Curso 'AI & Equity. Navigating the divide.' por Danel Rey para ASEF:
AI & Equity. Navigating the divide I. AIED & EFA: AI & Education + Education for all.
AI & Equity. Navigating the divide II. AI tools for or against equity.
Principales herramientas:
Transcriptores para sordos: Vosk, Google Live Transcribe, Otter.ai, https://dictation.io/speech
Traductor a lenguaje de signos: Hand talk.
Lectores de pantalla: NVDA,
Conversores texto a voz: Google Translate, Balabolka (optimizado para dislexia).
Descriptores de fotografías: Be my eyes.
Descriptores de imágenes: Google Lens, Lookaout AI.
Facilitadores de lectura: Microsoft inmersive reader, Natural reader, ClickUp Brain.
Compañero virtual: Replika, Moodbots
Adaptadores curriculares: Deepseek, Read&Write for Google Chrome, Khanmigo, Diffit,
Compensadores de dificultades de movilidad: OpenCV, Windows Speech Recognition, Google Voice Access, Google Look to Speak, Google Project Gameface, Dragon NaturallySpeaking, LipSurf, Neuralink.
Traducción: Google translate, Argos
ENLACES IA facilitados por Ana Belén Gómez:
● Libro de eScholarium de Arturo Mandly Manso (I.E.S. José Manzano)
● Python y geogebra de Arturo Mandly Manso
● Canal de Youtube Xavier Mitjana
Cursos de IA en Evex de otros profes.
¿Ejercicio a medias con Julia Cabanelas (ASEF)? ¿Editar un anuncio para los recreos, con fines educativos, que incluya voz o música generada por una IA?
K12 Computer Science: currículo digital para 4-16 años.
Readable or Rewordify, Voyant or Textalyser
IBM Watson Tone Analyzer: IBM Watson Tone Analyzer is an AI-powered tool that can analyze the tone and emotion of a piece of literature. It can identify the emotional and social tone of the text, highlighting the dominant tone and providing a breakdown of different emotions expressed in the text.
Luminoso: Luminoso is an AI-powered tool that can analyze large amounts of text data, including literature. It can identify themes, topics, and sentiment in the text, and provide insights into the underlying meaning and context of the literature.
Zest AI: Zest AI is an AI-powered tool that can analyze the complexity and readability of a piece of literature. It uses natural language processing to identify complex sentence structures, difficult vocabulary, and other factors that can affect the readability of the text.
Plotagon: Plotagon is an AI-powered tool that can create animated videos based on literature. It can convert text into animated videos, adding visual elements to help students better understand literary concepts and themes.
Alexa in Space : curso sobre AI utilizando AppInventor.
Grammarly: un paso más sobre la corrección de textos que ofrecen los editores de texto. Inglés.
Lenguagetool: lo mismo, pero incluye Español.
https://tinywow.com/ Herramienta que están usando en Asia. Aunque son más bien herramientas básicas, incluye alguna de generación y mejora de textos.
Otras habilidades para Eliza.
Ejercicio visión artificial IA: juez posturas yoga, el pino, calistenia... Traductor lengua signos. Garrafa aplastada: OK: lista para el contenedor...
Eddy4teachers: plataforma de enseñanza con uso intensivo de las novedades tecnológicas.
https://edm8ker.com/: similar a la anterior.
Pumice.sj: projecto para introducir la IA en primaria y secundaria.
Orange data minning: herramienta descargable para crear aplicaciones con aprendizaje no supervisado. (ejemplo Monet/Manet). Tutorial.
Evaluar Khanamigo en Khan Academy.
¿Te vas a quedar sin trabajo?, por Jaime Altozano.
¿Qué significa realmente IA?; por Jaime Altozano.
Le he pedido a una IA que me haga este videoclip, por Jaime Altozano.
IA y Educación: entrevista a Wayne Holmes.
Generación de imágenes: a partir de un generador de ruido aleatorio, con los progresivos filtrados, van buscando coincidencias con el objetivo, y con iteraciones sucesivas consiguen que es parezca.
Pendiente de evaluar:
https://machinelearningforkids.co.uk/#!/about Permite exportar los modelos a AppInventor.
https://sites.google.com/view/stablediffusion-with-brain/
Perplexity.ai
Jasper AI Genera textos.
Synthesia Crea un avatar animado.
Do not pay Abogado virtual
Jenni AI: escribe ensayos
Canvas docs: genera una presentación a partir de un documento de textos.
generated.photos/face-generator: genera caras artificiales.
designer.microsoft.com: genera imágenes a partir de descripciones por texto.
Elicit.org
Neuroflash
Herramientas específicas:
https://www.mixo.io/ A través de un formulario crea un sitio web, al estilo de Wix, pero tecleando los elementos que necesitamos.
https://runwayml.com/ Modifica imágenes y vídeos mediante IA.
Planificación inicial:
1) Presentación profesor y asignatura.
2) Creación de un wiki para publicar prácticas, aprendizajes y reflexiones. Primera pregunta:
Lista de ejemplos de máquinas, herramientas, instalaciones... inteligentes. Clasifica en sencillas, complejas e intermedias.
3) Identificación de los elementos: sensores, actuadores, unidad de control.
4) Elementos que conforman un sistema de inteligencia artificial actual.
Ejemplo de MachineLearning: Instalar terminada la app 'Piedra, papel y tijera' e intentar adivinar qué el lo que hace para ir aprendiendo a competir con nosotros y acabar ganándonos. Haz una reflexión en tu wiki.
5) Introducción a la programación: diagramas de flujo > code.org > scratch (polígonos, tablas de multiplicar)
Ejercicio: Observa un filtro de instagram que añade unas gafas a tu cara y dibuja los bloques que contendrá el programa.
Ejercicio: cómo se diseña un juego automático: robot, lobo, pollo y lechuga. Aprende a:
Identificar elementos, estados, posibles,
Condiciones: diseña un juego de ping-pong. La pelota rebota cuando toca la raqueta, con un ángulo inverso al que trae. Si se sale del tablero, cuenta un punto. Explicar las instrucciones básicas: si toca, rebotar, cambiar dirección.
Habitación robotizada.
5B) Ejercicio: busca ejemplos de IA en tu película o serie favorita, analiza el sistema y preséntalo a tus compañeros. Valora las aplicaciones y consecuencias. En grupo, para que no sea demasiado largo.
5D) Debate: ¿a quién mata el coche automático en caso de conflicto, al de dentro o al de fuera?
Introducción a los chatbots. Práctica 1.
Introducción a las fakenews. Práctica 2.
6) Visión artificial, filtros de instagram... Facefinder,
Interacción con humanos: Rayos láser.
7) Diseño de apps (porfolio, magic ball, paint pot, mole mash).
8) Entrenamiento de un sistema de visión artificial: Machine Learning. Ejercicios:
9) App: caza del tesoro.
10) Aspectos legales, éticos y sostenibilidad.
11) Análisis del lenguaje: Análisis de conductas (LearningML).
12) Robots autónomos:
a) Programar un objeto scratch moviéndose por el tablero, parecido al juego del pingpong.
b) El robot busca y recoge una bola verde. Programar un juego en scratch que lo simule.
13) Tratamiento de datos. Código binario. Tipos de archivos.
14) Introducción a Python con Snakify.
Consejo para los entrenadores de imágenes: usamos las imágenes de Google, no propias, sujetas a normas legales.
Decreto Bachillerato - Borrador DOE
Propuestas de aula bien detalladas:
https://ai4k12.org/ Para nuestros alumnos, coger los objetivos de 6-8. El 9-12 es más bien alto.
Propuesta de un proyecto Erasmus liderado por la Universidad da Coruña.
https://magenta.tensorflow.org/demos
Posibles prácticas:
Ejercicios con Snakify para escribir programas capaces de:
Calcular un factorial, la serie de Fibonacci...
Averiguar si un número es primo, si un número pertenece a una serie...
Corregir una falta de ortografía...
Ejercicios con MakeBlock:
Programar un robot sin sensor para que recorra un laberinto.
Programar un robot con sensor para que acarree material siguiendo un trazo en el suelo.
Hacer un gráfico con el nivel de luminosidad de las diferentes zonas de un aula.
Ejercicios con hojas de cálculo:
Disparar una alarma si el nivel de CO2 en algún aula supera un umbrar fijado.
Recursos en Internet:
Curso del Intef para empezar a través de Scratch.
Tutoriales AppInventor. Ejemplo: 'Piedra, papel y tijera'.
Complementos de Scratch para ejercicios de AI.
Machine Learning for kids. (MLFK)
Facefinder: muy sencillo, necesita webcam y aceptable iluminación. 30'. Luego, diseñar los 'filtros' de instagram.
Rayosláser. Peculiaridades:
Si no tienen experiencia previa en Scratch le va a costar encontrar los bloques.
Para no empezar el programa de cero se puede buscar empezado en Templates.
No vale entrar directamente en Scratch3. Hay que hacerlo desde el Proyecto de reconocimiento de voz ya creado en MLFK , para que incluya el módulo de voz directamente.
El botón para grabar los sonidos en MLFK no me iba bien en Firefox, pero sí en Chrome.
Prácticas en LearningML. Plataforma LearningML.
Teachable machine, herramienta para programar.
Curso en Moodle de AulaAragón.
Colab. Explicación. Permite programar Python -y HTML, y otros lenguajes, creo- en la nube, y se recomienda para análisis de datos e inteligencia artificial. Nos valadría para comprobar que lo aprendido en Snakify funciona en otros IDEs de Python. En este vídeo, minuto 7, explica muy bien cómo utilizar una matriz para almacenar datos, y el IDE permite visulazar instantaneamente el contenido de la matriz, con lo cuál la depuración de los programas será más sencilla. Pero pienso que no tenemos tiempo para aprender a movernos en este entorno.
También podría ser útil hacer algún ejercicio con Google Apps Script, en el sentido de aprender a automatizar el manejo de archivos.
En mBlock IDE aparecen comandos de IA para el dispositivo CiberPy.
Posible programación de clase.
1ª Evaluación:
a) Actividades complementarias.
1) Presentación de la materia. Solictar CV.
2) Crear un wiki como porfolio de cada estudiante. Ejercicio: ¿usos que se te ocurren de la IA?
b) Actividades específicas:
1) Introducción a la programación con Scratch: cuadrado, polígonos, potencias.
2) Tema Uno: ejercicios de MachineLearning y Scratch.
2A) Primer ejercicio: Cumplidos/Insultos. Introducción a la plataforma. El mismo explicado en Español:
Análisis de conductas (LearningML).
2B) Imitador: la creación del modelo es muy lenta, meter solo una imagen de cada categoría. Por ejemplo, una con gafas, una con sombrero y una sin nada. Las clasifica bien. Creo que no almacena los ejercicios, incluso registrándonos como usuario, falla.
2C) Ojos láser: aprender de un modelo que reconoce imagen y voz.
3) Anota en tu wiki: el objetivo, el programa, un comentario sobre su eficiencia, otro sobre situaciones en que se podría utilizar y otro sobre ventajas e inconvenientes.
4) AppInventor. Ejercicios: Porfolio. MagicBall... O mejor, estos tutoriales de temática AI -aunque no enseñan los fundamentos, solo programan demos utilizando modelos internos-:
2ª Evaluación:
a) Programación en Python con Snakify.
b) 'Piedra, papel y tijera'. Demasiado largo y difícil. Solo podrían hacerlo los de 2º de bachillerato que consiguieron un buen nivel en 1º y después de manejar variables con Snakify. Que sea con piezas de colores no evita la dificultad de manejar tantas variables y datos.
En lugar de hacer el ejercicio, plantearlo como:
1) Pasarles el apk, que lo instalen y que vean cómo aprende.
2) ¿Cuántas opciones hay en este juego? ¿Cuántas combinaciones para cada ronda?
3) ¿En qué se basará el programa para ganar? ¿Qué tipo de aprendizaje podrá hacer?¿Qué observará en el comportamiento humano para poder vencerle?
4) ¿Qué tipo de información necesita manejar y memorizar el programa para que llegue a funcionar?
Esta reflexión pueden hacerla todos; programarlo, no.
El hecho de seguir el tutorial y programarlo es prácticamente un 'curso de programación'; se usan variables, matrices, actualizaciones... Solo alumnos muy capaces y motivados serán capaces de terminarlo.
3ª Evaluación:
1) El ejercicio Cumplidos/Insultos para la 3ª evaluación, programando con Python.
Objetivos / Metodología:
1) Aprender qué son los sistemas de AI y cómo funcionan a grandes rasgos.
2) Montar en grupos o parejas pequeños sistemas inteligentes.
3) Reflexionar sobre las consecuencias del uso de estos sistemas.
4) Objetivo indirecto: aprender la esencia de la programación.
Hacer solo programas sencillos, que estén al alcance de todos los alumnos. Permitir, como ampliación, que los interesados hagan programas complejos.
Puesto que soy nuevo en la materia, y los alumnos más, tenemos qué aprender juntos: no pueden esperar que yo les enseñe lo que aún no sé. Por tanto, la dinámica general de la clase va a ser de investigación, dentro de lo posible, en grupos.
Para testear en 2TIC:
Caza de objetos
Resumen Currículo:
Competencias específicas:
1. Indagar sobre la composición, el funcionamiento y la finalidad
2. Analizar las necesidades de datos y su tratamiento
3. Realizar experimentación programada
4. Explorar y reflexionar acerca de la contribución de la IA al desarrollo personal y social
Saberes básicos:
«Fundamentos de inteligencia artificial» (A),
«Tratamiento de la información» (B),
«Programación informática» (C),
«Fundamentos de métodos numéricos» (D)
«Ética e IA» (E).
Contenidos curso Universidad de la Coruña:
Intro
1) Elementos que incluyen los sistemas de IA (2 horas):
1. Perception 2. Actuation 3. Representation 4. Learning 5. Reasoning 6. Collective Intelligence 7. Motivation 8. Sustainability, ethics and legal aspects of AI
2) Sensores y actuadores.
3) Representación y razonamiento (5 horas).
4) Aprendizaje (6 horas).
5) Implementación de la App (4horas)
6) Sostenibilidad, ética y aspectos legales. (4 horas).
7) El robot se mueve por el suelo evitando paredes y obstáculos fijos (5horas y media).
Programar un objeto scratch moviéndose por el tablero, parecido al juego del pingpong.
8) El robot busca y recoge una bola verde (6 horas).
Programar un juego en scratch que lo simule.
9) Interacción con humanos (5 horas).
10)
Introducción a Python (6 horas)
11) Python y robótica.
12) Aprendizaje por refuerzo (5 horas).
13)
14)
En alguno de los temas anteriores, aún en desarrollo, está prevista el reconocimiento de imágenes.
15) Inteligencia humana
Infografía
16) Internet de las cosas (5horas y media)
Medición de iluminación, temperatura y nivel de ruido. Encendido de luces, ventilador y aviso de ruido.
17) AI y sostenibilidad.
Infografía.