🟡🔴 Als laboratoris, els joves passen a l’acció
Des del desembre de 2025, Youth AI Lab ha entrat en la fase de desplegament amb els joves que participen en cada laboratori. S’han organitzat disset sessions a La Rochelle, Nà pols, Barcelona i Anvers.
Segons el lloc, els tallers segueixen calendaris diferents i s’adapten tant als públics com als formats escollits. Les activitats també varien: observació de sistemes d’IA, jocs, programació de robots, proves d’eines i creació de prototips.
Malgrat aquestes diferències, tots els laboratoris comparteixen un mateix objectiu: ajudar els joves a entendre com funciona la IA generativa mitjançant activitats concretes i seguint un enfocament rigorĂłs i cientĂfic.
A La Rochelle, entendre els lĂmits de la IA per crear chatbots fiables
El laboratori Youth AI Lab «Le retour des Pacman’s», impulsat pel Centre Social et Culturel Vent des Îles i pel Laboratoire d’Aix-périmentation de bidouille, ha reunit des del desembre de 2025 divuit joves d’entre dotze i quinze anys durant set sessions —entre les quals, una setmana intensiva—, amb un total de 38,5 hores.
El cicle es va construir al voltant d’una pregunta senzilla: podem confiar en el que respon una IA? Els primers jocs van mostrar que un model podia acceptar informaciĂł falsa i continuar responent com si fos correcta. AixĂ, els joves van entendre que una resposta ben formulada no Ă©s necessĂ riament informaciĂł verificada.
Per entendre d’on prové aquesta discrepà ncia, el grup es va interessar després per l’aprenentatge automà tic. L’activitat sobre l’aprenentatge per reforç no pretenia reproduir el funcionament d’una IA generativa. Mostrava un principi més general: el comportament d’un sistema depèn de com s’entrena i de les indicacions que rep. En buscar un recorregut i programar després uns robots, els joves van comprovar que una mà quina no avalua per si mateixa què és veritable o pertinent. Actua dins del marc que se li ha proporcionat.
La seqüència Stupid Invention va permetre tornar a la IA generativa amb aquest nou punt de referència. Aquesta vegada, els joves ja no havien de limitar-se a detectar una resposta enganyosa. El grup va demanar a la IA que fes creïbles productes deliberadament absurds. El resultat va mostrar que la credibilitat també depèn de les instruccions que rep el model i de la manera com es presenten els textos i les imatges.
La setmana intensiva del juliol va capgirar el problema. Després d’haver vist com una IA podia fer creïble una invenció, el grup havia de construir eines amb respostes més ben delimitades. Per a Feurisson, dedicat a la prevenció d’incendis, i Superbot, dedicat a l’assetjament escolar, els joves van definir els públics, seleccionar les fonts, redactar respostes de referència i establir regles per a les situacions sensibles. D’aquesta manera, la fiabilitat es va convertir en una decisió de disseny concreta.
Per tant, tot l’itinerari segueix un mateix fil conductor. Primer, els joves van aprendre a dubtar d’una resposta convincent; després, van relacionar el comportament d’un sistema amb el seu entrenament i les instruccions rebudes. A continuació, el grup va utilitzar aquesta comprensió per produir contingut enganyós, abans d’estudiar com es podien delimitar millor les respostes d’un chatbot.
Tallers, prototips i produccions realitzats pel grup de La Rochelle.
A NĂ pols, entendre les dades per fer actuar el robot Otto
El laboratori Youth AI Lab FARO, dinamitzat per Perlatecnica en col·laboració amb l’institut tècnic ITIS Alessandro Volta, va acompanyar joves d’entre setze i disset anys durant quatre tallers de dues hores i mitja entre el febrer i el maig de 2026.
A Nà pols, la feina va començar identificant els sistemes d'IA presents a l'entorn quotidià , que els joves van distingir dels dispositius basats en regles fixes. Aquesta observació els va oferir un punt de partida concret per reflexionar sobre què podia aportar la IA als problemes locals.
Per entendre què poden aportar aquests sistemes i què els limita, el grup va estudiar després els errors de raonament dels models de llenguatge. La introducció del robot Otto va fer més concretes aquestes qüestions. Els joves van comparar l’execució del model al robot i al núvol, tenint en compte la privacitat, la velocitat, la bateria i el cost. Aixà van comprovar que un sistema d’IA també depèn de decisions tècniques que tenen conseqüències en el seu ús.
El treball sobre els biaixos de gènere va aprofundir aquesta reflexió. En provar les respostes d’un model de llenguatge i, després, una classificació basada en l’alçada i el pes, els joves van constatar que les categories escollides orienten els resultats i poden simplificar una realitat complexa. Aquesta qüestió va esdevenir central quan el grup va aplicar la IA a la ciutat sostenible.
Llavors, l’Otto es va equipar amb sensors per mesurar el diòxid de carboni, les partĂcules fines i el soroll. Els joves van utilitzar un model entrenat amb dades simulades i en van analitzar els errors per entendre, per exemple, per què un parc sorollĂłs es podia confondre amb una obra. El model ja no es presentava com una soluciĂł automĂ tica, sinĂł com una eina les decisions de la qual calia verificar.
Al llarg de les sessions, la mirada del grup va canviar. Ja no es tractava només d’identificar la IA a la ciutat, sinó d’entendre les decisions tècniques i les categories que n’orienten els resultats, i aplicar-les després a un problema local amb l’Otto.
Experiments duts a terme amb el robot Otto al laboratori FARO de NĂ pols.
A Barcelona, entendre els errors d’un model per construir un prototip útil
El laboratori Youth AI Lab Gorgs IA Studio, impulsat per la Universitat Autònoma de Barcelona i acollit a l’Escola d’Enginyeria, va organitzar quatre sessions de tres hores al llarg d’una setmana. Tres mentors van acompanyar els joves durant aquest itinerari intensiu.
A Barcelona, les quatre sessions formaven una progressió molt concentrada. Els joves van començar comparant la programació basada en regles amb l’aprenentatge a partir d’exemples. En entrenar un model capaç de reconèixer formes, van constatar que els resultats depenien directament de les imatges utilitzades.
A continuaciĂł, el grup va intentar provocar errors modificant la il·luminaciĂł, l’angle i el fons. Aquesta feina va permetre entendre que un model pot funcionar bĂ© en les condicions previstes i fallar tan bon punt canvia la situaciĂł. AixĂ, els biaixos tècnics i socials es van abordar a partir dels lĂmits observats durant les proves.
Aquestes conclusions van servir de punt de partida per als projectes. Cada grup va triar un problema relacionat amb un Objectiu de Desenvolupament Sostenible i va concretar la necessitat amb l’ajut d’un mapa d’empatia. La solució havia de ser útil, viable i compatible amb allò que el model podia aprendre realment. Després, els joves van vincular el model a un robot per construir un primer prototip.
L’última etapa va consistir a fer provar el prototip als altres grups. Abans de la presentaciĂł final, es van registrar els casos esperats, els casos lĂmit i les situacions imprevistes. Per tant, els errors no marcaven el final del projecte, sinĂł que servien per precisar què calia millorar.
En quatre dies, els grups van vincular el funcionament d’un model a un Ăşs concret. Van aprendre a comprovar-ne els lĂmits i a tenir en compte els resultats en el disseny del prototip.
Entrenament, prova i millora dels prototips desenvolupats a Barcelona.
A Anvers, passar del reconeixement a un objecte escollit pel grup
El laboratori Youth AI Lab impulsat per Digitale Wolven va organitzar a l’agost dos tallers de prova diferents amb cinc joves, amb una durada total de quatre hores. En cadascun es va provar un material robòtic diferent, per veure quin interessa més al públic destinatari abans d’iniciar el cicle regular a la tardor.
Tots dos tallers es van centrar en un mateix principi, el reconeixement, amb materials diferents. En el primer, els joves van treballar amb imatges captades per la cà mera d’un Mbot. En el segon, van entrenar un micro:bit amb CreateAI perquè reconegués els seus propis moviments.
La comparació dels dos tallers mostra allò que no canvia: cal proporcionar exemples, entrenar el sistema, comprovar què reconeix i reutilitzar el resultat en un programa. La capsa de joc interactiva creada durant el segon taller va ser una primera aplicació d’aquesta cadena.
Aquests dos tallers encara no formen un cicle complet, però han validat una base tècnica i una manera de treballar.
Els itineraris en imatges
Per descobrir aquests itineraris en una versiĂł mĂ©s visual, ja es poden consultar en lĂnia les primeres postals en directe dels nostres laboratoris. Mostren què han creat els joves durant el primer semestre de desplegament de Youth AI Lab i com cada grup ha fet evolucionar el seu projecte.
Ja hi ha disponibles quatre primeres postals:
