O crescimento das inteligências artificiais que se seguiu ao lançamento do Chat GPT e suas versões introduziu muitas novidades no cenário tecnológico. Contudo, também gerou muita confusão. Não apenas os erros ou alucinações que as IAs causam apresentam problemas e riscos, mas também há grande debate sobre o uso dessa tecnologia.

Há uma questão pouco explicada: o conceito de Inteligência Artificial é diferente do que muitos usuários estão acostumados. Em resumo, o recurso de IA do smartwatch ou PC Copilot provavelmente não é a IA que o usuário pensa que é.

A definição clássica de Inteligência Artificial, ao confundir os limites entre aprendizado de máquina e consciência artificial, merece ser analisada inicialmente.

Leia também:

Copa dos Robôs 2025 evidencia o progresso da inteligência artificial e a participação do Brasil; confira

Trump lança vídeo de IA com Obama sendo detido; saiba mais

A LaLiga empregará inteligência artificial para dimensionar o número de árbitros

A definição clássica de Inteligência Artificial.

Tradicionalmente, a definição de Inteligência Artificial é exemplificada por personagens como Data, Hal 9000 e GlaDOS. São computadores ou máquinas que demonstram capacidade de raciocínio. No caso de Data, ele até se assemelha a um humano.

De modo geral, ainda que muitos não tenham crescido assistindo Jornada nas Estrelas, os fãs de Star Wars conseguem entender IAs como sendo esses robôs que se comportam quase como humanos. E, no caso dos fãs de Halo, são até mais humanos que MasterChef (ou eram).

Contudo, atualmente, isso não seria mais denominado de IA, mas sim de AGI, Inteligência Artificial Geral. Ou seja, Inteligência Artificial Geral.

E a mudança no significado é profunda.

Conceito Atual.

Aquilo que é chamado de IA é algo bem mais restrito do que esses computadores mencionados. Não se trata de uma inteligência geral em si, mas de outro componente de um sistema em funcionamento.

Essa parte do software, do sistema, é tornada útil por algoritmos especializados e utilitários de processamento de dados que formam um sistema completo.

Isso significa que, na maioria das vezes em que o termo “IA” é usado no contexto de aprendizado de máquina, refere-se a algoritmos capazes de identificar padrões em dados.

Esses algoritmos são treinados com dados como texto, multimídia ou até mesmo saídas numéricas brutas. Utilizando esses dados de treinamento, eles identificam padrões por meio de probabilidade estatística.

Eles podem ser aprimorados ainda mais através do aprendizado por reforço, recompensando respostas corretas e penalizando respostas incorretas, similar ao treinamento de um hamster. Não é exatamente igual, mas a ideia é semelhante.

Os resultados possibilitam que esses algoritmos resumam, prevejam ou até mesmo gerem algo aparentemente novo. Em muitos casos, são tão impressionantes que um bom sistema de aprendizado de máquina pode ser indistinguível da IA ou da AGI, ao menos para um leigo.

Contudo, a diferença é considerável. Para simplificar, alguns empregam o termo ANI, que significa Inteligência Artificial Estreita.

Na prática, qual é a distinção?

Toda Inteligência Artificial é limitada a tarefas especializadas. O GPT-4 Omni, especificamente, é um modelo de linguagem grande, o que significa que é treinado para entender e gerar linguagem natural, como as palavras que estou falando agora.

Em outras palavras, o GPT é essencialmente um sistema de preenchimento automático aprimorado, similar ao encontrado no WhatsApp.

A diferença essencial é que o GPT também consegue processar informações com base em padrões aprendidos durante o treinamento, incluindo definições e fórmulas matemáticas. Isso o torna apto a gerar resultados inéditos que não estavam presentes nos seus dados de treinamento.

Contudo, devido às limitações impostas pelos dados de treinamento, em muitos casos as respostas que fornecem se assemelham a esses dados. Essa é a razão pela qual muitas pessoas acusam as IAs generativas de plágio.

Entretanto, o problema se agrava quando modelos generativos encontram um conceito que não compreendem. É aí que ocorrem as alucinações, ou seja, eles simplesmente inventam coisas à medida que avançam, criando um texto natural, mas que pode ser totalmente falso.

Inútil?

Essas limitações não significam que a ANI seja inútil. Modelos desse tipo têm sido implementados de forma muito eficaz para diagnosticar doenças e em outros cenários altamente complexos, onde os dados são densos e as conclusões exigem interpretação.

Esses modelos especializados são extremamente úteis. Porém, o uso deles é feito sob supervisão humana.

Também não se pode afirmar que essa tecnologia é totalmente inovadora.

Redes neurais simples são utilizadas há décadas para tarefas que vão desde o reconhecimento de caligrafia até a análise de tráfego da web. E sim, inclusive em inteligência artificial de videogame. Inclusive, alguns dos erros presentes em jogos se assemelham aos erros que ocorrem em outras IAs como o GPT.

Em resumo, as Agentes de Inteligência Artificial, após diversas tentativas e erros, chegam a um ponto em que provavelmente apresentam uma solução correta ou, pelo menos, suficientemente adequada. O segredo é como reforçar a saída correta para todas as entradas similares.

Em uma analogia, a ANI é para um cérebro o que um único aplicativo é para um computador. Ela representa uma das diversas funções possíveis. A AGI seria o cérebro humano, capaz de executar muitos modelos simultaneamente e treiná-los, iterando continuamente sobre eles, em vez de depender de respostas fixas e já existentes.

Somente nesse momento uma inteligência artificial possuiria a habilidade de aprender genuinamente e se ajustar a novidades.

Entretanto, o problema reside no fato de que, mesmo que existisse um software tão sofisticado, ainda seria necessário um supercomputador capaz de executá-lo, o qual ainda não existe. Na prática, isso também implica que, mesmo que o software de IA do carro da Tesla fosse uma AGI, o hardware não o executaria e ainda estaria sujeito a erros.

Estratégia de marketing?

Isso indica que muitas das ferramentas que surgem atualmente com Inteligência Artificial, na verdade, estão utilizando marketing e se aproveitando da confusão que muitos fazem, sem perceber, entre ANI e AGI. Isso não significa que todos os responsáveis pelos times de marketing saibam a distinção.

Entretanto, é importante que o usuário saiba a distinção e compreenda que muitos dos medos, como a criação da SkyNet, são irracionais porque nenhuma Inteligência Artificial pode, simplesmente, se transformar em uma Inteligência Artificial Geral.

Inteligências Artificiais (IAs), por definição, não conseguem raciocinar. Inclusive, nem mesmo o GPT consegue compreender por que, como e onde errou quando um usuário indica que ele errou. Ele pode gerar um texto de desculpas, mas ele apenas executa o que é programado como chatbot.

Outra questão é que a memória das ANI é bem mais limitada do que se pensa. Toda ANI possui um número finito de elementos que consegue armazenar, chamados tokens, que restringem sua capacidade de manter uma linha de pensamento por muito tempo.

É por isso que IAs generativas são péssimas com textos muito longos. Qualquer um que já tentou fazer o ChatGPT escrever um romance ou mesmo um script Python moderadamente complexo provavelmente pode atestar isso.

Eles podem ser úteis para partes, mas o conjunto como um todo ainda requer análise humana.

Com o avanço do tempo, algumas dessas limitações tendem a desaparecer e os modelos de IA começarão a se assemelhar cada vez mais a uma inteligência artificial geral para um não especialista. Contudo, isso não implica que uma IA seja capaz de elaborar uma narrativa tão extensa quanto os 14 volumes de A Roda do Tempo.

Contudo, o problema principal reside no seguinte: quanto mais eficientes forem as IAs generativas, maior a desconfiança que elas podem gerar, produzindo, por exemplo, imagens extremamente realistas de eventos que nunca ocorreram.

A Wikipédia suspendeu resumos gerados por inteligência artificial, buscando proteger sua reputação.

Fonte por: Adrenaline