A humanidade aprendeu a criar conhecimento, mas não aprendeu a transmitir compreensão

A humanidade nunca teve tanto acesso à informação como hoje.

Praticamente qualquer pessoa pode encontrar, em poucos segundos, um livro de física quântica, palestras das melhores universidades do mundo, documentação de programação, artigos científicos sobre genética, cursos de economia, história, engenharia ou medicina.

E com o surgimento da inteligência artificial, desaparece até mesmo a necessidade de buscar a maior parte dessas informações por conta própria. Basta fazer uma pergunta e obter uma resposta.

Parece que resolvemos o problema do acesso ao conhecimento.

Mas não resolvemos um problema muito mais importante.

O acesso à informação não é o acesso à compreensão.

É possível dar a uma pessoa um texto científico absolutamente preciso, contendo informações extremamente valiosas, e não lhe transmitir praticamente nada.

Porque para compreender a informação, a pessoa já deve compreender alguma coisa.

E é exatamente aqui que reside um dos problemas fundamentais do sistema moderno de transmissão de conhecimento.

O conceito — a unidade elementar da compreensão

Estamos acostumados a medir a informação em palavras, páginas, livros, palestras, horas de estudo, gigabytes de dados.

Mas o pensamento humano funciona de outra forma.

Não armazenamos livros dentro de nós.

Nós construímos conceitos.

Um conceito é uma unidade de sentido concluída, que a pessoa é capaz de reconhecer, reconstruir mentalmente e usar para compreender a próxima coisa.

Por exemplo, a palavra "pressão" por si só não é conhecimento.

Para uma pessoa, ela evoca a definição escolar que ela quase esqueceu.

Para um engenheiro, é todo um sistema de modelos físicos.

Para um encanador, é também a experiência prática: como a água se comporta, o que acontece quando o diâmetro do cano muda, por que o sistema faz barulho, onde surgem os problemas.

A palavra é a mesma.

Os conceitos por trás dela são diferentes.

E vice-versa: uma pessoa pode compreender perfeitamente uma ideia sem sequer conhecer o termo científico adotado.

Por exemplo, ela entende que um sistema pode reduzir o próprio impacto quando o resultado se torna muito grande, e aumentá-lo quando o resultado se torna muito pequeno.

Ela já compreende o mecanismo.

Ela simplesmente pode não saber que existe o termo "feedback negativo".

Portanto, termo e conceito não são a mesma coisa.

O termo é um indicador.

O conceito é o que se desdobra por trás desse indicador na mente da pessoa.

Essa diferença parece pequena, mas muda completamente a visão sobre a educação.

O ser humano não acumula conhecimento de forma linear

A ideia de que o aprendizado consiste no preenchimento sequencial da cabeça com informações é por demais primitiva.

O que acontece é outra coisa.

A pessoa assimila um novo conceito através dos conceitos que já possui.

Primeiro, uma ideia complexa precisa ser explicada longamente — através de exemplos, analogias e fenômenos familiares.

Depois, a pessoa a compreende.

Em seguida, toda essa construção pode ser empacotada em um nome curto.

Agora basta dizer:

"feedback negativo"

— e o modelo que lhe é familiar se desdobra na mente da pessoa.

Vários parágrafos de informação transformaram-se em duas palavras.

Mas algo ainda mais importante aconteceu.

O novo conceito agora pode ser usado para compreender os conceitos seguintes.

Portanto, o aprendizado não se parece com isto:

conhecimento + conhecimento + conhecimento + conhecimento.

Mas sim com isto:

compreendeu → comprimiu → reutilizou → através disso compreendeu algo mais complexo → comprimiu novamente.

O ser humano reconstrói constantemente a sua própria linguagem de pensamento.

Quanto mais rico é esse sistema, mais complexa é a informação que pode ser-lhe transmitida através de uma mensagem curta.

Uma frase, totalmente sem sentido para uma pessoa, pode transmitir uma imensa quantidade de conhecimento a outra em poucos segundos.

É exatamente por isso que duas pessoas podem ler o mesmo artigo científico e, de fato, extrair dele quantidades completamente diferentes de informação.

A transmissão de informação não significa transmissão de compreensão

Imaginemos a frase:

Sistemas modernos utilizam rastreamento de conhecimento (knowledge tracing) em conjunto com grafos de conhecimento para construir caminhos de aprendizado adaptativo, levando em conta a carga cognitiva e os pré-requisitos do aluno.

Para um especialista, esta pode ser uma formulação perfeitamente normal e compacta.

Para um enorme número de pessoas, isso é lixo informacional.

Não porque sejam incapazes de compreender a ideia.

Mas porque a mensagem está codificada através de conceitos que ainda não existem em suas mentes.

Seria possível expressar aproximadamente o mesmo pensamento de outra forma:

O computador pode determinar gradualmente o que a pessoa já entende, quais conhecimentos ela ainda precisa e em que sequência é melhor fornecê-los, para não obrigá-la a estudar coisas demais ao mesmo tempo.

Agora a mensagem tornou-se acessível a um público completamente diferente.

A informação essencial praticamente não mudou.

O que mudou foi o modo de codificação.

E isso permite formular o princípio mais importante:

Uma boa explicação não é definida apenas pelo que o emissor sabe. Ela é definida pelo que o receptor já sabe.

Pode ser que nem exista uma explicação universalmente boa.

O conhecimento científico comprime-se cada vez mais

À medida que qualquer área se desenvolve, ela cria a sua própria linguagem.

Isso é necessário.

Não faz sentido para os especialistas explicarem ideias básicas do zero um para o outro todas as vezes. Construções complexas recebem nomes e tornam-se novos blocos de construção do pensamento.

Um único termo começa a substituir uma página de explicações.

Esta é uma compressão de informação extremamente eficiente.

Mas ela tem um preço.

Para descompactar esse termo, a pessoa deve possuir antecipadamente o conceito correspondente.

Por isso, cada área desenvolvida cria gradualmente o seu próprio descompactador (decodificador).

Físicos entendem físicos.

Biólogos entendem biólogos.

Economistas entendem economistas.

Programadores entendem programadores.

O problema torna-se especialmente visível na fronteira entre disciplinas.

Um especialista altamente qualificado pode abrir um trabalho de uma área vizinha e descobrir que uma parte significativa do texto é praticamente incompreensível para ele.

Ele sabe ler cada palavra isoladamente.

Mas não sabe como descompactar os conceitos por trás delas.

Surge um paradoxo.

A humanidade sabe cada vez mais, mas para o indivíduo torna-se cada vez mais difícil aceder a todo o conhecimento da humanidade.

A educação moderna tenta resolver o problema errado

A educação tradicional geralmente começa a partir da matéria.

Eis o programa.

Eis a sequência de tópicos.

Eis o primeiro semestre.

Eis o segundo.

Eis a lista de leitura.

E depois tentam conduzir milhares de pessoas completamente diferentes por essa rota.

Mas essas pessoas têm cabeças diferentes.

Uma já conhece metade dos conceitos necessários.

A outra carece de alguns conceitos básicos.

A terceira compreende perfeitamente a ideia em si, mas não conhece o termo profissional.

A quarta conhece o termo e é capaz de repetir a definição, mas o conceito por trás dele praticamente não existe.

A quinta apareceu apenas por causa de uma habilidade concreta específica, para a qual 80% do curso nunca serão necessários.

Tentamos adaptar a pessoa ao programa de estudos.

Seria mais lógico fazer o oposto.

É preciso começar não pela matéria, mas pelo objetivo

Digamos que uma pessoa queira adquirir uma determinada habilidade.

Não "aprender programação".

Mas, por exemplo:

aprender a criar de forma independente ferramentas digitais simples para o seu próprio negócio.

Esta é uma formulação de tarefa completamente diferente.

Agora podemos perguntar:

O que essa pessoa em particular realmente precisa compreender para adquirir essa habilidade?

O que ela já compreende?

Quais conceitos estão faltando?

Quais das coisas tradicionalmente estudadas a tecnologia moderna já tornou opcionais?

O que lhe basta saber superficialmente?

O que é necessário compreender profundamente?

Quais conceitos intermediários podem ser totalmente ignorados?

E de repente descobre-se que o caminho tradicional com mil unidades convencionais de conhecimento pode ser reduzido para duzentas.

Não à custa da pioria do resultado.

Mas à custa da eliminação de informações que não são necessárias para o objetivo estabelecido por essa pessoa específica no mundo tecnológico atual.

A tecnologia destrói constantemente o antigo conhecimento obrigatório

No início dos computadores pessoais, as pessoas realmente precisavam aprender a iniciar a interface gráfica com o comando win.

Era preciso explicar o que era uma janela, um ícone, um clique duplo.

Hoje, um enorme número de pessoas nunca precisará desses conhecimentos.

A tecnologia ocultou o nível de complexidade correspondente.

Mas a educação possui uma inércia enorme.

Continuamos a construir programas com base em cadeias historicamente estabelecidas:

para entender D, estude primeiro A, depois B, depois C.

Embora o mundo moderno já permita:

A → D.

Ou mesmo:

D.

Isso acontece com particular rapidez hoje em dia graças à IA.

O que há cinco anos era uma competência profissional necessária, amanhã pode tornar-se um detalhe técnico interno de um sistema inteligente.

Consequentemente, a cadeia de conceitos obrigatórios não pode ser estática.

Ela deve ser continuamente revista.

A inteligência artificial torna possível outra arquitetura de aprendizado

Antes do surgimento dos sistemas de IA modernos, era praticamente impossível personalizar a transmissão de conhecimento dessa maneira.

O autor de um livro didático é obrigado a escrever uma única versão do texto.

O professor pode adaptar ligeiramente a explicação ao público, mas é fisicamente incapaz de manter constantemente o modelo exato de conhecimento de cada uma de centenas de alunos.

A IA é capaz de trabalhar de outra forma.

O sistema pode construir gradualmente um modelo dinâmico dos conceitos de uma pessoa específica.

Não apenas:

conhece matemática — 72%.

Mas sim:

compreende bem este conceito; usa este, mas não compreende o mecanismo; conhece este sob outro nome; aqui falta a conexão causal necessária; este termo é desconhecido para a pessoa, embora a própria ideia já lhe seja clara.

Depois disso, a tarefa de explicação torna-se computável.

Existe:

o objetivo da pessoa;

o seu sistema atual de conceitos;

o vasto grafo do conhecimento humano;

as capacidades tecnológicas modernas.

É preciso encontrar a cadeia mínima de mudanças que levará a pessoa do estado atual à habilidade necessária.

O que deve ser minimizado não é o tempo de aprendizado

Normalmente perguntamos:

Como explicar este curso mais rapidamente?

Esta é uma pergunta secundária.

A primeira deveria ser:

Por que razão uma pessoa deveria estudar todo este curso?

Se o programa contém mil conceitos, e para o objetivo de uma pessoa específica são necessários cem, acelerar o estudo dos mil é uma otimização ruim.

Primeiro é preciso descartar novecentos.

Dos cem restantes, a pessoa já conhece uma parte.

Alguns podem ser substituídos por um modelo mais geral.

Alguns basta indicar: "saiba que essa área existe e quando recorrer a ela".

Alguns precisam mesmo de ser compreendidos profundamente.

Só depois disso faz sentido otimizar a explicação.

Não podemos obrigar o cérebro humano a aprender vinte vezes mais rápido.

Mas às vezes podemos reduzir em vinte vezes a quantidade daquilo que ele realmente precisa estudar.

Esta é uma forma fundamentalmente diferente de acelerar o desenvolvimento humano.

Ao mesmo tempo, o caminho mínimo de cada um é único

Digamos que seja necessário explicar a uma pessoa um determinado sistema de controle.

Para um engenheiro, é mais conveniente explicá-lo matematicamente.

Para um programador, através do estado do programa e do loop de feedback.

Para um empresário, através dos preços e da variação da procura.

Para um encanador, através da pressão e da válvula.

Estes não são quatro conceitos diferentes.

São quatro maneiras diferentes de chegar a um modelo interno bastante próximo.

Assim que a compreensão surge, pode-se dizer:

Na forma geral, isso chama-se assim.

Agora o termo profissional deixou de ser uma palavra desconhecida.

Tornou-se um indicador compactado de um conceito já existente.

A explicação seguinte já pode ser construída através dele.

Portanto, o sistema de aprendizado deve mudar constantemente junto com a pessoa.

A explicação de que ela precisa hoje tornará-se irritantemente primitiva daqui a seis meses.

O seu descompactador interno mudou.

Isso significa que a linguagem do sistema também deve mudar.

Primeiro é preciso ensinar a pessoa a aprender

Mas existe um problema ainda mais profundo do que qualquer tecnologia.

Um enorme número de pessoas não compreende absolutamente o que acontece no momento do aprendizado.

A pessoa vem para um curso.

Ouve uma palestra.

A certa altura, deixa de compreender o que está a acontecer.

Continua a ouvir.

As explicações seguintes já são construídas sobre o conceito não compreendido.

Vinte minutos depois, três conceitos são incompreensíveis.

Uma hora depois, metade do material.

E a pessoa conclui:

"Eu não sou inteligente o suficiente."

Embora a descrição técnica do problema possa ser completamente diferente:

na cadeia de compreensão falta um nó.

Talvez o professor tenha usado um termo, assumindo que ele já era conhecido.

Talvez tenha omitido uma conexão causal.

Talvez tenha usado uma abstração que teria sido mais fácil de mostrar à pessoa concreta através de um exemplo primeiro.

Talvez todo o material intermediário nem sequer seja necessário para a tarefa dela.

Portanto, uma das primeiras habilidades que é preciso ensinar a uma pessoa é a diagnóstico da sua própria incompreensão.

Não:

Eu não entendo física.

Mas sim:

Nesta explicação eu entendo A e B, mas não entendo porque de B se segue C.

Ou:

Eu não sei o que a palavra X significa.

Ou:

O mecanismo em si é claro para mim, mas não compreendo porque é aplicado aqui.

A incompreensão deixa de ser uma avaliação da pessoa.

Torna-se uma avaria técnica concreta na cadeia de conceitos, que pode ser encontrada e eliminada.

Isto é o que significa aprender a aprender.

A IA é capaz tanto de aumentar quanto de diminuir a disparidade intelectual

Aqui surge outro problema.

Muitas vezes assumimos que uma IA acessível a todos nivelará as pessoas intelectualmente.

Isso não é garantido de todo.

Imaginemos duas pessoas com o mesmo acesso a um mesmo modelo.

A primeira usa-o assim:

Faça.

A IA faz.

A pessoa obtém o resultado.

A segunda:

Por que aconteceu exatamente assim? Que alternativas existem aqui? O que eu não estou a entender? A que princípio mais geral isto se assemelha? Onde mais é aplicado? Que suposições nós assumimos tacitamente agora?

A IA responde.

A resposta gera novas perguntas.

Novas respostas criam novos conceitos.

Novos conceitos permitem à pessoa fazer perguntas que antes nem lhe poderiam ocorrer.

Surge um feedback positivo:

compreensão → perguntas mais fortes → uso mais forte da IA → nova compreensão → perguntas ainda mais fortes.

Portanto, o mesmo acesso à IA pode levar a resultados completamente diferentes.

Numa pessoa, cresce principalmente a produtividade.

Na outra, cresce simultaneamente a própria pessoa.

E a disparidade entre elas pode não diminuir, mas sim aumentar de forma acelerada.

A IA, nesse caso, torna-se um amplificador da dispersão intelectual.

A complexidade do resultado já não demonstra a complexidade da pessoa

Este é um estado novo para a humanidade.

Antigamente, existia uma relação relativamente forte:

para criar coisas mais complexas, a pessoa tinha de se tornar mais competente.

A IA está a romper gradualmente essa relação.

Uma pessoa pode criar um produto de software sem praticamente entender de programação.

Pode obter um relatório analítico complexo sem dominar os métodos de análise correspondentes.

Pode gerenciar processos cujos mecanismos internos quase não compreende.

Isto não é necessariamente mau.

Mas surge uma diferença fundamental:

complexidade do resultado produzido pela pessoa ≠ complexidade intelectual da própria pessoa.

É possível produzir um enorme volume de produtos intelectualmente complexos, importando quase toda a complexidade contida neles da IA.

Portanto, a produtividade já não pode ser considerada um indicador suficiente do desenvolvimento humano.

É preciso fazer outra pergunta:

O que mudou na mente da pessoa após a realização deste trabalho?

Mas não se pode transformar cada trabalho numa lição

Daí é fácil tirar uma conclusão errada:

Isso significa que a IA deve obrigar a pessoa a pensar por si mesma todas as vezes e explicar-lhe tudo o que faz.

Isso destruirá o próprio sentido da automação intelectual.

A atenção humana é limitada.

Não se pode obrigar uma pessoa a estudar o funcionamento interno de cada ferramenta que utiliza.

É exatamente por isso que se torna central a ideia do conceito estritamente necessário.

O sistema deve ser capaz de distinguir:

isto a pessoa precisa compreender;

disso basta saber que existe;

isso só será necessário quando surgir uma determinada situação;

isso pode ser totalmente delegado à máquina.

O objetivo não é maximizar o conhecimento da pessoa.

O objetivo é maximizar a sua capacidade de compreender e agir com um custo cognitivo mínimo.

O conceito torna-se a unidade informacional definitiva

Daqui decorre um princípio arquitetónico.

Não é o artigo.

Não é o livro.

Não é a lição.

Não é o curso.

Não é a disciplina.

O conceito.

Grandes construções informacionais só são necessárias porque, por vezes, para construir um único conceito, a pessoa precisa de uma longa sequência de explicações.

Mas o resultado final não é a página lida.

O resultado é a construção de sentido surgida na mente, que a pessoa é capaz de usar a seguir.

Portanto, o conceito pode ser visto simultaneamente como unidade elementar e definitiva de conhecimento.

Elementar — porque o aprendizado posterior é construído a partir de conceitos já assimilados.

Definitiva — porque a tarefa de transmissão de informação termina não quando a pessoa leu o texto, mas quando o conceito necessário foi reconstruído com sucesso no seu modelo de mundo.

O texto é o transporte.

O termo é o endereço.

A explicação é o método de decodificação.

O conceito é o resultado.

Talvez precisemos de uma nova teoria da transmissão de conhecimento

A teoria clássica da informação responde magnificamente às questões de transmissão de sinais.

Mas para o aprendizado humano não basta saber quanta informação foi transmitida.

É possível transmitir um gigabyte de texto e praticamente nada mudar na mente do receptor.

E é possível proferir uma única frase — e reestruturar a sua visão sobre toda uma área.

Isso significa que nos interessa outra grandeza.

Não:

quantas informações foram transmitidas?

Mas sim:

que mudança útil ocorreu no sistema de conceitos do receptor e a que custo cognitivo?

Isto permite definir a eficiência do aprendizado de outra forma.

Uma boa explicação não é a mais completa.

Não é a mais científica.

Não é a mais curta.

E nem sequer é obrigatoriamente a mais precisa no número máximo de detalhes.

Uma boa explicação é aquela que cria, com custos mínimos de atenção humana, um conceito suficientemente preciso para a próxima ação ou compreensão necessária.

E depois esse conceito torna-se o material de construção do seguinte.

Da educação universal para um sistema vivo de conceitos

No final, obtém-se uma arquitetura completamente diferente.

Não existe um único curso correto.

Não existe um conjunto fixo de pré-requisitos obrigatórios.

Não existe uma única explicação ideal.

Existe uma pessoa no estado H₀.

Existe a habilidade que ela quer adquirir — T.

Existe o estado atual do mundo e da tecnologia — W.

E existe uma certa transformação mínima:

H₀ → H₁ → H₂ → … → T

Cada transição — o surgimento ou reestruturação de um conceito.

Após cada transição, a rota pode ser recalculada.

Talvez um novo conceito tenha permitido saltar três dos seguintes.

Talvez tenha sido descoberta uma antiga lacuna.

Talvez a pessoa já tenha construído a conexão necessária por conta própria.

Talvez a tecnologia tenha mudado e todo um ramo de conhecimento já não seja necessário.

Portanto, o grafo deve ser vivo.

E o modelo da pessoa deve ser vivo.

A principal tarefa — aumentar a largura de banda do desenvolvimento humano

A fisiologia humana muda lentamente.

Não podemos simplesmente multiplicar por dez a memória humana ou fazer o cérebro assimilar modelos complexos à velocidade de um computador.

Mas uma enorme parte do custo atual do aprendizado não é determinada de todo pela fisiologia.

É determinada pelo mau roteamento da informação.

Ensinamos o que já é conhecido.

Explicamos através de termos desconhecidos.

Transmitimos detalhes que nunca serão necessários.

Obrigamos a estudar pré-requisitos historicamente estabelecidos.

Usamos as mesmas explicações para pessoas diferentes.

Confundimos o reconhecimento de termos com a compreensão de conceitos.

Não notamos pequenas lacunas que bloqueiam cadeias inteiras subsequentes.

E obrigamos a pessoa a procurar sozinha o caminho através do gigantesco espaço do conhecimento humano.

A IA permite, pela primeira vez, atacar quase todas estas perdas em simultâneo.

Não tornar o cérebro mais rápido.

Tornar o caminho mais curto.

Não dar mais informação à pessoa.

Transmitir menos — mas exatamente aquela que ela é capaz de transformar em compreensão.

Não obrigar todos a saber tudo.

Dar a cada um um sistema de conceitos minimamente suficiente, permitindo-lhe avançar.

E, tal seja, esta será uma das principais mudanças na educação na era da inteligência artificial.

Porque o problema da humanidade há muito que deixou de ser a falta de informação.

O problema é quanto tempo de vida humana é necessário hoje para transformar a informação disponível em compreensão.