A inteligência artificial generativa alimenta-se principalmente dos dados que subimos na rede. Esse tratamento de grandes volumes de dados é chamado de "Big Data". Então, podemos afirmar que não existe inteligência artificial sem Big Data. O tratamento de dados, ou seja, sua estruturação e gestão, deu origem a novas profissões como o cientista de dados, ou "data scientist". Por sua vez, muitas outras profissões também contribuem no campo da inteligência artificial, como, por exemplo, os linguistas, que intervêm no desenvolvimento dos modelos de linguagem natural e colaboram para que o algoritmo "compreenda" cada vez melhor a linguagem natural dos seres humanos, sem necessariamente entendê-la semanticamente, mas apenas respeitando as instruções de programação realizadas por aqueles que inserem os dados, conhecidos como "data entry". Em todo processo de entrada de dados em um sistema de inteligência artificial, é crucial que se trabalhe com equipes transdisciplinares, formadas por profissionais provenientes das ciências sociais e também por pessoas de diferentes culturas e etnias. Isso é importante para permitir a multiculturalidade do treinamento do algoritmo e evitar principalmente os chamados "sesgos" de treinamento. No âmbito da formação de bases de dados que são utilizadas para treinar a inteligência artificial, existe uma frase que pode nos ajudar a entender como os sesgos se originam. Os cientistas de dados frequentemente repetem esta frase: "Trash in - Trash out", ou seja, se entra lixo na base de dados (database) que é construída, então sairá lixo. É por isso que os dados inseridos devem ser cuidados para que não sejam parciais, falsos ou tendenciosos.
Além disso, o algoritmo não pensa, apenas segue as instruções que a programação executa. Pensemos em um nível mais básico, como uma máquina de café ou uma máquina de lavar que segue uma série de instruções e automatiza o conjunto de comandos que estão em sua programação. Algo semelhante acontece no campo da inteligência artificial denominada fraca e de caixa branca, ou seja, onde podemos seguir toda a lógica da programação e esta é de natureza explicável.
No entanto, nos últimos meses, temos sido testemunhas do avanço da denominada inteligência artificial "generativa". Ela é chamada assim porque o algoritmo é de uma qualidade mais avançada e pode "criar" ou "gerar" por si mesmo conteúdo para os seres humanos, emulando o pensamento destes. Para isso, precisa de uma pergunta ou sugestão inicial que será inserida pela pessoa que o consulta. A esta sugestão ou pergunta chama-se de “prompt”. Quanto maior a qualidade na construção desses prompts, melhor será a resposta fornecida pelo modelo de IA. Assim, a origem do algoritmo utilizado pelo Chat GPT-4 ou pelo sistema de criação de imagens Dall-e é um claro exemplo dessas técnicas.
Finalmente, tanto os motores de busca como Google ou Bing integraram em seus sistemas ferramentas de inteligência artificial generativa. Os projetos mais recentes que apareceram no mercado, além da versão 4.0 do Chat GPT da OPENAI, são GEMINI (Google) e COPILOT (Microsoft), que estão causando uma revolução no seu uso aplicado a diversas profissões e à produção de conteúdos necessários nesses diferentes âmbitos. Um dos principais desafios será o de adequar a educação tradicional ao uso dessas ferramentas. O surgimento dessa classe de modelos de linguagem natural implica uma mudança de paradigma no âmbito educacional. As dinâmicas nas salas de aula necessariamente deverão ser revisadas pelas equipes docentes, que poderão transformar essas ferramentas em aliadas para permitir a geração de um pensamento crítico em vez de substituir o processo de aprendizagem com seu uso. Continuaremos analisando todos esses cenários para continuar compartilhando as novidades no uso dessas ferramentas e suas implicações nos diferentes âmbitos.
Comentários