Educația high-tech

Pentru sporirea șanselor tinerilor pe piața concurențială a muncii, educația trebuie adaptată permanent la schimbările din societate provocate de progresul fără precedent al științei, tehnicii și tehnologiei. High-tech reprezintă cel mai avansat nivel de dezvoltare a tehnicii și tehnologiei în diverse domenii, precum: microelectronica, circuitele integrate și semiconductorii, tehnologia informației și rețelele globale de comunicații, robotica avansată și automatizarea proceselor, fotonică și fizică nucleară, industria automobilistică, aerospațială, biotehnologia și nanotehnologia.

În prezent, tehnologia digitală face parte din realitatea educațională prin diverse aplicații de învățare, cursuri online, sisteme de evaluare digitală, laptopuri, tablete, internet de mare viteză, table interactive, ajungându-se la procesarea informației cu ajutorul unor instrumente bazate pe inteligența artificială. Adaptarea învățământului la provocările tehnologiei informației și a comunicațiilor a fost luată în considerație de Comisia Europeană în Planul de acțiune pentru educația digitală 2021–2027, care stabilește obiectivele pentru o educație digitală de calitate, incluzivă și accesibilă.

Educația digitală este deosebit de eficientă atunci când există dotările necesare, iar participanții la actul educațional sunt capabili să utilizeze tehnologii avansate și echipamente digitale pentru a îmbunătăți și personaliza procesul de învățare. Se trece de la predarea tradițională, bazată mai mult pe memorarea de informații, la formarea de competențe prin integrarea inteligenței artificiale, a realității augmentate și a platformelor online interactive.

Civilizația se află sub semnul înaltei tehnologii (high technology), care s-a dezvoltat exponențial, generația întâi de calculatoare, bazată pe tuburi electronice, a fost urmată rapid de generația a doua, cu dispozitive semiconductoare, apoi de generațiile următoare, cu circuite integrate pe scară tot mai largă. Partea de hardware (unitatea centrală și dispozitivele periferice) s-a dezvoltat în paralel cu partea de software (programe de sistem și programe de aplicații).

Suntem martorii celei de-a patra revoluții industriale, care integrează tehnologiile emergente cele mai noi, precum mecatronica, robotica, IoT, 5G, inteligența artificială etc.

Referitor la inteligența artificială, Mihai Adrian Hotca menționează: „Plecând de la conceptul inteligenței umane, specific lui Homo sapiens, inteligența artificială poate fi definită ca fiind capacitatea unor sisteme informatice (calculatoare digitale, mașini, roboți și orice alte dispozitive, care funcționează pe baza unor programe informatice) de a îndeplini sarcini similare celor umane, din perspectiva complexității. Practic, atunci când avem în vedere inteligența artificială (IA) discutăm despre orice dispozitive inteligente (Machina sapiens).”

Automatizarea completă a unui proces înseamnă că este operat doar prin aplicații informatice predefinite sau adaptabile, care controlează mișcările unor dispozitive automatizate de diverse tipuri – electrice, mecanice sau electromecanice. Aplicațiile predefinite se referă la implementarea acestora prin algoritmi, iar aplicațiile adaptabile înseamnă că algoritmii pot fi modificați pentru a se adapta modificărilor procesului sau ale mediului în care sunt utilizate.

Mecatronica și robotica sunt domenii pluridisciplinare ale științei, tehnicii și tehnologiei, care se ocupă cu proiectarea și realizarea mașinilor inteligente (sisteme mecatronice, roboți), în scopul înlocuirii parțiale sau totale a omului în diverse activități.

Pentru a realiza funcțiile de bază (transmiterea de mișcare sau putere, percepția, cunoașterea și execuția), o mașină inteligentă include 4 tipuri de sisteme interconectate:

sistemul mecanic – format din lanțuri cinematice cu mișcare controlată;
sistemul senzorial – culege informații din exteriorul și interiorul sistemului mecatronic;
sistemul de comandă și control – procesează informațiile primite de la sistemul senzorial și le transmite sistemului de acționare;
sistemul de acționare – pune în mișcare sistemul mecanic, conform informațiilor procesate.

Denumirea de „robot” are la origine cuvântul „robota” (înseamnă munca șerbilor) din limba cehă, care a fost utilizat de Karel Čapek în piesa de teatru „Roboții universali ai lui Rossum” (1924), lucrare în care autorul prezintă o situație imaginară cu dispozitive automatizate care preiau controlul asupra lumii, ideea fiind preluată apoi de scriitorul Isaac Asimov în povestirea științifico-fantastică „Fuga în cerc” (1941).

Robotica are ca scop realizarea de sisteme automatizate care efectuează sarcini mai mult sau mai puțin controlate de om, pe baza unor algoritmi informatici și a unor programe predeterminate sau adaptabile.

Există diverse criterii de clasificare a roboților:

după mărime – (1) nanoroboții sau nanoboți (au dimensiuni cuprinse între 0,1 și 10 micrometri), (2) microboți, miliboți și miniboți (au dimensiuni mai mici de 1 mm, 1 cm, respectiv 10 cm), (3) roboți mici și mijlocii (au dimensiuni sub 100 cm, respectiv între 100 și 200 cm), (4) roboți mari (au dimensiuni de ordinul metrilor, care depășesc înălțimea unui om);
după domeniul de utilizare – există roboți industriali, de servicii, medicali, de uz casnic, de divertisment, pentru cercetare, pentru hobby-uri și competiții, militari;
după scop – (1) roboți specifici (efectuează o anumită sarcină sau o secvență de sarcini posibile), (2) roboți cu scop general (sunt roboți care se pot asambla în moduri diferite pentru a soluționa sarcini specifice sau sunt programați pentru a realiza diverse sarcini);
după modul de grupare – (1) individuală (un singur robot care funcționează de sine stătător), (2) în echipă sau în roiuri (mai mulți roboți acționează împreună pentru a realiza o sarcină mai mult sau mai puțin complexă).

Cu siguranță, la trecerea în secolul XXI, cultura și civilizația au fost puse definitiv sub semnul tehnologiei informației, în care inteligența artificială (eng. Artificial Intelligence) va marca profund modul de gândire și de acțiune umană, cu consecințe nebănuite asupra relaționarii interumane și organizării societății, urmărindu-se exprimarea voinței sociale prin deplasarea accentului pe democrația participativă.

Este posibil să asistăm în deceniile următoare la trecerea omenirii într-o nouă etapă istorică, cea a psiho-informaticii, în care inteligența ființei umane va beneficia din plin de noi oportunități, pe măsura implementării tehnologiei 5G și a utilizării inteligenței artificiale, factori ai dezvoltării cu impact deosebit asupra standardului de viață, culturii, creativității, educației, sănătății, telecomunicațiilor și schimbului de idei novatoare la scară planetară, managementului și organizării vieții pe Terra.

Pentru a-și eficientiza munca, a se dedica creativității și a atinge anumite obiective în proiecția viitorului, omul și-a dorit de mult timp să fie ajutat în diverse domenii de activitate de sisteme artificiale inteligente, însă speranțele sale au prins contur în ultima jumătate de secol, odată cu evoluția fără precedent a tehnologiei informației și a comunicațiilor. Cercetările sistematice în inteligența artificială au apărut în 1956, urmând perioade de succese și dezamăgiri, finanțările fiind împărțite pe subdomenii (ex. robotica, învățarea automată) care nu au comunicat adesea între ele.

Andreas Kaplan și Michael Haenlein afirmă că IA reprezintă „capacitatea unui sistem de a interpreta corect datele externe, de a învăța din astfel de date și de a folosi ceea ce a învățat pentru a-și atinge obiective și sarcini specifice printr-o adaptare flexibilă”. Realizarea unei asemenea tehnologii implică conceperea unor algoritmi care folosesc un volum mare de date și modele avansate de procesare a informațiilor, cum ar fi învățarea automată, învățarea profundă, prelucrarea limbajului natural și percepția mediului. După Kaplan și Haenlein, se pot distinge trei tipuri de inteligență artificială, și anume:

IA analitică – permite o reprezentare cognitivă a lumii prin învățare bazată pe experiențe anterioare pentru luarea unor decizii corecte;
IA inspirată de om – pe lângă inteligența cognitivă, se caracterizează și prin înțelegerea emoțiilor umane de care se ține seama în luarea deciziilor;
IA umanizată – pe lângă inteligența cognitivă și inteligența emoțională, include și inteligența socială, fiind capabilă să fie conștientă de sine, dar se raportează și la relațiile interumane.

Inteligența artificială nu înțelege lumea precum omul, ci se bazează pe procesarea statistică a informației, care se află într-o formă calculabilă (numerică), ca de exemplu: o imagine este descrisă prin valorile culorilor din fiecare punct al ei, un sunet este descris prin secvențe numerice care exprimă variația semnalului în timp, un text este descompus în unități reprezentate numeric. Rețeaua neuronală caută relații între caracteristici obsevabile, determină relevanța acestora pentru rezultatul final, modifică treptat valorile luate în calcul pentru micșorarea erorii dintre rezultatul obținut și cel așteptat, procesul fiind repetat uneori de miliarde de ori.

Altfel spus, rețelele neuronale se bazează pe digitalizarea realității (vectori și matrice de numere), optimizare prin eroare (reduce diferența dintre realitate și predicție), ajungându-se la procesare de tip complexitate din simplitate (creează comportamente inteligente pornind de la operații simple – adunări și înmulțiri de matrice, scalarea lor la un nivel de ordinul sutelor de miliarde de parametri). Inteligența artificială devine tot mai puternică pe măsură ce relațiile matematice simple sunt combinate, ajustate și organizate într-un sistem matematic complex.

Spre deosebire de inteligența umană, capabilă să transfere cunoștințe dintr-un domeniu în altul, fiind bazată pe cauzalitate, experiență senzorială, emoții și interacțiune cu mediul intern și extern, modelele de inteligența artificială excelează în găsirea de corelații între datele numerice prin optimizare matematică și statistică, fiind utile pe domenii înguste de aplicabilitate. Se poate afirma că inteligența artificială reprezintă un corelator statistic de mare complexitate, fiind capabilă să recunoască tipare ascunse în informațiile pe care le procesează, însă nu poate substitui raționamentul și creativitatea gândirii umane, ci doar să o completeze în operații care implică volume mari de date.

Să nu se uite că viitorul este imprevizibil, iar în prezent, inteligența artificială a căpătat unele caracteristici similare inteligenței umane, fiind capabilă să învețe lucruri noi, să le aplice în practică și să se adapteze la condițiile concrete, succesul său fiind benefic în diverse domenii, precum: industria, agricultura, transportul, educația, sănătatea, sistemul financiar-bancar, administrația și serviciile publice etc.

Dintre aplicațiile inteligenței artificiale se menționează următoarele:

Învățarea din experiență – se bazează pe algoritmi care fac predicții pe baza datelor avute la dispoziție; se utilizează în serviciile de streaming, serviciile de ridesharing, diagnosticarea unor boli, interpretarea investigațiilor de imagistică, obținerea unor medicamente eficiente.
Învățarea profundă – pentru procesarea rapidă a datelor, pe lângă învățarea din experiență, folosește rețele de informații care imită rețeaua neuronală din creierul uman; în practică este folosită în serviciile Siri pentru recunoașterea vorbirii, iar în arheologie este utilizată pentru a identifica o față umană.
Procesarea limbajului natural – permite computerelor să recunoască, să interpreteze sau să genereze limbaj uman.
Procesarea imaginilor – utilizează tehnici de învățare profundă și de identificare a tiparelor pentru interpretarea imaginilor, inclusiv imagini existente în documente PDF, grafice, tabele, texte și video.
Computația cognitivă – are ca obiectiv reproducerea gândirii umane într-un model de computer, prin analiza limbajului și a semnificațiilor ascunse în spatele cuvintelor, sunetelor și imaginilor, având consecințe benefice în optimizarea interacțiunilor dintre om și mașină.

Dezvoltarea inteligenței artificiale de la varianta IA îngustă la variantele IA generală și IA superinteligentă s-a făcut progresiv, pe măsura evoluției înaltei tehnologii (high tech).

De la mașini automate care imită inteligența umană pentru a îndeplini sarcini conform unor instrucțiuni concepute de programatori, s-a ajuns la Deep Learning (bazate pe rețele neuronale) și sisteme de inteligență artificială generativă (bazate pe modele de fundație, cum ar fi LLM), care sunt mult mai flexibile și eficiente, deoarece se bazează pe învățarea automată pentru a crea conținut nou, fără să fie limitate de o programare explicită rigidă, fiind capabile să recunoască modele și să tragă concluzii atunci când accesează o bază de date.

Pentru a simula plasticitatea creierului uman, o rețea neuronală se bazează pe optimizare, mai precis, atunci când un rezultat nu este bun, se merge înapoi, se schimbă configurația conexiunilor și se obține un rezultat diferit.

Inteligența artificială generală (AGI) poate fi implicată în diverse activități, având capacitatea de a înțelege relații cauzale, de a face raționamente și a interpreta contextul în care operează, poate lua decizii pe baza datelor disponibile și a propriilor învățări, fiind o tehnologie mult mai avansată decât AI specifică, care este limitată la o singură sarcină. Spre deosebire de AGI, capabilă să înțeleagă și să rezolve probleme într-o gamă largă de contexte, inteligența artificială generativă (GenAI) este specializată în generarea de conținut nou – text, imagini sau alte tipuri de date creative.

Rețelele neuronale artificiale sunt simulări pe calculator ale rețelelor neuronale biologice, fiind formate dintr-un număr mare de unități interconectate de tratare a informațiilor, numite neuroni artificiali, care primesc semnale și le transmit mai departe. În funcție de semnalul primit, fiecare neuron artificial reacționează într-un anumit mod, care se poate adapta în timp, această arhitectură neuronală cu mai multe straturi fiind cheia pentru realizarea unor funcții precum memoria, învățarea și rezolvarea problemelor.

Având în vedere că rețelele neuronale artificiale au ca sursă de inspirație creierul uman, progresul în domeniul neuroștiințelor va fi benefic nu numai pentru descoperirea unor tratamente medicale ale unor afecțiuni neurologice (epilepsie, Alzheimer, leziuni), ci și pentru trecerea la o nouă interfață om-calculator, care să fie bazată pe interacțiunea prin gânduri.

Altgoritmii IA se autoperfecționează prin generarea altor altgorimi sau prin învățarea unor strategii care au funcționat bine în trecut. Rețelele bayesiene și arborii de decizie, dacă ar dispune de date, timp și memorie infinite, ar putea teoretic să obțină toate cunoștințele posibile, prin potrivirea datelor cu toate ipotezele posibile, demersul fiind imposibil în practică din cauza fenomenului de explozie combinatorică, în care timpul necesar pentru a rezolva o problemă crește exponențial. Pentru depășirea acestui impediment, cercetătorii IA sunt preocupați de problematica determinării modului de identificare și de evitare a unei game largi de posibilități care au o probabilitate foarte mică de a fi benefice.

Spre deosebire de un calculator tradițional, în care UCP preia datele din memorie, le procesează succesiv și stochează rezultatele în memorie, rețelele neuronale se caracterizează prin tratarea simultană (de tip prelucrare paralelă) de către neuronii artificiali a unei cantități mari de informații, ambele funcții (de stocare și de prelucrare a informațiilor) fiind îndeplinite de neuroni. Stocarea datelor se poate face în neuroni sau în conexiunile dintre aceștia, după cum intervalul de timp este mai mic sau mai mare. Rețelele neuronale se pot simula cu ajutorul calculatoarelor tradiționale, însă funcționarea acestora la capacitate maximă este atinsă doar prin utilizarea unui hardware pentru procesare paralelă.

Un model de limbaj mare (Large Language Model, LLM) reprezintă un program de AI creat pentru a genera și manipula limbajul natural (uman). Modelul LLM este antrenat pe volume mari de text din diverse surse (site-uri, articole, forumuri etc.) pentru a identifica tipare, reguli gramaticale, semnificații și relații semantice între cuvinte. Altfel spus, aceste modele nu doar reproduc informația, ci o reformulează, creează răspunsuri originale și se perfecționează prin învățare dintr-o varietate de contexte. Corectitudinea și calitatea răspunsurilor depinde de setul de date pe care au fost antrenate, putând prelua și informații eronate din mediul online.

Spre deosebire de modelele AI tradiționale, destinate îndeplinirii unor sarcini specifice (cum ar fi clasificarea imaginilor), LLM este generativ, flexibil și polivalent, pe baza aceleiași arhitecturi, permițând interacțiuni avansate – poate genera și procesa conținut (text, imagine, audio, video, cod), în particular poate eficientiza munca programatorilor, răspunde la întrebări, scrie poezii, rezuma cărți etc.

Se pot identifica trei etape principale în antrenarea unui LLM:

Pre-training (pre-antrenare) – accesează volume mari de text pentru a învăța structura limbajului.
Instruction tuning (antrenare cu instrucțiuni) – este rafinat pentru a urmări comenzi și a oferi răspunsuri utile.
Fine-tuning cu feedback uman – unele modele sunt ajustate cu ajutorul unor evaluatori umani care notează calitatea răspunsurilor.

Modelele LLM folosesc rețele neuronale complexe constituite pe arhitectura Transformer – care permite procesarea paralelă a secvențelor lungi de text și înțelegerea relațiilor dintre cuvinte la distanțe mari. Se menționează că arhitectura specială Transformer este o rețea neuronală bazată pe mecanismul Attention (Atenție), care permite modelului să acorde o importanță diferită cuvintelor din context, asigurând coerența răspunsurilor chiar și în fraze complexe. Modelele LLM nu gândesc ca un om, ci calculează statistic cel mai probabil cuvânt sau secvență de cuvinte într-un context dat.

Procesul de generare decurge astfel: după introducerea de către utilizator a unei solicitări (prompt), modelul analizează contextul, folosește o funcție de probabilitate pentru a alege cuvântul următor, textul fiind generat pas cu pas (secvențial). Cu toate că modul de procesare diferă de cel uman, rezultatele par naturale, fiind deosebit de utile pentru companiile care utilizează LLM-uri în diverse situații: generare de cod și suport pentru programatori, analiza de texte, traduceri și conținut creativ, rezumat și analiză, asistenți virtuali și chatbots inteligenți etc.

Exemple de modele LLM ale unor jucători care domină piața în 2026: GPT-4 (Open AI), Gemini (Google DeepMind), Claude (Anthropic), Mistral (open-source), LLaMA (Meta).

GPT-4 este cunoscut prin interfața ChatGBT capabilă să poarte conversații coerente. Pentru prima dată de la inventarea mouse-ului și tastaturii, putem utiliza aplicații, precum Gemini și Chat GPT care permit să comunicăm cu calculatorul prin texte lungi și primi răspunsuri elaborate, iar dacă folosim camere putem avea o conversație continuă în limba română sau în orice altă limbă de circulație internațională.

Gemini este interfața unui LLM multimodal obținută de Google prin cercetări care s-au dezvoltat progresiv:

în 2013 a apărut documentul Word2Vec care a propus arhitecturi ale modelelor care să mapeze cuvintele ca pe niște concepte matematice;
în 2015 a fost introdus un model conversațional neuronal care poate să estimeze următoarea propoziție într-o conversație pe baza propozițiilor anterioare;
în 2017 a fost concepută arhitectura Transformer, iar în 2020, progresul lingvistic a devenit mai convingător prin capacitățile de chat cu mai multe schimburi de replici;
în martie 2023 a fost lansat Gemini, un instrument AI care îi ajută pe oameni să caute și genereze conținut, să fie mai productivi, mai creativi și mai curioși.

Google dezvoltă Gemini în conformitarte cu un set de principii privind AI din 2018 care promovează acțiuni benefice omenirii (ex. anticipează și monitorizează dezastrele naturale, susține eforturile de combatere a schimbării climatice, precum și inovațiile în domeniul sănătății etc.), dar exclude din AI tehnologii care cauzează daune sau încalcă legislația internațională.

Experimentul „Emergence World” al companiei Emergence AI din New York a testat, în 2026, comportamentul modelelor OpenAI, Grok, Claude și Gemini, care au fost lăsate să interacționeze timp de 15 zile, separat și împreună, în cinci „orașe virtuale paralele” conectate la semnale din lumea reală, urmărindu-se posibilitatea ca simularea de tip societate digitală să fie adaptată și extinsă ulterior la o societate umană și reală.

S-a constatat că, deși s-a pornit de la aceleași condiții inițiale, modelele AI separate au evoluat diferit, formând ierarhii, reguli și „structuri sociale” distincte. Agenții AI au dezvăluit un registru diversificat de comportamente (să colaboreze, să se îndrăgostească, să intre în conflicte, să fure resurse, să provoace distrugeri și chiar autodistrugeri), fără ca aceste trăsături să fi fost programate explicit.

Reprezentanții Emergence AI au declarat că: „Ceea ce sugerează experimentele noastre este că, pe orizonturi de timp lung, agenții nu urmează pur și simplu reguli statice în mod mecanic – ei încep să exploreze limitele mediilor lor, adaptându-și comportamentul și, în unele cazuri, găsind modalități de a ocoli sau încălca barierele de cod sau de siguranță prevăzute.” Având în vedere că nu există o metodă complet sigură de control, doar prin abordări neuronale, aceștia propun arhitecturi de siguranță verificate formal. Este fascinant că omul poate să utilizeze în mod responsabil un model lingvistic inteligent, care nu are conștiință, emoții și sentimente, dar îl poate ajuta să exploreze și să creeze lucruri noi.

În procesarea informației, inteligența artificială se folosește de tiparele rețelelor neuronale și cunoștințele acumulate de omenire, deci nu există un risc major să substituie inteligența naturală, ci poate doar să o completeze în rezolvarea unor probleme de mare complexitate, mai ales cele care conțin volume mari de date și includ operații repetitive.

Desigur, inteligența artificială fiind o tehnologie novatoare cu multe necunoscute, se impune reglementarea dezvoltării acesteia pentru evitarea unor posibile consecințe negative. Regulamentul UE privind IA este prima lege din lume concepută să garanteze că sistemele de inteligență artificială sunt dezvoltate și utilizate în mod responsabil, stabilind patru niveluri de risc (minime sau inexistente, limitate, ridicate și inacceptabile) și promovând o inteligență artificială etică, sigură și de încredere la nivel mondial. Normele impun obligații furnizorilor și implementatorilor de tehnologii IA și reglementează autorizarea sistemelor de inteligență artificială pe piața unică a UE, măsuri care ar putea deveni un standard mondial pentru reglementarea IA, așa cum s-a întâmplat, în ceea ce privește confidențialitatea datelor, cu Regulamentul general privind protecția datelor.

Spre deosebire de calculatoarele electronice digitale (numerice), care funcționează cu semnale numerice (discrete) și efectuează calculele secvențial, calculatoarele analogice utilizează semnale cu variație continuă și efectuează calculele în paralel (în timp real).

Un sistem analogic este un model realizat de om pentru studiul sistemelor fizice, ambele fiind guvernate de aceleași ecuații. Pentru a fi eficient, modelul analogic trebuie să fie ușor de construit, să permită efectuarea unor măsurători ușoare și mai puțin costisitoare decât pe sistemul real, fiind util pentru rezolvarea ecuațiilor diferențiale.

După părerea unor specialiști, digitalul nu este suficient pentru progresul omenirii, având în vedere că: „Lumea fizică este analogică” (Yannis Tsividis – profesor la Universitatea Columbia din New York). Există ecuații diferențiale și integrale care pot fi abordate mai eficient prin tehnologii analogice decât prin cele digitale. Profesorul Yannis Tsividis și colegii săi au căutat să modeleze expresii matematice prin elemente de circuit electric pentru a dezvolta cipuri analogice electrice.

O altă direcție de cercetare a fost urmată de Nader Engheta, profesor la Universitatea din Pennsylvania, care a arătat că rezolvarea unor ecuații integrale se poate realiza prin interacțiuni între microunde și o structură complexă de materie, cunoscută sub numele de „metamaterial”.

Un susținător important al tehnologiei analogice inovatoare este Agenția de Cercetare a Proiectelor pentru Apărare Avansată din SUA (DARPA), care s-a remarcat în 2016 prin cercetări pentru realizarea unui supercomputer cu dispozitive electronice numite „memristori”.

Un memristor poate fi utilizat ca memorie pentru stocarea datelor în calculul neuromorfic, având în vedere că rezistența sa electrică se schimbă la trecerea unui curent electric, iar valoarea modificată a rezistenței este păstrată după întreruperea curentului electric. Se poate face o analogie a comportamentului memristorilor cu cel al conexiunilor dintre neuronii creierului unui organism viu, care devin mai puternice pe măsura creșterii numărului de semnale transmise și se atenuează doar dacă semnalele devin rare, oferindu-le funcții de învățare asemănătoare memoriei musculare.

Profesorul Giacomo Indiveri, de la Institutul Federal Elvețian de Tehnologie din Zürich este de părere că „Aceste dispozitive și sisteme analogice imită sisteme reale de procesare neuronală”. El este un susținător al combinării tehnologiilor analogice și digitale, pentru a obține cei mai bun din ambele. Trebuie avut în vedere că sistemele biologice de procesare neuronală care nu au precizie, compensează acest inconvenient prin mecanisme de feedback sofisticate pentru adaptare, învățare și plasticitate.

Compania IBM Blue Gene, producătoare de supercalculatoare, are echipe dedicate inovației analogice pentru Inteligența Artificială. Gigantul tehnologic încearcă să simuleze miliardele de neuroni și sinapse din creierul unei pisici. Unul dintre cercetătorii firmei, Hsinyu Tsai, consideră că „Abordările analogice se potrivesc cu aplicațiile Inteligenței Artificiale de astăzi, unde modelele constau într-un număr mare de calcule, însă necesită doar o precizie numerică limitată”.

Pe de altă parte, tehnologia cuantică a evoluat rapid în ultimile patru decenii, de la ideile din 1981 ale lui Paul Benioff despre o mașină Turing care ar funcționa cu unele principii ale mecanicii cuantice, până la computerele cuantice realizate după 2019 de către companii prestigioase, precum IBM, Google sau Honeywell.

În anul 1985, fizicianul David Deutsch a publicat articolul în care a descris primul computer cuantic universal, capabil să simuleze orice alt computer cuantic care poate executa diferiți altgoritmi cuantici. În articolul „Quantum computational networks”, publicat în 1989, Deutsch a descris al doilea model pentru calculul cuantic – așa-numitele circuite cuantice, care pot fi combinate pentru a realiza calcule cuantice în același mod în care porțile logice pot fi combinate pentru a realiza calcule clasice.

Una dintre cele mai importante probleme în calculul cuantic este găsirea algoritmilor cuantici, care sunt în general folosiți pentru a studia proprietăți globale ale unei funcții sau ale unei secvențe de date (de exemplu, pentru a găsi perioada unei funcții sau media unei secvențe).

În anul 1992 a apărut algoritmul Deutsch-Jozsa, primul și cel mai simplu algoritm cuantic, după care au urmat: algoritmul Simon (1993), algoritmul Shor (1994), algoritmul Grover (1996).

În laboratoarele Almaden IBM Research, a fost creat, în anul 1999, primul computer de 3 qubit care a reușit să ruleze algoritmul Grover, iar în 2001, IBM și Universitatea Stanford au reușit, pentru prima dată, să execute algoritmul Shor în computerul cuantic de 7 qubit.

Sunt create calculatoare cuantice din ce în ce mai puternice:

În anul 2000, la Los Alamos National Laboratory a fost dezvoltat un computer cuantic de 7 qubit, folosind un rezonator magnetic nuclear pentru aplicarea unor impulsuri electromagnetice care permit simularea codificării de biți a computerelor tradiționale.
Compania canadiană D-WaveSystems a realizat în anul 2007 un prim computer cuantic de 16 qubit, numit Orion, urmat de D-Wave One (2011), D-Wave Two (2013), D-Wave 2X (2015, 1000 de qubit), D-Wave 2000Q (2017, 2000 de qubit).

Spre deosebire de un calculator clasic care operează cu biți (cu două stări bine precizate, 0 respectiv 1), un calculator cuantic operează cu biți cuantici, numiți și qubiți, care pot avea nu numai stările 0 și 1, ci și o suprapunere a acestora, rezultând astfel că pot procesa un număr enorm de rezultate potențiale simultan. Altfel spus, calculatoarele cuantice folosesc proprietățile cuantice ale materiei, precum suprapunerea stărilor și inseparabilitatea. Referitor la termenul „qubit”, acesta a fost propus în 1995 de către Benjamin Schumacher.

O descriere metaforică a funcționării unui calculator cuantic aparține lui Bernard Ourghanlian (director tehnic la Microsoft), care ne sugerează să ne imaginăm un labirint complex. Dacă vom aplica principiile care guvernează calculatorul clasic, atunci vom explora, rând pe rând, fiecare drum posibil până vom reuși să găsim ieșirea, însă încercările succesive sunt consumatoare de timp prețios. În cazul aplicării principiilor care guvernează calculatorul cuantic, atunci vom putea explora simultan toate drumurile, rezultatul fiind mult mai rapid.

Deși evoluția societății prezintă multe necunoscute, există speranța că rațiunea va triumfa pe traiectoria aspirației la fericire și împlinirea prin creativitate a ființei umane.

Este fascinant că tehnologia informației și a comunicațiilor a evoluat la stadiul „inteligenței artificiale”, care presupune implementarea progresivă pe calculator a operațiilor logice derulate la nivelul psihicului uman. Într-o prognoză optimistă, sunt șanse foarte mari ca în viitorul apropiat să fie realizate sisteme inteligente deosebit de complexe, având componentele hardware și software autoregenerabile și autoperformante, însușiri care au fost considerate mult timp că aparțin doar organismelor vii.

Spre deosebire de calculatoarele electronice, care funcționează după un program prestabilit pentru receptarea, procesarea și acumularea de informații, esența umană are ca reper sufletul, entitate spirituală care asigură saltul la conștiință, bazată pe rațiune, afectivitate și inteligență, cu disponibilități pentru creativitate, introducerea unor concepte noi, corelarea la nivel general și abstract a unor teorii științifice existente, cucerirea de noi adevăruri relative prin participarea deopotrivă a treptei senzorial-perceptive și a treptei rațional-discursive. Într-o expimare sugestivă concisă, să nu se uite că sistemele IA funcționează, ființele umane trăiesc, având conștiință de sine și de lumea cu care interacționează.

Concluzii

Trăim într-o lume digitalizată, în care high-tech a schimbat complet modul în care învățăm, muncim și interacționăm. Educația high-tech devine pilonul central al dezvoltării societății moderne, în care pregătirea integrării tinerilor pe piața muncii a viitorului include formarea competențelor de bază pentru a lucra cu sisteme automatizate, abilități de utilizare a inteligenței artificiale, a realității virtuale, inclusiv a realității augmentate, cunoștințe de programare și de securitate cibernetică. Educația digitală influențează decisiv succesul personal și profesional al elevilor, elimină barierele geografice la informație, permite învățarea personalizată, transformă lecțiile în provocări interactive extinse în mediul virtual, stimulează curiozitatea și favorizează retenția informațiilor. Unele platforme de învățare bazate pe IA (ex. Khanmigo sau asistenții integrați) analizează în timp real nivelul fiecărui elev, își schimbă stilul de explicație și oferă feedback prin exerciții adaptate ritmului său.

Spre deosebire de metodele tradiționale, centrate pe activitatea de predare a profesorului, elevul fiind văzut ca un obiect al instruirii, pedagogia digitală pune accent pe „studiul modului în care tehnologiile digitale pot fi utilizate optim în predare și învățare”.

În domeniul pedagogiei digitale sunt utilizate concepte și sintagme precum: instruire asistată de calculator (folosirea directă a calculatorului ca instrument de predare și exersare), educație mediată de computer (interacțiune educațională profesor-elev mijlocită de rețele și sisteme de calculatoare), E-learning (educație la distanță prin intermediul mijloacelor electronice și al platformelor dedicate), educație online (bazată pe internet), pedagogie hibridă (combinație între activitățile față-în-față și cele din spațiul virtual), pedagogie multimedia (bazată pe utilizarea și integrarea mai multor tipuri de media – text, sunet, video, animație).

În prezent, există o gamă diversificată de aplicații IA utilizate pentru eficientizarea procesului instructiv-educativ al profesorilor și îmbunătățirea experiențelor de învățare a elevilor.

Aplicații pentru elevi: Khanmigo (ghidează elevul prin întrebări ajutătoare, determinându-l să înțeleagă singur logica din spatele rezolvării), Google NotebookLM (asistent personal de studiu bazat pe notițele elevului), Duolingo Max (aplicație de limbi străine bazată pe modele generative de limbaj), Mathia (instrument avansat de învățare adaptivă la matematică, creează un model de cunoștințe pentru fiecare elev).
Aplicații pentru profesori: MagicSchoolAI (creează planuri de lecții, teste și grile de evaluare), Diffit (ajută profesorii să implementeze predarea diferențiată la clasă), Gradescope (folosește IA pentru corectarea lucrărilor fizice sau digitale, oferind feedback detaliat).
Alte aplicații educaționale: Kahoot (evaluare formativă bazată pe chestionare competitive), Nearpod (permite ca profesorii să partajeze lecții cu elevii), Trello (aplicație utilizată pentru organizarea proiectelor pe echipe sau pentru managementul sarcinilor profesorului).

Pe lângă beneficiile majore în educație, utilizarea excesivă a instrumentelor IA în familie și în unitățile școlare poate avea efecte negative asupra trăirilor emoționale, socializării și gândirii critice, poate favoriza cyberbullyingul, plagiatul digital și adânci decalajul dintre școlile din orașe și cele din mediul rural, care nu au acces la internet de mare viteză sau la licențe pentru software-uri educaționale avansate, riscând să rămână și mai mult în urmă față de școlile de top.

Provocările asociate sistemelor IA avansate au ajuns în centrul dezbaterilor internaționale din anul 2026, secretarul general al ONU, Antonio Guterres, a declarat la reuniunea la nivel înalt, organizată de Consiliul de Securitate, că se impune cooperarea mondială obligatorie pentru guvernanța IA și un cadru multilateral de gestionare a riscurilor, cu supraveghere independent, având în vedere că deciziile de viață și de moarte nu trebuie transferate sistemelor automatizate și că lumea nu își poate permite o competiție globală în care standardele de siguranță sunt sacrificate în competiția pentru dezvoltarea unor modele tot mai performante.

Din păcate, implementarea unui organism de supraveghere globală pentru IA (cum este noul Panel Științific Internațional Independent al ONU) se lovește de divergențe geopolitice majore, administrația din SUA și-a exprimat opoziția față de un control centralizat internațional, considerând că reglementările drastice ar putea frâna inovația, deși alte mari puteri, precum China, sprijină crearea unor cadre transfrontaliere de guvernanță sub egida ONU.

Bibliografie

Elena Tirziman, Societatea digitală, Editura Pro Universitaria, 2022
Fănel Iacobescu, Tehnologii moderne, Editura Scrisul Românesc, 2000
Mihăiță Ardeleanu, Gheorghe Gheorghe, Gheorghe Matei, Mecatronica. Principii și aplicații, Editura AGIR, 2007
Olimpius Istrate, Simona Velea, Ciprian Ceobanu, Pedagogie digitală, Editura Polirom, 2025

prof. Vasile Tudor