Genai representa apenas uma parte pequena do campo da inteligência artificial, não abrangendo todo o seu espectro. É importante continuar focando no desenvolvimento do aprendizado profundo e da aprendizagem de máquina.
Por enquanto, você utilizou uma ferramenta de inteligência artificial generativa, como o ChatGPT, para desenvolver um aplicativo, redigir uma proposta de concessão ou redigir avaliações de funcionários. Se você já fez alguma dessas tarefas ou apenas experimentou fazendo perguntas para um grande modelo de linguagem, com certeza ficou impressionado com a capacidade das ferramentas de inteligência artificial generativa de imitar a escrita humana de forma eficaz.
Você certamente percebeu que eles não são perfeitos, mesmo com todas as suas capacidades promissoras. As ferramentas GenAI, como ChatGPT ou GitHub Copilot, ainda dependem da intervenção de humanos experientes para criar instruções e revisar os resultados. Essa situação não deve mudar tão cedo.
Também disponível no InfoWorld: Zero-shot learning e os fundamentos da inteligência artificial generativa.
Na realidade, a inteligência artificial generativa é altamente significativa não apenas para a elaboração de documentos de exames, resumos legais ou softwares que podem escrever, mas também por ter aumentado a relevância da inteligência artificial de forma mais ampla. Quando a empolgação em torno da GenAI diminuir – o que irá acontecer – veremos um aumento nos investimentos em deep learning e machine learning, que podem ser a principal contribuição da GenAI para a inteligência artificial.
À pessoa equipada com uma ferramenta de percussão GenAI
É empolgante considerar as possibilidades da inteligência artificial generativa. Na perspectiva dos desenvolvedores de software, essa tecnologia promete eliminar tarefas tediosas, permitindo que nos concentremos em programação mais valiosa. A maioria dos desenvolvedores está apenas começando a explorar ferramentas como o AWS CodeWhisperer, mas outros, como Simon Willison, fundador da Datasette, já experimentaram um aumento significativo na produtividade e na ambição dos projetos.
Willison consegue superar GenAI em grande parte devido à sua experiência: ele consegue aproveitar recursos como o GitHub Copilot para produzir 80% do conteúdo necessário, e ele possui conhecimento suficiente para discernir quando a ferramenta é útil e quando é necessário escrever os 20% restantes. Aqueles que não possuem o mesmo nível de experiência podem precisar ser mais cautelosos ao utilizar o GenAI.
Passamos por um ciclo de entusiasmo semelhante a cada nova onda de inteligência artificial, e a cada vez precisamos distinguir entre a expectativa realista e o exagero do entusiasmo. Um exemplo disso é o aprendizado de máquina. Quando o aprendizado de máquina surgiu, os cientistas de dados o aplicaram em tudo, mesmo quando havia ferramentas mais simples disponíveis. Como argumentou o cientista de dados Noah Lorang, “Há uma quantidade muito pequena de problemas de negócios que são mais bem resolvidos pelo aprendizado de máquina; a maioria deles só precisa de bons dados e compreensão do que isso significa.” Em outras palavras, embora seja impressionante desenvolver algoritmos para encontrar padrões em enormes conjuntos de dados, muitas vezes uma abordagem mais inteligente envolve matemática simples ou consultas SQL.
O CEO da Diffblue, Mathew Lodge, recentemente indicou que em muitos casos a aprendizagem por reforço pode ser mais eficaz do que a GenAI para responder a várias questões. Ele ressaltou que os modelos de aprendizagem por reforço menores, rápidos e de baixo custo têm mais chances de sucesso do que a abordagem manual de gigantescos modelos LLMs com 100 bilhões de parâmetros em diversas tarefas, desde jogar jogos até escrever código. Lodge não está desqualificando a importância da AI generativa, mas sim destacando a necessidade de reconhecer a GenAI como uma ferramenta valiosa para resolver certos problemas de ciência da computação, mas não todos.
Adaptar a economia para a GenAI.
Se olharmos de forma geral para a inteligência artificial, mesmo com a influência da GenAI no sensacionalismo da mídia e nos investimentos corporativos, ela representa apenas uma pequena parte do campo da inteligência artificial global, como explicado pelo engenheiro Nvidia Amol Wagh. A expressão “inteligência artificial” abrange a interação entre humanos e máquinas. Segundo Wagh, a inteligência artificial é uma área tecnológica que busca imitar o comportamento humano, permitindo que máquinas aprendam e realizem tarefas sem a necessidade de instruções explícitas sobre o resultado desejado.
A inteligência artificial generativa se encaixa nesse contexto? Sim, com certeza, mas antes é necessário mencionar o processo de aprendizado de máquina, que é um ramo da inteligência artificial. Esse processo consiste em algoritmos que aprendem com dados para realizar previsões com base nessas informações. Em seguida, temos o aprendizado profundo, que é uma parte do aprendizado de máquina e treina computadores a pensar de forma mais semelhante aos humanos, utilizando camadas de rede neural. Por fim, surge o GenAI, uma ramificação do aprendizado profundo, que vai além ao criar novos conteúdos com base em entradas fornecidas.
Uma análise rápida da Nvidia data center em relação à GenAI, ou do impacto da GenAI na adoção da Vercel, pode levar à impressão de que GenAI é a solução definitiva para a inteligência artificial. Embora GenAI esteja em destaque atualmente, é altamente provável que esse destaque seja temporário e passageiro.
Isso não significa que o GenAI será esquecido como a Web3 ou blockchain. Devemos ser mais realistas sobre seu papel dentro do campo maior da inteligência artificial. Massimo Re Ferré fala entusiasticamente sobre o potencial do GenAI na computação, acreditando que estamos apenas começando a explorar suas capacidades. Ele prevê um futuro em que especialistas avançam mais rapidamente e não especialistas têm acesso à tecnologia de uma maneira inimaginável atualmente.
Claro. Existe a possibilidade, até mesmo provável, de uma variante desse futuro se realizar. No entanto, o GenAI representa apenas uma parte menor de um subconjunto da inteligência artificial. O autor considera a imagem maior da IA mais interessante e impactante, apesar de toda a atenção atual estar voltada para o GenAI. Esse foco mudará, e se GenAI nos lembrar do potencial da IA, aprendizado de máquina e deep learning ao longo do caminho, e se investirmos de acordo, o entusiasmo terá valido a pena.