Ecco un’interessante argomentazione:

Gli algoritmi sono processi matematici che aiutano a risolvere i problemi. Non sono uno sviluppo nuovo, anche se la loro influenza quotidiana è cresciuta in modo esponenziale grazie alla loro centralità nell’informatica. Permeano ogni aspetto della vita quotidiana, compreso l’uso dei social media, lo shopping e persino gli appuntamenti. Gli algoritmi funzionano in modi diversi. Tuttavia, rimangono invisibili per noi. Gli algoritmi di vario tipo sono elementi necessari per il ML e l’IA, ma non sono la stessa cosa. Sia il ML che l’IA sono prevalenti nelle discussioni sui big data. Il ML guida l’IA. In questo caso, i computer applicano algoritmi all’analisi dei big data e fanno emergere le caratteristiche dei dati. Si tratta di un “processo di apprendimento” che prepara i computer a gestire volumi crescenti di dati, e in questo modo il ML funge da veicolo per l’IA. Data l’attuale mancanza di big data nel settore dell’istruzione, l’uso dell’IA è limitato, ma non mancano le opportunità future (…). Considerati insieme, ML, AI e algoritmi hanno il potenziale intrinseco di creare una scatola nera decisionale in un modo non trasparente che non ha precedenti nella storia dell’umanità. (…) l’insegnamento, come la medicina, è una pratica intrinsecamente relazionale, e questo dovrebbe continuare, qualunque sia il futuro tecnologico. Sono quindi in gioco le conoscenze, le abilità, le competenze e le disposizioni che saranno necessarie per una futura professione di insegnante produttiva (B. Lingard, C. Wyatt-Smith, E. Heck, “Transforming schooling through digital disruption. Big Data, Policy, Teaching, and Assessment”, in AA. VV., “Digital Disruption in Teaching and Testing. Assessments, Big Data, and the Transformation of Schooling” – traduzione in proprio)