Na Universidade de Fudan, na China, 51 estudantes fizeram um exame final pouco habitual: em vez de responderem a perguntas, tiveram de criar problemas capazes de levar alguns dos mais avançados modelos de inteligência artificial a errar. A experiência diz-nos bastante mais sobre educação do que sobre quem é mais inteligente — humanos ou máquinas.
Um exame ao contrário
Imagine-se um exame em que o professor não entrega perguntas aos alunos.
São os alunos que fazem as perguntas.
E quem tem de responder é a inteligência artificial.
Foi isso que aconteceu na Universidade de Fudan, em Xangai, numa disciplina de Data Mining. No exame final concebido pelo professor Xiao Yanghua, 51 estudantes receberam uma tarefa particularmente desafiante: cada um teria de criar dez problemas capazes de pôr à prova três modelos de inteligência artificial — Claude, DeepSeek e MiniMax. Quanto mais vezes os modelos errassem, melhor seria a classificação do estudante.
A ideia parece, à primeira vista, uma espécie de competição entre alunos e máquinas.
Mas não era isso que verdadeiramente estava em causa.
A pergunta era outra, muito mais interessante para quem trabalha em educação:
se uma inteligência artificial já consegue resolver rapidamente muitas das tarefas que tradicionalmente usamos para avaliar os alunos, o que devemos passar a avaliar?
É provavelmente esta pergunta — e não o resultado da competição — que torna a experiência de Fudan tão relevante.
Ler a reportagem que serviu de ponto de partida a este artigo, no TMTPost
Para derrotar a IA era preciso saber
O exame não consistia em inventar perguntas absurdas ou em tentar confundir os modelos através de jogos de palavras.
Cada estudante tinha de criar dez problemas de cálculo relacionados com a matéria da disciplina, com uma resposta correta única e com todo o processo de resolução devidamente demonstrado. Primeiro, portanto, os estudantes tinham de saber resolver os problemas que criavam. Só depois podiam submetê-los aos modelos de IA.
O resultado é revelador.
Dos 51 estudantes, 50 conseguiram levar pelo menos um dos modelos a cometer um erro. Mas apenas quatro conseguiram construir uma prova completa em que um determinado modelo falhasse todas as dez questões. Nenhum conseguiu fazer o Claude falhar a prova inteira. A média da turma foi de 85,7 pontos e a mediana de 88.
Ou seja: encontrar ocasionalmente uma falha na inteligência artificial não foi particularmente difícil.
Encontrar sistematicamente os limites da máquina foi outra coisa.
Exigiu conhecimento.
E é aqui que a experiência começa a ficar pedagogicamente interessante.
Para descobrir onde a IA estava errada, os estudantes tinham de conhecer suficientemente bem a matéria para reconhecer o erro.
Não bastava pedir uma resposta à máquina.
Era necessário compreendê-la, verificá-la e julgá-la.
A competência que pode tornar-se cada vez mais importante
O professor Xiao Yanghua resume a ideia numa frase particularmente feliz:
“Não sejam executores da IA. Sejam os seus juízes.”
Há aqui uma mudança significativa.
Durante muito tempo, uma parte importante da escola esteve organizada em torno da capacidade do aluno para produzir a resposta.
Resolver uma equação.
Resumir um texto.
Definir um conceito.
Aplicar um algoritmo.
Pesquisar informação.
Escrever determinado tipo de texto.
A inteligência artificial generativa consegue hoje realizar muitas destas tarefas em poucos segundos.
Isso não significa que deixem de ser importantes.
Muito pelo contrário.
O que muda é que saber produzir uma resposta deixa de ser suficiente.
O aluno precisa também de saber perguntar:
- Esta resposta está correta?
- Que evidências a sustentam?
- O raciocínio faz sentido?
- Há informação em falta?
- A fonte é fiável?
- Que pressupostos estão escondidos nesta conclusão?
- Como posso verificar isto?
- Em que circunstâncias esta resposta deixaria de ser válida?
Estamos a passar, em muitos contextos, de uma cultura centrada apenas na produção de respostas para outra em que será igualmente importante avaliar respostas produzidas por máquinas.
Os estudantes encontraram precisamente aquilo que procuravam
As estratégias utilizadas pelos alunos de Fudan são particularmente interessantes.
Alguns construíram problemas envolvendo grandes quantidades de dados e cálculos que exigiam elevada precisão. Outros exploraram cadeias longas de raciocínio. Houve também perguntas em que faltavam deliberadamente condições indispensáveis para chegar a uma resposta única.
Os seres humanos percebiam que o problema não podia ser resolvido.
Os modelos, por vezes, respondiam na mesma.
E faziam-no de forma convincente.
Este ponto é fundamental.
O problema da inteligência artificial na escola nunca foi apenas o de produzir informações falsas.
É também o de conseguir produzir erros linguisticamente muito convincentes.
Uma resposta pode estar bem estruturada, ser clara, apresentar vocabulário especializado e, ainda assim, estar errada.
É precisamente por isso que a utilização competente da IA não elimina a necessidade de conhecimento.
Pode até torná-la maior.
Quem sabe pouco tem menos instrumentos para perceber quando a máquina está errada.
E isto coloca um problema sério à escola
Há um risco que merece ser discutido.
Um aluno com bons conhecimentos pode utilizar a inteligência artificial para avançar mais depressa: testar hipóteses, procurar contra-argumentos, melhorar um texto, comparar soluções ou explorar outras perspetivas.
Um aluno com conhecimentos frágeis pode utilizar exatamente a mesma ferramenta para aceitar respostas que não consegue avaliar.
A mesma tecnologia pode, portanto, aumentar capacidades num caso e aumentar dependência no outro.
A reportagem do TMTPost chama precisamente a atenção para esta possibilidade: à medida que os sistemas de IA se tornam mais poderosos, a diferença entre quem sabe utilizá-los criticamente e quem simplesmente aceita aquilo que produzem pode aumentar.
É por isso que a resposta educativa à IA não pode ser simplesmente:
“Os alunos agora podem usar o ChatGPT.”
Mas também dificilmente poderá continuar a ser:
“Os alunos não podem usar IA.”
Precisamos de uma terceira resposta:
os alunos precisam de aprender a trabalhar intelectualmente num mundo onde existe inteligência artificial.
Talvez tenhamos também de mudar algumas perguntas dos testes
A experiência de Fudan nasceu de uma constatação simples.
Segundo Xiao Yanghua, muitos dos exercícios tradicionalmente utilizados na disciplina avaliavam precisamente aquilo em que a IA já se tornou particularmente competente: cálculos, algoritmos, classificações ou procedimentos técnicos. Continuar a avaliar exclusivamente dessa forma significaria colocar os alunos a competir com a máquina no terreno onde esta é mais eficiente.
A questão estende-se muito para além da informática.
Pensemos numa aula de Português.
Em vez de pedir apenas:
“Resume este texto.”
podemos perguntar:
“Compara o teu resumo com o produzido por uma IA. Identifica duas perdas de informação relevantes e justifica as tuas escolhas.”
Em História:
“Analisa esta explicação produzida por IA e identifica afirmações que precisam de ser verificadas através das fontes fornecidas.”
Em Ciências:
“Apresentamos-te três respostas produzidas por um modelo. Qual é cientificamente mais rigorosa? Justifica.”
Em Matemática:
“A IA chegou a este resultado. Localiza o primeiro passo incorreto do raciocínio e corrige-o.”
Ou ainda:
“Cria um problema sobre esta matéria que uma IA tenha dificuldade em resolver e explica porquê.”
Nenhuma destas tarefas elimina o conhecimento disciplinar.
Pelo contrário.
Todas o exigem.
Não devemos transformar todas as aulas numa caça ao erro da IA
Convém, naturalmente, não retirar uma conclusão excessiva desta experiência.
Nem todos os testes devem transformar-se em confrontos entre alunos e modelos de inteligência artificial.
Os alunos continuam a precisar de ler sem assistência, escrever, calcular, memorizar determinados conhecimentos, desenvolver automatismos e realizar tarefas autonomamente.
Há momentos em que a utilização da IA é pedagogicamente produtiva.
E há outros em que a sua ausência é necessária.
A questão mais interessante já não será provavelmente decidir entre “IA sempre” e “IA nunca”.
Será perceber quando, para quê e em que condições a devemos integrar.
E sobretudo que aprendizagem pretendemos observar.
O professor não desaparece. Muda de posição
Há ainda outra conclusão interessante nesta experiência.
Quanto mais poderosa se torna a tecnologia, mais importante pode tornar-se o professor enquanto designer de experiências de aprendizagem.
A inovação de Fudan não esteve no acesso aos modelos de inteligência artificial. Os estudantes poderiam utilizá-los fora da universidade.
A inovação esteve no desenho pedagógico.
Alguém transformou uma tecnologia disponível numa situação em que os alunos foram obrigados a mobilizar conhecimento, criatividade, pensamento crítico, capacidade de verificação e julgamento.
Essa pessoa foi o professor.
É talvez uma das ideias que deveríamos guardar.
A grande transformação educativa provocada pela IA pode não estar em colocar um chatbot em todas as salas de aula.
Pode estar em repensar aquilo que pedimos aos alunos para fazer quando esse chatbot já existe.
De responder a perguntar. De executar a julgar.
Durante décadas, ensinámos os alunos a responder às perguntas que alguém preparava para eles.
A inteligência artificial obriga-nos talvez a recuperar uma competência que a escola nem sempre valoriza suficientemente:
saber construir boas perguntas.
Uma boa pergunta revela conhecimento.
Exige perceber relações.
Obriga a reconhecer limites.
Permite descobrir contradições.
E, como descobriram os estudantes de Fudan, para formular uma pergunta suficientemente boa para revelar a fragilidade de uma inteligência artificial é preciso dominar profundamente aquilo sobre que se está a perguntar.
Talvez seja essa a parte mais interessante desta história.
Não são os quatro estudantes que conseguiram derrotar completamente um modelo.
Nem sequer os 50 que conseguiram fazê-lo errar.
É perceber que, num mundo cheio de máquinas extraordinariamente boas a produzir respostas, a capacidade humana de fazer perguntas, verificar, interpretar e julgar pode tornar-se ainda mais valiosa.
E isso é uma questão que a escola não pode deixar apenas para amanhã.
Fontes principais: a experiência foi divulgada pela própria Universidade de Fudan em 29 de junho de 2026 e posteriormente descrita pelo TMTPost.
