En termes senzills, la intel·ligència artificial (IA) és una branca de la informàtica que cerca crear sistemes capaços de dur a terme tasques que normalment requeririen la intel·ligència humana. Aquestes feines poden variar des del reconeixement de patrons i la presa de decisions fins a la comprensió del llenguatge natural i la resolució de problemes complexos.

La IA no és només una tecnologia emergent en camps com la medicina o l'enginyeria; també està transformant l’educació, oferint noves eines i mètodes per millorar l’ensenyament i l’aprenentatge. Per tant, comprendre els fonaments de la IA pot ser un recurs molt valuós per qualsevol docent.

La intel·ligència artificial (IA) és una tecnologia que utilitza algoritmes, que són com receptes matemàtiques, per processar dades i prendre decisions. A diferència de la ment humana, la IA no "pensa" per si mateixa, sinó que segueix aquestes receptes per dur a terme tasques concretes.

Per exemple, quan entrenem una IA perquè reconegui imatges, li mostrem moltes fotos etiquetades (com ara gossos, gats, cotxes, etc.) perquè aprengui a identificar-les. És com ensenyar a un infant a reconèixer objectes mostrant-li moltes vegades diferents exemples de cada objecte. Mentre nosaltres podem reflexionar i entendre el que aprenem, la IA simplement ajusta les seves “receptes” per millorar la seva precisió.

La qualitat de les dades amb les quals s'entrena la IA és molt important. Si les dades no són bones o són insuficients, la IA pot cometre errors o tenir prejudicis en la seva presa de decisions. Per tant, la IA és una eina potent però limitada, que depèn de la informació proporcionada pels humans per funcionar correctament.

L’aprenentatge de la IA es fonamenta en l’aprenentatge automàtic i l’aprenentatge profund. Ambdues són essencials per entendre com les màquines poden millorar el seu rendiment a través de les dades.

• Aprenentatge Automàtic: És una manera de fer que les màquines aprenguin de les dades i millorin les seves prediccions o decisions sense ser programades explícitament per a cada tasca. Per exemple, podem ensenyar una màquina a reconèixer flors mostrant-li moltes imatges de diferents flors amb els seus noms.
• Aprenentatge Profund: És una tècnica més avançada dins de l'aprenentatge automàtic que utilitza xarxes neuronals artificials amb moltes capes per aprendre de grans volums de dades. Això permet a les màquines reconèixer patrons molt complexos, com ara reconèixer cares en fotos o entendre el llenguatge humà.

És molt importat utilitzar dades de bona qualitat per entrenar la IA. Si les dades són pobres o insuficients, la IA pot cometre errors. Així que sempre és important revisar i contrastar la informació que proporciona la IA, ja que la seva funció principal és seguir les receptes matemàtiques per mantenir converses coherents  i no ser una font d’informació infal·lible. Per tant, no s’ha d’utilitzar mai la IA com a font principal de la informació, i sempre s’han de contrastar les dades que ens proporciona amb documentació extreta fora de l’àmbit de la IA.