Era da IA: tudo o que você precisa saber sobre inteligência artificial

IA está aparecendo aparentemente em todos os cantos da vida moderna, desde música e mídia até negócios e produtividade, até namoro. Há tanta coisa que pode ser difícil acompanhar – então continue lendo para descobrir tudo, desde os últimos grandes desenvolvimentos até os termos e empresas que você precisa saber para se manter atualizado neste campo em rápida evolução.

Para começar, vamos garantir que estamos todos na mesma página: o que é IA?

A inteligência artificial, também chamada de aprendizado de máquina, é um tipo de sistema de software baseado em redes neurais, uma técnica que foi pioneira décadas atrás, mas recentemente floresceu graças a novos e poderosos recursos de computação. A IA permitiu o reconhecimento eficaz de voz e imagem, bem como a capacidade de gerar imagens e fala sintéticas. E os pesquisadores estão trabalhando duro para possibilitar que uma IA navegue na web, reserve ingressos, ajuste receitas e muito mais.

No final deste artigo, você estará tão atualizado quanto qualquer um pode esperar estar hoje em dia. Também o atualizaremos e expandiremos à medida que avançamos na era da IA.

Uma das coisas loucas sobre a IA é que, embora os conceitos básicos remontem a mais de 50 anos, poucos deles eram familiares até mesmo para os especialistas em tecnologia antes, muito recentemente. Portanto, se você se sentir perdido, não se preocupe — todo mundo está.

E uma coisa que queremos deixar claro desde o início: embora seja chamado de “inteligência artificial”, esse termo é um pouco enganador. Não há uma definição de inteligência por aí, mas o que esses sistemas fazem está definitivamente mais próximo de calculadoras do que de cérebros. A entrada e a saída desta calculadora são muito mais flexíveis. Você pode pensar em inteligência artificial como coco artificial – é uma imitação de inteligência.

Com isso dito, aqui estão os termos básicos que você encontrará em qualquer discussão sobre IA.

Rede neural

Nossos cérebros são em grande parte feitos de células interconectadas chamadas neurônios, que se unem para formar redes complexas que executam tarefas e armazenam informações. A recriação desse incrível sistema em software tem sido tentada desde os anos 60, mas o poder de processamento necessário não estava amplamente disponível até 15 a 20 anos atrás, quando as GPUs permitiram que as redes neurais definidas digitalmente florescessem. No fundo, eles são apenas muitos pontos e linhas: os pontos são dados e as linhas são relações estatísticas entre esses valores. Como no cérebro, isso pode criar um sistema versátil que recebe rapidamente uma entrada, passa-a pela rede e produz uma saída. Este sistema é chamado de modelo .

Modelo

O modelo é a coleção real de código que aceita entradas e retorna saídas. A semelhança na terminologia com um modelo estatístico ou um sistema de modelagem que simula um processo natural complexo não é acidental. Em IA, o modelo pode se referir a um sistema completo como ChatGPT , ou praticamente qualquer IA ou construção de aprendizado de máquina, o que quer que ele faça ou produza. Os modelos vêm em vários tamanhos, o que significa quanto espaço de armazenamento eles ocupam e quanto poder computacional eles consomem para serem executados. E isso depende de como o modelo é treinado .

Treinamento

Para criar um modelo de IA, as redes neurais que compõem a base do sistema são expostas a um monte de informações no que é chamado de conjunto de dados ou corpus . Ao fazer isso, essas redes gigantes criam uma representação estatística desses dados. Esse processo de treinamento é a parte de computação mais intensiva, o que significa que leva semanas ou meses (você pode ir o quanto quiser) em enormes bancos de computadores de alta potência. A razão para isso é que não apenas as redes são complexas, mas os conjuntos de dados podem ser extremamente grandes: bilhões de palavras ou imagens que devem ser analisadas e representadas no modelo estatístico gigante. Por outro lado, uma vez terminado o cozimento do modelo, ele pode ser bem menor e menos exigente na hora de ser utilizado, processo chamado inferência.

Inferência

Quando o modelo está realmente fazendo seu trabalho, chamamos isso de inferência, muito no sentido tradicional da palavra: estabelecer uma conclusão por meio do raciocínio sobre as evidências disponíveis. É claro que não é exatamente “raciocinar”, mas conectar estatisticamente os pontos nos dados que ingeriu e, na verdade, prever o próximo ponto. Por exemplo, dizendo “Complete a seguinte sequência: vermelho, laranja, amarelo…”, descobriria que essas palavras correspondem ao início de uma lista que ingeriu, as cores do arco-íris, e inferiria o próximo item até produzir o resto dessa lista. A inferência é geralmente muito menos dispendiosa computacionalmente do que o treinamento: pense nisso como olhar um catálogo de fichas em vez de montá-lo. Modelos grandes ainda precisam ser executados em supercomputadores e GPUs, mas os menores podem ser executados em um smartphone ou algo ainda mais simples.

IA generativa

Todo mundo está falando sobre IA generativa, e esse termo amplo significa apenas um modelo de IA que produz uma saída original, como uma imagem ou texto. Algumas AIs resumem, algumas reorganizam, algumas identificam e assim por diante – mas uma AI que realmente gera algo (se ela “cria” ou não é discutível) é especialmente popular no momento. Apenas lembre-se de que só porque uma IA gerou algo, isso não significa que seja correto ou mesmo que reflita a realidade! Só que não existia antes de você pedir, como uma história ou pintura.

Principais termos de hoje

Além do básico, aqui estão os termos de IA mais relevantes aqui em meados de 2023.

Modelo de linguagem grande

A forma mais influente e versátil de AI disponível hoje, grandes modelos de linguagem são treinados em praticamente todo o texto que compõe a web e grande parte da literatura inglesa. A ingestão de tudo isso resulta em um modelo de fundação (leia mais adiante) de tamanho enorme. LLMs são capazes de conversar e responder perguntas em linguagem natural e imitar uma variedade de estilos e tipos de documentos escritos, como demonstrado por nomes como ChatGPT, Claude e LLaMa. Embora esses modelos sejam inegavelmente impressionantes, deve-se ter em mente que eles ainda são mecanismos de reconhecimento de padrões e, quando respondem, é uma tentativa de completar um padrão que identificou, quer esse padrão reflita ou não a realidade. Os LLMs frequentemente alucinam em suas respostas, das quais falaremos em breve.

modelo de fundação

Treinar um modelo enorme do zero em conjuntos de dados enormes é caro e complexo e, portanto, você não quer ter que fazer isso mais do que precisa. Os modelos de fundação são os grandes do zero que precisam de supercomputadores para serem executados, mas podem ser reduzidos para caber em contêineres menores, geralmente reduzindo o número de parâmetros . Você pode pensar neles como o total de pontos com os quais o modelo tem que trabalhar, e hoje em dia pode estar na casa dos milhões, bilhões ou até trilhões.

Afinação

Um modelo de fundação como o GPT-4 é inteligente, mas também é um generalista por design – absorveu tudo, de Dickens a Wittgenstein e as regras de Dungeons & Dragons, mas nada disso é útil se você quiser ajudá-lo a escrever uma carta de apresentação para o seu currículo. Felizmente, os modelos podem ser ajustados dando-lhes um pouco de treinamento extra usando um conjunto de dados especializado, por exemplo, alguns milhares de aplicativos de emprego que estão por aí. Isso dá ao modelo uma noção muito melhor de como ajudá-lo nesse domínio sem jogar fora o conhecimento geral que ele coletou do restante de seus dados de treinamento.

O aprendizado por reforço com feedback humano, ou RLHF, é um tipo especial de ajuste fino do qual você ouvirá falar muito – ele usa dados de humanos interagindo com o LLM para melhorar suas habilidades de comunicação.

Difusão

A geração de imagens pode ser feita de várias maneiras, mas, de longe, a mais bem-sucedida até hoje é a difusão , que é a técnica central da Stable Diffusion, Midjourney e outras IAs generativas populares. Os modelos de difusão são treinados mostrando-lhes imagens que são gradualmente degradadas pela adição de ruído digital até que não reste nada do original. Ao observar isso, os modelos de difusão aprendem a fazer o processo também ao contrário, gradualmente adicionando detalhes ao ruído puro para formar uma imagem definida arbitrariamente. Já estamos começando a ir além disso para imagens, mas a técnica é confiável e relativamente bem compreendida, então não espere que ela desapareça tão cedo.

Alucinação

Originalmente, esse era um problema de certas imagens no treinamento deslizando para uma saída não relacionada, como edifícios que pareciam ser feitos de cachorros devido a uma prevalência excessiva de cães no conjunto de treinamento. Agora, diz-se que uma IA está alucinando quando, por ter dados insuficientes ou conflitantes em seu conjunto de treinamento, ela simplesmente inventa algo.

Isso pode ser um ativo ou um passivo; uma IA solicitada a criar arte original ou mesmo derivada está alucinando sua produção; um LLM pode ser instruído a escrever um poema de amor no estilo de Yogi Berra, e ele o fará com prazer – apesar de tal coisa não existir em nenhum lugar de seu conjunto de dados. Mas pode ser um problema quando se deseja uma resposta factual; os modelos apresentarão com confiança uma resposta que é metade real, metade alucinação. No momento, não há uma maneira fácil de dizer qual é qual, exceto verificando você mesmo, porque o modelo em si não sabe o que é “verdadeiro” ou “falso”, ele está apenas tentando completar um padrão da melhor maneira possível.

AGI ou IA forte

A Inteligência Artificial Geral, ou AI forte, não é realmente um conceito bem definido, mas a explicação mais simples é que é uma inteligência poderosa o suficiente não apenas para fazer o que as pessoas fazem, mas para aprender e se aprimorar como nós . Alguns temem que esse ciclo de aprendizado, integração dessas ideias e aprendizado e crescimento mais rápido seja autoperpetuador e resulte em um sistema superinteligente impossível de restringir ou controlar . Alguns até propuseram atrasar ou limitar a pesquisa para evitar essa possibilidade.

É uma ideia assustadora, com certeza, e filmes como Matrix e Terminator exploraram o que pode acontecer se a IA sair do controle e tentar eliminar ou escravizar a humanidade. Mas essas histórias não são baseadas na realidade. A aparência de inteligência que vemos em coisas como ChatGPT é um ato impressionante, mas tem pouco em comum com o raciocínio abstrato e a atividade multidomínio dinâmica que associamos à inteligência “real”. Embora seja quase impossível prever como as coisas irão progredir, pode ser útil pensar na AGI como algo como uma viagem espacial interestelar: todos nós entendemos o conceito e aparentemente estamos trabalhando para isso, mas ao mesmo tempo estamos incrivelmente longe de conseguir algo parecido. E devido aos imensos recursos e avanços científicos fundamentais necessários, ninguém vai conseguir isso de repente por acaso!

A AGI é interessante de se pensar, mas não faz sentido pegar emprestado problemas quando, como apontam os comentaristas, a IA já está apresentando ameaças reais e consequentes hoje, apesar de, e de fato em grande parte devido a, suas limitações. Ninguém quer a Skynet, mas você não precisa de uma superinteligência armada com armas nucleares para causar danos reais: as pessoas estão perdendo empregos e caindo em boatos hoje. Se não conseguirmos resolver esses problemas, que chance temos contra um T-1000?

Os melhores jogadores de IA

OpenAI

Se existe um nome familiar em IA, é este. OpenAI começou como o próprio nome sugere, uma organização com a intenção de realizar pesquisas e fornecer os resultados de forma mais ou menos aberta. Desde então, reestruturou-se como uma empresa com fins lucrativos mais tradicional, fornecendo acesso a seus modelos avançados de linguagem, como o ChatGPT, por meio de APIs e aplicativos. É chefiado por Sam Altman, um bilionário tecnotópico que, no entanto, alertou sobre os riscos que a IA pode apresentar. A OpenAI é líder reconhecida em LLMs, mas também realiza pesquisas em outras áreas.

Microsoft

Como você pode esperar, a Microsoft fez sua parte do trabalho na pesquisa de IA, mas, como outras empresas, mais ou menos falhou em transformar seus experimentos em produtos importantes. Sua jogada mais inteligente foi investir cedo na OpenAI, o que lhe rendeu uma parceria exclusiva de longo prazo com a empresa, que agora capacita seu agente de conversação Bing . Embora suas próprias contribuições sejam menores e menos imediatamente aplicáveis, a empresa tem uma presença considerável em pesquisa.

Google

Conhecido por seus moonshots, o Google de alguma forma perdeu o barco em IA , apesar de seus pesquisadores literalmente inventarem a técnica que levou diretamente à explosão de IA de hoje: o transformador. Agora está trabalhando duro em seus próprios LLMs e outros agentes, mas está claramente se recuperando depois de gastar a maior parte de seu tempo e dinheiro na última década impulsionando o conceito ultrapassado de “assistente virtual” de IA. O CEO Sundar Pichai disse repetidamente que a empresa está se alinhando firmemente com a IA em pesquisa e produtividade.

antrópico

Depois que a OpenAI se afastou da abertura, os irmãos Dario e Daniela Amodei a deixaram para iniciar a Anthropic , com a intenção de preencher o papel de uma organização de pesquisa de IA aberta e eticamente considerada. Com a quantidade de dinheiro que têm em mãos , eles são um sério rival do OpenAI, mesmo que seus modelos, como Claude, ainda não sejam tão populares ou conhecidos.

Estability

Controverso, mas inevitável, o Stability representa a escola de código aberto “faça o que quiser” de implementação de IA, coletando tudo na Internet e tornando os modelos de IA generativos que ele treina disponíveis gratuitamente se você tiver o hardware para executá-lo. Isso está muito de acordo com a filosofia “a informação quer ser livre”, mas também acelerou projetos eticamente duvidosos , como gerar imagens pornográficas e usar propriedade intelectual sem consentimento (às vezes ao mesmo tempo).

Elon Musk

Para não ficar de fora, Musk foi sincero sobre seus medos em relação à IA fora de controle, bem como algumas uvas verdes depois que ele contribuiu para o OpenAI no início e foi em uma direção que ele não gostou. Embora Musk não seja um especialista neste tópico, como sempre, suas travessuras e comentários provocam respostas generalizadas (ele foi signatário da carta de “pausa da IA” acima mencionada) e está tentando iniciar seu próprio grupo de pesquisa.

Últimas histórias em IA

Nvidia se torna uma empresa de trilhões de dólares

A fabricante de GPU Nvidia estava vendendo bem para jogadores e mineradores de criptomoedas, mas a indústria de IA aumentou a demanda por seu hardware. A empresa habilmente capitalizou isso e outro dia quebrou o simbólico (mas intensamente) valor de mercado de trilhões de dólares quando suas ações atingiram $ 413. Eles não mostram sinais de desaceleração, como mostraram recentemente na Computex…

Na Computex, a Nvidia redobra o compromisso com a IA

Entre uma dúzia ou duas de anúncios na Computex em Taipei, o CEO da Nvidia, Jensen Huang, falou sobre o superchip Grace Hopper da empresa para computação acelerada (sua terminologia) e IA generativa demonstrada que afirmava poder transformar qualquer pessoa em um desenvolvedor.

Sam Altman, da OpenAI, pressiona o mundo em nome da IA

Altman recentemente aconselhou o governo dos EUA sobre a política de IA, embora alguns vissem isso como deixar a raposa definir as regras do galinheiro. Os vários órgãos reguladores da UE também estão procurando informações e Altman tem feito um grande tour, alertando simultaneamente contra o excesso de regulamentação e os perigos da IA ​​sem restrições. Se essas perspectivas parecem opostas a você… não se preocupe, você não é o único.

Anthropic levanta US$ 450 milhões para sua nova geração de modelos de IA

Nós meio que estragamos essa notícia para eles quando publicamos os detalhes dessa arrecadação de fundos e planejamos com antecedência , mas a Anthropic agora está oficialmente $ 450 milhões mais rica e trabalhando duro no sucessor de Claude e seus outros modelos. Está claro que o mercado de IA é grande o suficiente para que haja espaço no topo para alguns dos principais fornecedores – se eles tiverem capital para chegar lá.

Tiktok está testando sua própria IA no aplicativo chamada Tako

A plataforma de rede social de vídeo Tiktok está testando uma nova IA de conversação que você pode perguntar sobre o que quiser, incluindo o que está assistindo. A ideia é, em vez de apenas procurar por mais vídeos de “uivos roucos”, você poderia perguntar a Tako “por que os huskies uivam tanto?” e fornecerá uma resposta útil, além de indicar mais conteúdo para assistir.

Microsoft está colocando ChatGPT no Windows 11

Depois de investir centenas de milhões na OpenAI, a Microsoft está determinada a fazer valer seu dinheiro. Ele já integrou o GPT-4 em sua plataforma de pesquisa do Bing, mas agora essa experiência de bate-papo do Bing estará disponível – de fato, provavelmente inevitável – em todas as máquinas com Windows 11 por meio de uma barra do lado direito do sistema operacional.

O Google adiciona uma pitada de IA a quase tudo que faz

O Google está tentando recuperar o atraso no mundo da IA ​​e, embora esteja dedicando recursos consideráveis ​​para isso, sua estratégia ainda é um pouco obscura. Caso em questão: seu evento I/O 2023 estava cheio de recursos experimentais que podem ou não chegar a um público amplo. Mas eles definitivamente estão pressionando a quadra inteira para voltar ao jogo.

FAQs sobre Inteligência Artificial

1. O que é inteligência artificial?

   • A inteligência artificial, também conhecida como IA, é um campo da ciência da computação que se dedica ao desenvolvimento de sistemas capazes de realizar tarefas que normalmente requerem inteligência humana. Esses sistemas são projetados para aprender, raciocinar, tomar decisões e resolver problemas de forma autônoma.

2. Como a inteligência artificial é usada na vida cotidiana?

   • A inteligência artificial está presente em muitos aspectos da vida moderna. Ela é utilizada em aplicativos de recomendação, assistentes virtuais, reconhecimento de voz e imagem, tradução automática, detecção de fraudes, carros autônomos, entre outros. Ela desempenha um papel importante na otimização de processos e na melhoria da eficiência em diversos setores.

3. Quais são os principais desafios da inteligência artificial?

   • Alguns dos principais desafios da inteligência artificial incluem a compreensão e a interpretação correta de dados complexos, a capacidade de generalizar conhecimento para além dos dados de treinamento, a garantia da transparência e ética nos sistemas de IA, além da preocupação com a privacidade e segurança dos dados.

4. A inteligência artificial vai substituir os empregos humanos?

   • Embora a inteligência artificial possa automatizar algumas tarefas e causar mudanças no mercado de trabalho, não se espera que ela substitua completamente os empregos humanos. Em vez disso, a IA tende a transformar e melhorar as atividades profissionais, auxiliando na realização de tarefas repetitivas e permitindo que os humanos se concentrem em atividades que requerem habilidades mais complexas, como criatividade, empatia e tomada de decisões estratégicas.

5. Devemos nos preocupar com a inteligência artificial se tornar uma ameaça à humanidade?

   • Embora seja importante considerar e abordar questões éticas e de segurança relacionadas à inteligência artificial, não há motivo para entrar em pânico em relação a uma ameaça iminente à humanidade. Ainda estamos longe de alcançar uma verdadeira inteligência artificial geral (AGI) que possa rivalizar com a capacidade humana de raciocínio abstrato e adaptação. É essencial promover um desenvolvimento responsável da IA, com regulamentações adequadas e uma abordagem ética, para garantir que seus benefícios superem os possíveis riscos.