Este episódio aborda a questão da regulação da Inteligência Artificial, discutindo os desafios e as diferentes abordagens adotadas por governos e instituições. A necessidade de equilibrar a legitimidade social da IA com as expectativas económicas e geopolíticas é um dos principais dilemas. O contexto europeu é destacado com a introdução de três novos instrumentos jurídicos: o Data Act, o Data Governance Act e o IA Act. Estes regulamentos visam garantir a segurança e a confiança nos produtos e serviços de IA, propondo uma tipologia de risco para avaliar e classificar as diferentes aplicações da tecnologia​​.

Este episódio explora a diferença entre a Inteligência Artificial Vermelha e a Inteligência Artificial Verde. A IA Vermelha, associada à aprendizagem profunda (deep learning) e à aprendizagem automática, centra-se na performance e velocidade, resultando num elevado consumo de energia e consequentes custos ambientais. Por outro lado, a IA Verde procura minimizar o impacto ambiental e social, promovendo a eficiência e a sustentabilidade. Este episódio destaca a necessidade de equilibrar a evolução tecnológica com a responsabilidade ambiental, considerando, por exemplo, a pegada ecológica dos centros de dados e a extração de minérios essenciais para a microeletrónica​​.

Este episódio aborda o papel dos moderadores de conteúdos nas plataformas online e o trabalho humano invisível nos sistemas de IA. Explica-se como muitas tarefas associadas à inteligência artificial, como a anotação de dados e a moderação de conteúdos, ainda dependem fortemente do trabalho humano. Discutem-se ainda as condições de trabalho dos moderadores de conteúdos, que muitas vezes enfrentam material gráfico extremo, e os efeitos adversos na sua saúde mental. O episódio destaca a importância de reconhecer e valorizar este trabalho humano na era da Quarta Revolução Industrial.

Este episódio explora a aplicação da Inteligência Artificial na educação. Apresentam-se quatro eixos principais: aprender com IA, utilizar a IA para entender a aprendizagem, aprender sobre IA e preparar-se para a IA. Discutem-se as oportunidades e os desafios da adoção de ferramentas educativas baseadas em IA, incluindo um exemplo do Reino Unido onde o uso de um algoritmo para prever classificações escolares durante a pandemia de COVID-19 gerou controvérsia. O episódio sublinha a necessidade de estudos e de diretrizes para a implementação ética e eficaz da IA na educação​​. 

Este episódio investiga o conceito de "Algocracia", a administração e o governo através de algoritmos. Discute-se como os sistemas de IA estão a ser utilizados em diversas áreas, desde a gestão de recursos humanos até ao policiamento preditivo. Através de exemplos – como o programa Robodebt na Austrália e o uso de algoritmos para decisões de crédito e promoções – o episódio destaca os benefícios e os riscos da algocracia, incluindo os problemas de autorreforço e discriminação que podem surgir com a implementação inadequada de algoritmos de IA​​. 

Este episódio aborda a Inteligência Artificial Generativa, um campo da IA que permite a criação de conteúdos como música, textos e imagens. Explica-se como estas tecnologias são treinadas com enormes quantidades de dados para gerar novos conteúdos de forma realista, como as versões de músicas que ouvimos no início. No entanto, esta capacidade de criação levanta desafios significativos relacionados com a autenticidade, a desinformação através de deepfakes e as questões legais e éticas sobre direitos de autor e impacto no trabalho artístico​​. 

Este episódio explora a metáfora das "Caixas Negras" nos sistemas de Inteligência Artificial, focando-se na aprendizagem profunda (deep learning). Explica-se como a complexidade das redes neuronais artificiais, inspiradas no funcionamento do cérebro humano, leva a um problema de opacidade. À medida que as camadas de processamento aumentam, torna-se cada vez mais difícil explicar como os algoritmos chegam aos seus resultados. Esta falta de transparência levanta questões importantes sobre a confiança e a responsabilidade no uso de IA​​.

Este episódio explora a dependência de dados digitais na IA, enfatizando-se a importância dos conjuntos de dados para o treino de algoritmos. Discute-se como a classificação de dados é crucial e os desafios éticos que surgem quando os dados refletem preconceitos e estereótipos sociais. Detalham-se as diferentes fontes de dados, como a web e as plataformas digitais, e abordam-se questões de privacidade, discriminação algorítmica e a mineração de dados. O episódio destaca a necessidade de uma reflexão crítica sobre o uso de dados na sociedade digital.

Este episódio explica os três principais métodos de treino de algoritmos de Aprendizagem Automática: aprendizagem supervisionada, não-supervisionada e por reforço. Detalha-se como cada método funciona, desde o uso de dados rotulados na aprendizagem supervisionada até a descoberta de padrões em dados não rotulados na aprendizagem não-supervisionada, e a lógica de tentativa e erro na aprendizagem por reforço. São discutidas as aplicações práticas e os desafios éticos associados a esses métodos.

Este episódio aborda a Aprendizagem Automática, uma área crucial da IA. Explica-se como, desde os trabalhos pioneiros de Alan Turing e a conferência de Dartmouth em 1956, o campo evoluiu para incluir três gerações de abordagens: sistemas baseados em raciocínio lógico, sistemas especialistas e a actual geração baseada em big data. Apresenta-se como a Aprendizagem Automática utiliza técnicas estatísticas para identificar padrões em grandes conjuntos de dados e destacam-se as suas aplicações e limitações.