A inteligência artificial passou por muitos ciclos de entusiasmo e desilusão. Atualmente, estamos numa fase ascendente, graças ao desenvolvimento de grandes modelos de linguagem (LLM) baseados na arquitetura Transformer. Esta arquitetura está particularmente bem adaptada às GPU, permitindo utilizar quantidades imensas de dados e de capacidade de cálculo para treinar modelos com milhares de milhões de parâmetros. A consequência mais significativa é a criação de uma nova interface de utilizador para os computadores: a linguagem humana.
Tal como a interface gráfica do utilizador tornou o computador pessoal acessível a milhões de utilizadores nos anos 80, as novas interfaces de linguagem natural tornaram a IA acessível a centenas de milhões de utilizadores em todo o mundo no último ano.
Apesar desta acessibilidade aparente, a "democratização" prometida pelas soluções SaaS continua a ser imperfeita e parcial, criando novas formas de desigualdade.
A IA continua a exigir competências específicas:
- Literacia em IA e compreensão dos limites dos sistemas
- Capacidade de avaliar criticamente os resultados
- Competências de integração em processos empresariais
John McCarthy cunhou o termo IA na década de 1950, mas ele próprio se queixou: "Assim que funciona, já ninguém lhe chama IA". Este fenómeno, conhecido como o "efeito IA", continua a influenciar-nos atualmente.
A história da IA está repleta de sucessos que, depois de se tornarem suficientemente fiáveis, deixam de ser considerados suficientemente "inteligentes" para merecerem o epíteto de aspiração.
Exemplos de tecnologias que outrora foram consideradas IA de ponta e que agora são consideradas um dado adquirido:
- A visão artificial está agora integrada em todos os smartphones
- Reconhecimento de voz, agora simplesmente "ditado
- Tradução de línguas e análise de sentimentosSistemas de recomendação (Netflix, Amazon) e otimização de rotas (Google Maps)
Isto faz parte de um fenómeno mais vasto que podemos designar por "paradoxo da fronteira".
Como atribuímos ao ser humano a fronteira para além do nosso domínio tecnológico, essa fronteira será sempre mal definida. A inteligência não é algo que possamos capturar, mas um horizonte em constante aproximação que transformamos em ferramentas úteis.
A difusão da IA generativa reduziu drasticamente os custos de produção e transmissão de informação, com efeitos paradoxais em relação aos objectivos da participação cívica.
A combinação da IA generativa com as redes sociais criou:
- Sobrecarga cognitiva e amplificação de preconceitos pré-existentes
- Maior polarização social
- Facilidade de manipulação da opinião pública
- Proliferação de conteúdos falsificados
Interfaces simplificadas ocultam o funcionamento da IA:Fraca compreensão dos processos de decisão automatizadosDificuldades em identificar os enviesamentos algorítmicos
Personalização limitada dos modelos subjacentesA importância da inteligência automatizada liderada por humanosA I.A. só nos pode levar a 90% do caminho.
As máquinas são excelentes na análise de grandes volumes de dados, mas têm dificuldade em lidar com casos extremos. Os algoritmos podem ser treinados para lidar com mais excepções, mas a partir de um certo ponto os recursos necessários ultrapassam os benefícios. Os seres humanos são pensadores precisos que aplicam princípios a casos-limite, enquanto as máquinas são aproximadores que tomam decisões com base em dados anteriores.
Tal como descrito pela Gartner nos ciclos de entusiasmo tecnológico, o entusiasmo selvagem é invariavelmente seguido de desilusão - o "vale da desilusão".
Alan Kay, pioneiro da ciência da computação e vencedor do Prémio Turing, disse: "A tecnologia é tecnologia apenas para aqueles que nasceram antes de ser inventada". Os profissionais da aprendizagem automática são cientistas e engenheiros, mas os seus esforços parecem sempre mágicos - até que um dia deixam de o ser.
Homogeneização e perda de vantagem competitivaA adoção generalizada das mesmas soluções SaaS pré-construídas resulta em:Convergência para processos empresariais semelhantesDificuldades de diferenciação através da IAInovação limitada pelas capacidades da plataformaPermanência de dados e seus riscos
Com a acessibilidade das plataformas de IA generativa:Os dados persistem ao longo do tempo nas infra-estruturas digitaisOs pontos de dados podem ser reutilizados em diferentes contextos
Cria-se um ciclo perigoso quando as futuras gerações de IA são treinadas com conteúdos sintéticos.
O mercado da IA está a dividir-se em:
- IA de base: soluções normalizadas ao alcance de muitos
- IA proprietária avançada: capacidades de ponta desenvolvidas por algumas grandes organizações
Parte do problema reside na própria definição de "Inteligência Artificial".
Se decompusermos o termo de forma recursiva, verificamos que cada ramo da definição se refere a "humanos" ou "pessoas". Assim, por definição, pensamos na IA como uma imitação dos seres humanos, mas assim que uma capacidade entra firmemente no domínio das máquinas, perdemos o ponto de referência humano e deixamos de a considerar IA.
É mais útil concentrarmo-nos em tecnologias específicas que podem ser postas em prática, como transformadores para modelos linguísticos ou difusão para geração de imagens. Isto torna a nossa capacidade de avaliar uma empresa muito mais explícita, tangível e real.
O paradoxo da fronteira significa que a IA está a acelerar tão rapidamente que, em breve, será simplesmente tecnologia e uma nova fronteira passará a ser a IA. Tornar-se "tecnologia" deve ser visto como o reconhecimento de uma ideia que anteriormente estava na vanguarda do possível. Este artigo foi inspirado em parte pelas reflexões da Sequoia Capital sobre o paradoxo da IA.
Para mais informações: https://www.sequoiacap.com/article/ai-paradox-perspective/
A verdadeira promessa da IA acessível não é simplesmente disponibilizar a tecnologia, mas criar um ecossistema em que a inovação, o controlo e os benefícios sejam genuinamente distribuídos.
Temos de reconhecer a tensão entre o acesso à informação e os riscos de sobrecarga e manipulação.
Só mantendo um forte elemento humano na inteligência artificial e adoptando uma linguagem mais precisa é que poderemos concretizar o seu potencial como força de inclusão e inovação verdadeiramente distribuída.
.svg)
.svg)
.svg)
.jpeg)
.jpeg)