Um novo estudo publicado este mês pela Associação para o Avanço da Inteligência Artificial (AAAI), envolvendo centenas de pesquisadores de IA, tem uma descoberta importante: é improvável que nossa abordagem atual à IA nos leve à inteligência artificial geral.
A inteligência artificial tem sido um tópico popular de conversa nos últimos anos, mas o campo da IA como área de pesquisa científica existe há décadas. Por exemplo, o famoso artigo de Alan Turing "Computing Machinery and Intelligence" e o Teste de Turing, do qual falamos até hoje, foram publicados em 1950.
A IA da qual todos falam hoje nasceu dessas décadas de pesquisa, mas também está se distanciando delas. Em vez de ser uma pesquisa científica, agora também temos um ramo distinto de IA que podemos chamar de “IA comercial”.
Grandes monopólios como Microsoft, Google, Meta, Apple e Amazon estão liderando esforços comerciais de IA, com o objetivo principal de criar produtos de IA. Isso não deveria ser um problema, mas agora parece que pode ser.
Primeiramente, como a maioria das pessoas só acompanha as pesquisas em IA nos últimos dois anos, tudo o que o cidadão comum sabe sobre IA vem dessas empresas, e não da comunidade científica. O estudo aborda essa questão no capítulo “Percepção vs. Realidade da IA”, onde 79% dos cientistas participantes acreditam que as percepções atuais sobre as capacidades da IA não correspondem à realidade da pesquisa e desenvolvimento em IA.
Em outras palavras, o que o público em geral pensa que a IA pode fazer não corresponde ao que os cientistas pensam que a IA pode fazer. A razão para isso é tão simples quanto lamentável: quando um executivo sênior de tecnologia faz uma declaração sobre IA, não é uma opinião científica – é marketing de produto. Eles querem divulgar a tecnologia que impulsiona seus novos produtos e garantir que todos sintam a necessidade de aderir à tendência.
Quando Sam Altman ou Mark Zuckerberg dizem que os empregos de engenharia de software serão substituídos por inteligência artificial, por exemplo, é porque querem influenciar os engenheiros a aprenderem habilidades em IA e persuadir as empresas de tecnologia a investirem em planos corporativos caros. No entanto, a menos que comecem a substituir seus engenheiros (e lucrar com isso), eu pessoalmente não acreditarei em uma palavra sequer do que dizem sobre o assunto.
Entretanto, não é apenas a percepção do público que a IA comercial influencia. Os participantes do estudo acreditam que o “hype da IA” criado pelas grandes empresas de tecnologia está prejudicando os esforços de pesquisa. Por exemplo, 74% concordam que a direção da pesquisa em IA é impulsionada pelo hype — provavelmente porque a pesquisa alinhada aos objetivos comerciais da IA é mais fácil de financiar. 12% também acreditam que a pesquisa teórica em IA está sofrendo como resultado.
Então, quão sério é esse problema? Mesmo que as grandes empresas de tecnologia influenciem o tipo de pesquisa que fazemos, as somas presumivelmente enormes que elas investem nesse campo devem ter um impacto geral positivo. No entanto, a variedade é fundamental quando se trata de pesquisa: precisamos seguir todos os tipos de caminhos diferentes para ter a chance de encontrar o melhor.
Mas as grandes empresas de tecnologia estão realmente focadas em apenas uma coisa agora: grandes modelos de linguagem. Esse tipo muito específico de modelo de IA é o que impulsiona quase todos os produtos de IA mais recentes, e pessoas como Sam Altman acreditam que, ao tornar esses modelos cada vez mais escaláveis (ou seja, fornecendo-lhes mais dados, mais tempo de treinamento e mais poder computacional), eventualmente alcançaremos a IA geral.
Essa ideia, conhecida como hipótese de escala, diz que quanto mais poder damos à IA, maiores são suas habilidades cognitivas e menores são suas taxas de erro. Algumas interpretações também dizem que novas habilidades cognitivas surgirão inesperadamente. Portanto, embora grandes modelos de linguagem não sejam muito bons em planejar e raciocinar sobre problemas agora, essas capacidades devem surgir em algum momento.
não há parede
-Sam Altman (@sama) 14 de novembro de 2024
No entanto, nos últimos meses, a hipótese de escalonamento tem enfrentado críticas consideráveis. Alguns cientistas acreditam que o escalonamento de grandes modelos de linguagem jamais levará à inteligência artificial geral, argumentando que todo o poder adicional que damos aos novos modelos não produz mais resultados. Em vez disso, atingimos um "limite de escalonamento" ou "barreira de escalonamento", onde grandes quantidades de poder computacional e dados adicionais resultam apenas em melhorias mínimas nos novos modelos. A maioria dos cientistas envolvidos no estudo da AAAI está do lado oposto do argumento:
A maioria dos entrevistados (76%) afirmou que “ampliar as abordagens atuais de IA” para atingir a AGI é “improvável” ou “muito improvável” de ter sucesso, indicando dúvidas sobre se os modelos atuais de aprendizado de máquina são suficientes para atingir a inteligência geral.
Os atuais sistemas de linguagem complexos conseguem produzir respostas altamente relevantes e úteis quando tudo corre bem, mas dependem de princípios matemáticos para isso. Muitos cientistas acreditam que precisaremos de novos algoritmos que utilizem lógica, raciocínio e conhecimento factual para chegar a uma solução, se quisermos progredir rumo ao objetivo da inteligência artificial geral. Segue uma citação contundente sobre sistemas de linguagem complexos e inteligência artificial geral, extraída de um artigo de 2022 de Jacob Browning e Jan LeCun.
Um sistema treinado somente na linguagem nunca chegará perto da inteligência humana, mesmo que fosse treinado desde agora até que o calor do universo se apagasse.
No entanto, não há uma maneira real de saber quem está aqui — ainda não. Por um lado, a definição geral de inteligência artificial não é fixa, e nem todos buscam a mesma coisa. Algumas pessoas acreditam que a inteligência artificial geral deve produzir respostas semelhantes às humanas por meio de métodos semelhantes aos humanos – então ela deve observar o mundo ao seu redor e resolver problemas de uma forma semelhante a nós. Enquanto outros acreditam que a IA em geral deveria se concentrar mais em respostas corretas do que em respostas humanas, e que os métodos que eles usam não deveriam importar.
No entanto, em muitos aspectos, não importa realmente qual versão de IA geral lhe interessa ou se você é a favor ou contra a hipótese de escalabilidade — ainda precisamos diversificar nossos esforços de pesquisa. Se nos concentrarmos apenas na escalabilidade de grandes modelos de linguagem, teremos que começar do zero se eles não funcionarem, e podemos deixar de descobrir métodos novos, mais eficazes ou eficientes. Muitos dos cientistas envolvidos neste estudo temem que a IA comercial e a euforia em torno dela desacelerem o progresso real — mas tudo o que podemos fazer é esperar que suas preocupações sejam levadas em consideração e que ambos os ramos da pesquisa em IA possam coexistir e avançar juntos. Claro, você também pode esperar que a bolha da IA estoure e que todos os produtos tecnológicos baseados em IA caiam no esquecimento, se preferir.
Comentários estão fechados.