IA sem tela: atividades desplugadas para discutir inteligência artificial em sala de aula

 

Se tem uma pergunta que ouço com frequência de professores é: "como eu ensino sobre inteligência artificial se minha escola não tem Chromebook para todo mundo, ou se meus alunos são pequenos demais para usar essas ferramentas sozinhos?"

A resposta é simples e, ao mesmo tempo, contraintuitiva: você não precisa de tela nenhuma para ensinar os conceitos mais importantes sobre IA. Muito do que fascina, e do que preocupa, na inteligência artificial hoje pode ser vivenciado com papel, tesoura e cola, e uma boa conversa em grupo. E, mais do que isso: tirar a tela da equação obriga a turma a desacelerar e realmente pensar sobre o que está por trás da "mágica".

Foi essa a proposta que levei para o ISTELive e o ASCD Annual Conference deste ano, num pôster chamado "No Screens, Big Concepts". Trago aqui algumas dessas atividades, adaptadas, para quem quiser aplicar em sala.

Por que desplugar antes de plugar

Um dos riscos que mais vejo no entusiasmo em torno da IA generativa é pular direto para "use este prompt" ou "peça pro Gemini fazer isso", sem que a turma tenha construído antes um modelo mental do que está acontecendo por trás da tela. Sem esse chão conceitual, a ferramenta vira caixa-preta: os alunos aprendem a operar, mas não a questionar.

As atividades desplugadas resolvem isso porque tornam visíveis e manipuláveis processos que, numa IA de verdade, são invisíveis: o treinamento em dados, o reconhecimento de padrões, a propagação de viés, a diferença entre prever a próxima palavra e compreender o significado.

Cinco atividades para levar para a sala

Então eu proponho aqui cinco atividades desplugadas para trabalhar diferentes conceitos envolvidos na IA.

1. O jogo do macaco que morde: a turma recebe cartas de animais e precisa descobrir, por tentativa e erro, qual é a regra secreta que faz o "macaco" morder ou não (por exemplo: "só bicho de quatro patas morde"). É uma introdução lúdica e muito eficaz ao reconhecimento de padrões, a base de como um modelo de IA "aprende" a partir de exemplos, sem que ninguém lhe diga a regra explicitamente.

2. Teste de Turing ao vivo: em trios, um aluno responde perguntas normalmente, outro só pode ler respostas pré-escritas propositalmente com IA, e um terceiro tenta adivinhar quem é o humano. Depois da brincadeira, a discussão que realmente importa: o que faz uma resposta soar "artificial"? E por que uma IA às vezes engana justamente por parecer natural demais?

3. Detetives de viés: grupos recebem um "banco de dados" de cartas representando médicos, enfermeiros e cirurgiões, contam a proporção de homens e mulheres em cada categoria e descobrem o viés escondido nos números. É o momento de trazer para a mesa um caso real e documentado: em 2018, a Amazon precisou desativar uma ferramenta de recrutamento por IA que penalizava sistematicamente currículos de mulheres, porque tinha sido treinada em anos de contratações majoritariamente masculinas. A atividade deixa concreto algo que costuma soar abstrato demais quando só se fala em "viés algorítmico".

4. A ponte para o Quick, Draw!: antes de rodar o famoso jogo no telão, a turma joga uma rodada de adivinhação tradicional com palavras como "casa" e "árvore". A virada pedagógica vem na segunda rodada: pedir para desenhar uma "árvore do Brasil" (uma palmeira, por exemplo) ou uma "casa vista de cima". A pergunta que fica: um banco de dados de 50 milhões de desenhos, de quais culturas, de quais infâncias, ele realmente aprendeu?

5. Complete a frase: a turma completa frases em três rodadas de dificuldade crescente: fáceis e óbvias ("o gato sentou no ___"), ambíguas ("ele foi ao banco para ___" - sentar ou sacar dinheiro?) e armadilhas propositais, como a célebre frase de Chomsky "ideias verdes incolores dormem ___", gramaticalmente perfeita e semanticamente sem sentido. A discussão final é a mais importante do conjunto todo: prever a palavra mais provável é a mesma coisa que compreender o que ela significa?

A pedagogia por trás do jogo

Nenhuma dessas atividades tem como objetivo "ensinar tecnicamente" como funciona uma rede neural ou um LLM, isso não é o papel da educação básica, nem precisa ser. O objetivo é dar à turma um vocabulário conceitual e crítico: dado de treinamento, padrão, viés, previsão versus compreensão. São exatamente os tipos de competência que aparecem nos referenciais internacionais de letramento em IA (UNESCO, ISTE) e que, cada vez mais, também estruturam as diretrizes brasileiras sobre o tema.

E há um benefício colateral e nada desprezível: essas dinâmicas funcionam em qualquer escola, com qualquer infraestrutura, para qualquer faixa etária, basta adaptar o vocabulário e a complexidade da regra escondida.

Se você aplicar alguma dessas atividades, compartilha aqui nos comentários ou marque a comunidade GEG Brasil nas redes.