “At some point—you know, if you’re intelligent—you realize maybe there’s something else out there,” he says.
Igualment a Wired, hi ha Is the Brain a Useful Model for Artificial Intelligence? i s’hi comenta que encara no se sap ben bé com funciona el cervell… ni tampoc perquè les xarxes neuronals en intel·ligència artificial funcionen tant bé.
Despite these similarities, most artificial neural networks are decidedly un-brainlike, in part because they learn using mathematical tricks that would be difficult, if not impossible, for biological systems to carry out. Yet brains and AI models do share something fundamental in common: Researchers still don’t understand why they work as well as they do.
M’agrada la darrera frase: no sabem descriure què és la intel·ligència, però quan la veurem, la sabrem reconèixer.
Still, it’s crucial to remember, as we catalog the details of how intelligence is implemented in the brain, that we’re describing the emperor’s clothes in the absence of the emperor. We promise ourselves, however, that we’ll know him when we see him—no matter what he’s wearing.
Per acabar, un quart article fa referència a la #covid19, també a Wired, sobre la baixa qualitat de les dades, sense les quals l’#artint té dificultats per trobar solucions: Why Didn’t Artificial Intelligence Save Us From Covid-19?
But again, it’s all a matter of data—what data we’ve already gathered, and whether we’ve organized it in a way that’s useful for machines. Our health care system doesn’t give up information easily to train such systems; privacy regulations and balkanized data silos will stop you even before the antiquated, error-filled health databases do.
It’s possible this crisis will change that. Maybe it will push us to rethink how data is stored and shared. Maybe we’ll keep studying this virus even after the chaos dissipates and the attention wanes, giving us solid data—and better AI—when the next pandemic arrives. For now, though, we can’t be surprised that AI hasn’t saved us from this one.