Itinerari d’aprenentatge Scratch: una aventura gamificada per aprendre a programar
L’Itinerari d’aprenentatge Scratch “L’aventura del codi” és un recurs interactiu creat per Albert López Nvarro que proposa una trajectòria guiada per descobrir i aprofundir en la programació mitjançant reptes, premis i estructuració gamificada. Organitzat en diverses illes temàtiques, cada etapa proposa un conjunt de reptes progressius (programació de personatges, moviment, interacció, variables, mecanismes de joc…) que l’alumnat ha de superar per avançar. A mesura que progressa, acumula insígnies, acumula punts i desbloqueja continguts nous fins a arribar al repte final.
Repte 1:
🎮Crear un videojoc
El repte 1 consistirà a crear un joc on el personatge (gat) haurà de moure’s per tota la pista de bàsquet intentant esquivar una pilota que anirà rebotant. Està dividit en 7 subreptes .
2n i 3r Cicle de Primària
Recurs creat per l’Albert López Navarro
Repte 2:
₪ El laberint
El repte 2 consistirà a crear un petit joc on el personatge principal haurà de recórrer un laberint fins a arribar a la bandera final. Si es toca una paret s’haurà de tornar a començar des de l’inici del laberint. Està dividit en 6 subreptes .
2n i 3r Cicle de Primària
Recurs creat per l’Albert López Navarro
Repte 3:
🎶 El musical
En el repte 3 aprendrem a utilitzar els blocs musicals, tant els de so com els que es troben dins de l’extensió “Música”. Està dividit en 5 subreptes .
2n i 3r Cicle de Primària
Recurs creat per l’Albert López Navarro
Repte 4:
🚀 Nau espacial
En el repte 4 aprendrem a crear un videojoc interestelar, és a dir, el típic arcade de naus espacials. Està dividit en 7 subreptes .
2n i 3r Cicle de Primària
Recurs creat per l’Albert López Navarro
Recurs creat per l’Albert López Navarro
Repte 5:
🐍Joc de la serp
El repte 5 aprendrem a dissenyar i programar un joc inspirat en el clàssic Snake. . Treballarem conceptes com el moviment continu, la detecció de col·lisions i la gestió de puntuacions, tot aplicant de manera integrada els aprenentatges dels reptes anteriors.Està dividit en 6 subreptes .
2n i 3r Cicle de Primària
Recurs creat per l’Albert López Navarro
Repte 6:
🎬 Creem una història!
En el repte 6 aprendrem a dissenyar i programar una petita història animada utilitzant Scratch. Treballarem elements com la creació de diàlegs entre personatges, canvis de fons i altres recursos expressius per donar vida a la narració. Està dividit en 7 subreptes .
2n i 3r Cicle de Primària
Recurs creat per l’Albert López Navarro
Repte 7:
🕹️ Pong en parelles
En el repte 7 aprendrem a dissenyar i programar el joc Pong utilitzant Scratch per dues persones. Està dividit en 7 subreptes .
2n i 3r Cicle de Primària
Recurs creat per l’Albert López Navarro
Final
🌟Repte final creatiu:La Gran Aventura Scratch!
En el repte final aprendrem a crear un videojoc original que combini elements dels reptes anteriors (moviment, col·lisions, música, història, etc.) i mostri tot el que s’ha après.
2n i 3r Cicle de Primària
Per treballar un aspecte concret, en una o més sessions de treball.
Què és la intel·ligència artificial?
Tenim moltes definicions per a intel·ligència artificial. Algunes de les més entenedores són:
- L’art de crear màquines que realitzen funcions que requereixen intel·ligència quan les realitzen les persones (Kurzweil, 1990).
- L’automatització d’activitats que associem amb el pensament humà com ara la presa de decisions, la resolució de problemes, l’aprenentatge, … (Bellman, 1978).
La intel·ligència artificial no és nova. Des de fa molt de temps, s’ha intentat fabricar màquines que puguin fer servir una intel·ligència semblant a la intel·ligència humana per poder donar resposta a diferents estímuls o reptes.
De fet, Ramon Llull (1232-1316) Va dissenyar una màquina (Ars Magna) en la que es giraven uns discos que donaven unes composicions de lletres. Aquestes combinacions estaven registrades a unes taules que permetien construir arguments per rebatre.
George Boole (1815-1864) va aconseguir mecanitzar el raonament lògic i Ever Willem Beth (1908-1964) va proposar unes taules semàntiques intuïtivament senzilles que van ajudar a endreçar aquestes idees.
Alan Turing (1912-1954) escriu, l’any 1950, un article en el qual es qüestiona si les màquines poden pensar. Va realitzar un test, conegut com el test de Turing, que consistia en el següent:
El test de Turing
- Hi ha tres participants:
- Un jutge humà
- Un humà que respon
- Una màquina que respon
- Tots tres es comuniquen mitjançant text (xat), de manera que el jutge no pot veure ni escoltar els altres dos.
- El joc d’imitació:
- El jutge fa preguntes lliures a l’humà i a la màquina (sense saber qui és qui).
- Tant la màquina com la persona intenten respondre com si fossin humans.
- Objectiu del test:
- Si el jutge no pot distingir amb fiabilitat quin dels dos és la màquina, aleshores es considera que la màquina ha passat el test de Turing.
- És a dir, ha demostrat un nivell d’intel·ligència artificial capaç d’imitar el pensament humà de manera convincent.
El 1956, a la Darmouth Conference, es van construir les primeres bases del que avui en dia entenem per intel·ligència artificial. És a partir d’aquesta data quan podem parlar pròpiament del terme “intel·ligència artificial”. El 1956, John McCarthy va proposar la següent definició, que avui en dia encara es manté: “La Intel·ligència Artificial és la disciplina dins del camp d’informàtica o enginyeria que s’encarrega de sistemes intel·ligents, aquells que són capaços de realitzar funcions associades a la intel·ligència humana com ara aprendre, entendre, adaptar-se, raonar o interactuar“.
La superació de les màquines en activitats de raonament
A finals del segle XX, s’accelera la cursa per fer màquines dotades amb intel·ligències artificials cada vegada millors. Es consideren com a punts clau aquestes fites històriques:
- Any 1997. L’ordinador Deep Blue va guanyar al gran mestre dels escacs Kasparov, després d’haver perdut clarament l’any 1996.
- Any 2011. L’ordinador Watson és capaç de guanyar a humans al joc Geopardy (un joc de preguntes i respostes ràpides).
- Any 2020. Apareix GPT 3, una intel·ligència artificial capaç de mantenir converses, generar textos, opinions i també programar altres màquines:
Per què ara es parla tant d’intel·ligència artificial?
Els últims anys, han suposat un canvi molt gran en l’aplicació del que coneixem com a intel·ligència artificial dins del nostre dia a dia. Per exemple:
- Les persones fem servir de forma massiva els serveis digitals, això fa que a internet s’emmagatzemin totes les dades de les nostres interaccions. A banda, estem desenvolupant processos de digitalització del món físic. Per aquests motius, tenim una gran quantitat de dades per entrenar els nostres sistemes d’IA. Aquesta gran quantitat de dades s’anomena Big Data.
- Els darrers anys s’han produït avenços molt importants en l’àmbit tecnològic, que permeten executar sistemes d’intel·ligència artificial amb processadors molt potents i utilitzant sistemes d’emmagatzematge a gran escala i amb baix cost.
- S’han produït avenços en els algoritmes d’IA, com ara el desenvolupament d’arquitectures de xarxes neuronals.
La intel·ligència artificial té presència en aquestes accions quotidianes:
- Els assistents de veu.
- Aplicacions dels telèfons mòbils (per exemple autoenfocament de la càmera).
- El contingut que et mostren les xarxes. De fet, l’algoritme de les grans xarxes socials que decideix quins continguts prioritzen per mantenir-te més temps connectat, és un dels tresors més valuosos de l’actualitat.
- Text predictiu: t’avança el final d’una paraula o la paraula que potser vols escriure a continuació, basant-se en experiències de molts altres usuaris o, fins i tot, de l’ús del llenguatge que tu fas.
- Recomanacions i anuncis de productes o serveis que et poden interessar, basant-se en la teva navegació per internet.
- Automatització de la llar a través de sistemes d’Internet de les coses (IoT).
- Els xatbots, mecanisme utilitzat per algunes empreses per fer l’atenció al client.
- La navegació per mapes i indicacions dels GPS.
- Detector del correu spam que arriba al correu electrònic.
Un canvi de paradigma a l’hora d’ensenyar robòtica i programació
D’ençà que va néixer l’estudi de la intel·ligència artificial, hi ha hagut dos enfocaments enfrontats a l’hora d’ensenyar la programació:
- Per un costat, hi ha un corrent que defensa que, per tal que les màquines puguin raonar, les persones han de definir un conjunt de regles (algoritmes) i principis de lògica que defineixen l’actuació de la màquina. Aquest tipus d’enfocament es coneix com a top-down (de dalt a baix).
- L’altra manera d’entendre el pensament computacional defensa que, inspirant-nos en la biologia, les màquines haurien d’aprendre a partir de l’observació i l’experiència, és a dir, a partir de dades. Aquesta visió es coneix com bottom-up (de baix a dalt).
En els inicis del desenvolupament de la IA, l’enfocament top-down va tenir més èxit, però la visió bottom-up, es va imposant darrerament gràcies a la gran quantitat de dades que investigadors i empreses tenen al seu abast, el Big Data.
Les fites més grans de la IA s’han produït últimament amb ordinadors que aprenen automàticament a partir de dades. Per això, aquest ensenyament es coneix també com a aprenentatge automàtic o màquines d’autoaprenentatge (Machine Learning, en anglès).
Per poder fer servir Intel·ligència Artificial amb Scratch, necessitem donar-nos d’alta a Machine Learning for Kids i a IBM Cloud. Al següent vídeo podeu veure un tutorial per fer aquest registre:
Les pàgines per fer el registre són:
Al següent vídeo trobareu una presentació del que ens podem trobar al programa Machine Learning for Kids:
Un exemple de màquina d’autoaprenentatge amb text, pot ser crear un vehicle autònom que respon a les ordres que escrivim:
Un exemple de màquina d’autoaprenentatge que funciona amb reconeixement d’imatges, pot ser el següent: