O desenvolvimento da inteligência artificial chegou a um beco sem saída?

Nos últimos dias, a comunidade técnica tem assistido a um amplo debate sobre o desenvolvimento de modelos generativos de inteligência artificial, com líderes proeminentes na área a fazerem declarações sobre o possível futuro desta tecnologia. Alguns indicaram que as melhorias na IA atingiram o seu limite, enquanto outros sublinharam que existem perspetivas promissoras para o desenvolvimento futuro.

Entre os que comentaram esta questão estava Sam Altman, CEO da OpenAI, que numa publicação na plataforma X enfatizou que “não há muro” que restrinja o desenvolvimento da inteligência artificial, indicando que não há limites para o seu progresso. Por sua vez, Eric Schmidt, antigo CEO da Google, concordou com esta opinião, referindo que os grandes modelos linguísticos testemunharão enormes desenvolvimentos nos próximos cinco anos, uma vez que o seu poder poderá multiplicar-se até 50 ou 100 vezes.

Além disso, Dario Amodei, CEO da Anthropic, e Jensen Huang, CEO da NVIDIA, manifestaram a sua rejeição aos relatórios que indicam uma desaceleração no progresso da inteligência artificial. Neste contexto, Ilya Sutskever, cofundador da OpenAI, confirmou que os esforços para escalar a formação de modelos atingiram uma fase de saturação, referindo que a sua equipa na SSI está a trabalhar numa abordagem alternativa para lidar com estes desafios.

Por outro lado, Marc Andreessen, cofundador da a16z, salientou que a maioria dos modelos de IA atualmente disponíveis no mercado atingiram um nível de desempenho semelhante, o que limita a concorrência entre eles. Isto representa um desafio para a indústria tecnológica, que tem investido fortemente na construção de centros de dados e centrais nucleares para apoiar este desenvolvimento. Se se verificar que os actuais métodos de formação já não produzem os resultados esperados, como é que as empresas justificarão estes enormes investimentos?

Estas discussões são de grande importância dado o impacto da inteligência artificial em diversas áreas como a economia, a saúde e a educação, bem como o seu impacto significativo nos investimentos realizados neste setor. No entanto, a questão central permanece: como poderão as empresas superar os desafios atuais para alcançar a superIA?

Desafios para alcançar uma inteligência artificial superior
Muitos especialistas na área concordam que a chave para o progresso reside na exploração de novos tipos de dados, no desenvolvimento de sistemas capazes de raciocínio lógico, bem como na melhoria dos modelos para que sejam mais pequenos e mais especializados. Um dos principais desafios que as empresas enfrentam no desenvolvimento de grandes modelos de linguagem é a escassez de dados e a dificuldade de obtenção das unidades de processamento gráfico (GPUs) necessárias para treinar estes modelos. Devido à grande procura destas unidades, as empresas enfrentam grandes atrasos na sua obtenção, o que dificulta o progresso.

Outro desafio é a escassez de dados de alta qualidade, que é fundamental para o desenvolvimento de modelos. Alguns salientaram que estamos a ficar sem dados de texto disponíveis online, e este problema pode tornar muito difícil continuar a treinar modelos de linguagem.

Mudança para dados sintéticos
Face a estes desafios, os investigadores começaram a deixar de se concentrar na quantidade de dados para se concentrarem na sua qualidade. Esta mudança levou ao interesse em dados sintéticos gerados pelos próprios modelos de IA e fornece uma solução inovadora para o problema da falta de dados de alta qualidade. No entanto, a utilização de dados sintéticos não é isenta de riscos e os investigadores enfrentam desafios para encontrar um equilíbrio adequado para evitar problemas no desempenho do modelo.

Concentre-se no raciocínio e no
Juntamente com os avanços nos dados, o foco mudou para melhorar a capacidade dos modelos de raciocinar e raciocinar, conhecida como raciocínio lógico. Esta transformação permitirá que os modelos lidem com tarefas mais complexas e dar-lhes-á a capacidade de compreender o significado por detrás das palavras. Algumas empresas como a Microsoft revelaram novos métodos, como a “computação em tempo de teste”, que visa melhorar a precisão dos modelos, dando-lhes mais tempo para processar consultas complexas.

A realidade do desenvolvimento em inteligência artificial
Muitos especialistas explicaram que o progresso da inteligência artificial segue um padrão logarítmico, o que significa que cada passo em direção ao desenvolvimento requer maiores recursos do que o passo anterior. Esta tendência poderá abrandar o ritmo de desenvolvimento no futuro, o que aumentará significativamente os custos. De acordo com as projecções, os custos de formação dos principais modelos poderão variar entre os mil milhões e os 10 mil milhões de dólares nos próximos anos, levantando questões sobre a vontade dos investidores em trabalhar com custos tão elevados.

No entanto, a resposta a estas questões permanece obscura, uma vez que as empresas antecipam o desenvolvimento da super-IA, alguns clientes enfrentam frustração com o progresso lento, o que pode levá-los a procurar outras opções. Isto levanta uma importante questão psicológica e económica: estarão os clientes dispostos a esperar por este progresso ou ficarão frustrados e procurarão alternativas?