O termo “IA” é usado na ciência da computação desde a década de 1950, mas a maioria das pessoas fora da indústria só começou a falar sobre isso no final de 2022. Isso porque as recentes evoluções no aprendizado de máquina levaram a avanços que começaram a ter um impacto profundo em quase todos os aspectos de nossas vidas. Estamos aqui para ajudá-lo a detalhar algumas das palavras que estão em alta para que você possa entender melhor os termos de IA e fazer parte dessa conversa global.
A inteligência artificial é, de uma forma simples, um sistema de computador superinteligente que pode imitar os humanos em alguns aspectos, como compreender o que as pessoas dizem, tomar decisões, traduzir idiomas, analisar se algo é negativo ou positivo e até aprender com a experiência. É artificial porque o seu intelecto foi criado pelos humanos através da tecnologia. Às vezes as pessoas dizem que os sistemas de IA têm cérebros digitais, mas não são máquinas físicas ou robôs: são programas executados em computadores. Eles funcionam colocando uma vasta coleção de dados por meio de algoritmos, que são conjuntos de instruções, para criar modelos que podem automatizar tarefas que normalmente exigem inteligência e tempo humanos. Às vezes, as pessoas interagem com um sistema de IA específico, como, por exemplo, o Bing Chat, mas mais frequentemente a IA funciona em segundo plano ao nosso redor, sugerindo palavras enquanto digitamos, recomendando músicas em listas de reprodução e fornecendo informações mais relevantes de acordo com as nossas preferências.
Aprendizado de máquina
Se o objetivo é a inteligência artificial, o aprendizado de máquina é o caminho para chegar lá. Ele é um campo da ciência da computação, embaixo do guarda-chuva da IA, onde as pessoas ensinam um sistema de computador como fazer algo, treinando-o para identificar padrões e fazer previsões com base neles. Os dados são executados por algoritmos repetidamente, com diferentes entradas e feedbacks, para auxiliar o sistema a aprender e melhorar durante o processo de treinamento, assim como praticar escalas de piano 10 milhões de vezes para ler músicas à primeira vista no futuro. É especialmente útil em problemas que de outra forma seriam difíceis ou impossíveis de resolver com técnicas de programação tradicionais, como reconhecimento de imagens e tradução de idiomas. É necessária uma enorme quantidade de dados, e isso é algo que só conseguimos aproveitar nos últimos anos, à medida que mais informações foram digitalizadas e o hardware do computador se tornou mais rápido, menor, mais poderoso e mais capaz de processar todas essas informações. É por isso que grandes modelos de linguagem que usam aprendizado de máquina, como Bing Chat e ChatGPT, apareceram repentinamente em cena.
Grandes modelos de linguagem
Grandes modelos de linguagem, ou LLMs, usam técnicas de aprendizado de máquina para ajudá-lo a processar a linguagem para imitar a maneira como os humanos se comunicam. Eles são baseados em redes neurais, ou NN, que são sistemas computacionais inspirados no cérebro humano, algo como um conjunto de nós e conexões que simulam neurônios e sinapses. Eles são treinados com uma grande quantidade de texto para aprender padrões e relações na linguagem que os ajudam a usar palavras humanas. Seus recursos de resolução de problemas podem ser usados para traduzir idiomas, responder perguntas na forma de chatbot, resumir textos e até escrever histórias, poemas e códigos de computador. Eles não têm pensamentos ou sentimentos, mas às vezes parecem tê-los, porque aprenderam padrões que os ajudam a responder como um ser humano faria. Os desenvolvedores geralmente os refinam por meio de um processo chamado aprendizagem por reforço a partir de feedback humano (RLHF) para ajudá-los a parecer mais coloquiais.
IA Generativa
A IA generativa usa um grande modelo de linguagem para criar coisas novas e não apenas para fornecer informações sobre coisas existentes. Ela aprende padrões e estruturas e então gera algo semelhante, mas novo. Você pode criar imagens, músicas, textos, vídeos e códigos. Ela pode ser usada para criar artes, escrever histórias, projetar produtos e até ajudar médicos em tarefas administrativas. Mas também pode ser usada por maus atores para criar notícias falsas ou imagens que parecem fotografias, mas não são reais, por isso as empresas de tecnologia começaram a trabalhar em formas de identificar de maneira clara o conteúdo gerado pela IA.
Alucinações
Os sistemas de IA generativa podem criar histórias, poemas e canções, mas por vezes queremos que os resultados sejam baseados na verdade. Como esses sistemas não conseguem distinguir o que é real ou não, eles podem dar respostas imprecisas que os desenvolvedores chamam de alucinações ou confabulações, como se alguém visse o que parecia ser o contorno de um rosto na lua e começasse a pensar “digamos que exista um homem real na Lua”. Os desenvolvedores tentam resolver esses problemas por meio de “aterramento”, que é quando fornecem a um sistema de IA informações adicionais de uma fonte confiável para melhorar a precisão em um tópico específico. Às vezes, as previsões de um sistema também estão erradas se um modelo não tiver informações atuais após ter sido treinado.
IA responsável
A IA responsável orienta as pessoas na tentativa de projetar sistemas que sejam seguros e justos, em todos os níveis, incluindo o modelo de aprendizado de máquina, o software, a interface do usuário e as regras e restrições definidas para acessar um aplicativo. É um elemento crucial porque estes sistemas são frequentemente encarregados de ajudar a tomar decisões importantes sobre as pessoas, como na educação e na saúde, mas porque são criados por humanos e treinados com dados de um mundo imperfeito, podem refletir qualquer preconceito inerente. Uma grande parte da IA responsável envolve compreender os dados que foram utilizados para treinar os sistemas e encontrar formas de mitigar quaisquer deficiências para ajudar a refletir melhor a sociedade em geral, e não apenas determinados grupos de pessoas.
Modelos multimodais
Um modelo multimodal é um sistema de inteligência artificial que pode trabalhar com diferentes tipos ou modos de dados simultaneamente. Você pode ver fotos, ouvir sons e ler palavras. É o multitarefa definitivo! Você pode combinar todas essas informações para fazer coisas como responder perguntas sobre imagens.
Prompts
Um prompt é uma instrução inserida em um sistema em linguagem, imagens ou código que informa à IA qual tarefa executar. Os engenheiros (e na verdade todos nós que interagimos com sistemas de IA) devem projetar prompts cuidadosamente para obter o resultado desejado a partir de grandes modelos de linguagem. É como pedir em uma delicatessen: eles não pedem apenas um sanduíche, eles especificam o pão que desejam e o tipo e a quantidade de condimentos, vegetais, queijo e carne para um almoço que acharão delicioso e nutritivo.
Copilotos
Um copiloto é como um assistente pessoal que trabalha ao seu lado em todos os tipos de aplicativos digitais, ajudando você em tarefas como escrever, codificar, resumir e pesquisar. Também pode ajudá-los a tomar decisões e compreender muitos dados. O recente desenvolvimento de grandes modelos de linguagem tornou possíveis os copilotos, permitindo-lhes compreender a linguagem humana natural e fornecer respostas, criar conteúdo ou realizar ações enquanto trabalham com diferentes programas de computador. Os copilotos são construídos com proteções de IA responsáveis para garantir que sejam seguros e usados da melhor maneira. Assim como o copiloto de um avião, ele não está no comando (você está), mas é uma ferramenta que pode ajudá-lo a ser mais produtivo e eficiente.
Plugins
Os plugins são como arremessadores substitutos no beisebol: eles intervêm para atender necessidades específicas que podem surgir à medida que o jogo se desenrola, como incluir um arremessador canhoto quando um batedor canhoto se aproxima da base para uma rebatida crucial. Os plugins permitem que os aplicativos de IA façam mais sem a necessidade de modificar o modelo subjacente. São eles que permitem aos copilotos interagir com outros softwares e serviços, por exemplo. Eles podem ajudar os sistemas de IA a acessar novas informações, realizar operações matemáticas complicadas ou se comunicar com outros programas. Eles tornam os sistemas de IA mais poderosos, conectando-os ao resto do mundo digital.
