Inteligência ArtificialSoftware

Líder de IA do Google sobre perfurar o hype de IA generativa, AI Summit London

Os recursos surpreendentes do ChatGPT e outros modelos generativos de IA têm sido frequentemente descritos – às vezes sem fôlego – como mágicos por seus usuários.

Laurence Moroney, líder de defesa da IA ​​no Google, quer trazer todos para a terra. “Se não conseguirmos sair do hype overdrive como uma indústria – é aqui que as coisas vão morrer – podemos enfrentar outro inverno de IA”, disse ele durante uma sessão no AI Summit London.

Moroney citou o famoso Gartner Hype Cycle for Emerging Technologies para identificar onde a IA generativa está hoje: no Pico das Expectativas Infladas.

Com base na trajetória do ciclo do hype, o próximo estágio após o Gatilho da Inovação é o Vale da Desilusão. É quando as expectativas altíssimas de uma nova tecnologia não atendem à realidade. Mas se a tecnologia puder avançar, ela atingirá a Ladeira da Iluminação quando seus benefícios para a empresa forem melhor compreendidos e solidificados. O último estágio, Plateau of Productivity, é alcançado quando há adoção mainstream da tecnologia.

“Muitas tecnologias, se não conseguirem sair desse Pico de Expectativas Infladas, morrerão”, disse Moroney.

Lembra do Google Glass? Moroney disse que quando os óculos AR controlados por voz foram lançados, o hype em torno deles disparou. Os óculos inteligentes chegaram ao mercado em 2014 ao preço de US$ 1.499. À medida que a empolgação em torno disso aumentava, também aumentavam os medos da sociedade – que é o que está acontecendo com a IA generativa hoje.

Naquela época, “as pessoas eram espancadas em bares de San Francisco porque pensavam que estavam filmando pessoas com o Google Glass”, disse ele. “Os cinemas o proibiram porque pensaram que você pode realmente usar o Google Glass para copiar um filme.”

A verdade é que o Google Glass só pode gravar vídeo por cerca de 10 minutos. Além disso, “se você tentar tirar fotos ou qualquer coisa, ela acende”, disse ele, tornando difícil fotografar alguém secretamente. No entanto, esses fatos “se perderam nesse pico de expectativas infladas e, como resultado, nunca conseguiram sair disso”. 

Leia:   Esses robôs de limpeza AI mantêm sua casa em ordem

O Google Glass ficou atolado no vale da desilusão e nunca escapou. Três meses atrás, o Google descontinuou todas as iterações do Google Glass, que nunca ganhou força no mercado em sua vida de quase uma década.

A IA generativa está agora no pico das expectativas infladas e, com ela, vêm os medos sociais, como perdas generalizadas de empregos e até mesmo riscos existenciais.

Moroney disse que seu trabalho é ajudar a IA generativa a passar pelo Vale da Desilusão em direção ao Planalto da Produtividade. “Estamos usando o produto, chutamos os pneus, entendemos as limitações.”

Para chegar ao estágio de produtividade, é importante educar as pessoas sobre o que a tecnologia é e o que não é, disse Moroney.

Evitando outro inverno de IA

A IA e o aprendizado de máquina invertem a programação tradicional, que é baseada em regras para obter uma saída. No aprendizado de máquina, os desenvolvedores começam com a saída desejada, juntamente com o conjunto de dados e a máquina apresenta as regras. 

Por exemplo, digamos que você esteja tentando programar um smartwatch para monitorar o condicionamento físico do usuário. Em uma abordagem baseada em regras, você pode escrever uma regra que diz que se o relógio estiver viajando a menos de seis quilômetros por hora, a pessoa que o estiver usando provavelmente estará andando. Então você escreve mais regras para determinar se uma pessoa está correndo ou andando de bicicleta. Mas há muitos outros cenários em que as pessoas podem estar viajando mais devagar, mas não caminhando, como ao jogar golfe.

Haveria inúmeras possibilidades e seria “muito, muito inviável” para um desenvolvedor humano escrever regras para cada uma delas, disse Moroney.

Mas “e se, em vez de tentarmos descobrir as regras, tivéssemos um computador descobrindo as regras contando as respostas?” ele postulou. “Fazemos com que as pessoas usem dispositivos como esses e dizemos que estão andando e que estão correndo. Você faz isso toda vez que usa. E então conseguimos um computador para determinar os padrões entre essas coisas.”

Leia:   Os modelos mais recentes do MosaicML superam o GPT-3 com apenas 30B de parâmetros

O modelo de IA classificaria uma multiplicidade de fatores para encontrar padrões, muito numerosos e sutis para as pessoas fazerem manualmente.

A IA generativa é uma iteração desse processo. No exemplo de condicionamento físico, os dados sobre caminhada, ciclismo e corrida se manifestam como zeros e uns e atividades rotuladas. Na IA generativa, uma técnica revolucionária desenvolvida pelo Google chamada Transformers segue a mesma lógica. Depois de encontrar padrões em uma sequência de palavras, ele pode prever a próxima sequência de palavras.

Por exemplo, se forem dadas as palavras ‘Se você está feliz e sabe disso’, na maioria das vezes a seguinte sequência de palavras seria ‘bata palmas’”. 

“Portanto, um Transformer, tudo o que está fazendo é aprender esse padrão”, disse ele. E “se você obtiver dados suficientes e começar a decompor esses dados − essas palavras − em sequências, o que esses grandes modelos começam a fazer é … generalizar” que essa sequência geralmente é seguida por outra sequência.

“Você deu (ao modelo de linguagem) um prompt para me dizer como fazer algo, ele gerará as palavras que seguem esse prompt”, explicou Moroney. “Ele descobriu as regras que determinam como um conjunto de palavras corresponderá ao próximo conjunto de palavras. É disso que se trata um Transformer.”

Artigos relacionados

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Botão Voltar ao topo