Em 2005, assumi a Secretaria Nacional de Educação a Distância do MEC. Por ocasião da minha posse, afirmei: “Educação a distância: no começo estranha-se, depois entranha-se”.

Atualmente, aquela frase, inspirada em Fernando Pessoa, dispensa explicações. O mundo digital na educação, que era então embrionário, hoje está plenamente consolidado e operante. Permanecem ainda muitos desafios a enfrentar, tais como o risco do aumento da desigualdade social, decorrente da não equalização de acessibilidade à rede internet, e de garantia de qualidade dos conteúdos digitais distribuídos, bem como rigor com o uso apropriado dos dados coletados.

Passados mais de 15 anos, qual seria uma frase similar no contexto atual? A resposta na minha opinião é simples: “Educação incorporando Inteligência Artificial não será a mesma de antes”.

Esta próxima década que se avizinha (2021-2030) será moldada por inovadoras plataformas de aprendizagem inteligentes. Muito além da educação a distância da década anterior, esses novos ambientes virtuais de aprendizagem estarão recheados com analítica da aprendizagem, algoritmos, assistentes virtuais por fala, laboratórios de simulação e múltiplas realidades, metacognição, edugenômica etc.

Estamos falando de um futuro imediato, mas certamente iluminados por pensadores do passado que conseguiram antever o que estamos passando. Henri Poincaré (1854-1912) afirmou: “Ciência é construída com fatos, tal qual casas são feitas com tijolos. Porém, uma coleção de fatos não é por si ciência, bem como um punhado de pedras não se constitui numa casa”.

Em 1936, com Alan Turing (1912-1954), nasce a Ciência da Computação ou Ciência dos Dados Moderna. A Máquina de Turing constitui o marco inicial, mas atualmente fomos muito além. “Machine Learning” ou Aprendizagem de Máquina, por exemplo, é uma área da Inteligência Artificial que permite que um sistema aprenda a partir de dados, não mais via somente via uma programação explícita. Para lidar adequadamente com os dados em grandes quantidades (“Big Data”) e deles extrair funções, há que se construir modelos, cujos parâmetros são derivados do tratamento conferido a esses dados.

“Deep Learning” ou Aprendizagem Profunda, por sua vez, descreve as técnicas para construir esses modelos utilizando Redes Neurais, as quais permitem aprender funções muito complexas, em geral utilizando frameworks como Tensorflow, PyTorch, CNKT e outras.

Por que essas funcionalidades acima passaram a ser, rapidamente, tão relevantes no mundo contemporâneo? A resposta mais simples é que jamais tivemos a abundância de dados que dispomos hoje, bem como seria inimaginável a capacidade computacional absurda que temos em mãos. Isso tudo, agregado aos desenvolvimentos recentes em algoritmos e acesso a novas ferramentas e estruturas, e está dada a receita para uma enorme revolução em curso.

De novo, ninguém melhor do que um pensador do passado para melhor descrever a situação do presente. H. G. Wells (1886-1946) previu que  “Pensar usando Estatística um dia será tão necessário para o exercício pleno da cidadania tal qual a habilidade de ler e escrever é hoje em dia”.

Por fim, algo que creio ser válido para todos os setores da sociedade, incluindo todo o mundo da educação, é expresso por uma frase cujo autor desconheço, mas é muito adequada: “Machine Learning não vai substituir os cientistas, porém, os cientistas que usam Machine Learning em um futuro próximo substituirão os que não usam!”.

Os impactos no mundo educacional são múltiplos e variados, incluindo como, o que, e para quem ensinar. A título de breve exemplo dos desafios imediatos, um levantamento recente da BRASSCOM, aponta que, em termos de empregabilidade na área de Tecnologia da Informação, especialmente ancorada em Inteligência Artificial, o Brasil demandará 420 mil novos profissionais, em vários níveis, até 2024.