IA generativa e a morte da criatividade

Até que ponto a IA generativa pode ser uma aliada sem eclipsar a centelha única da criatividade humana?

Confira este post e tire suas conclusões.

O diabos é essa tal de IA generativa?

A inteligência artificial generativa (IAG) se refere aos algoritmos como o ChatGPT.

Eles podem criar novos conteúdos — de áudio até códigos, passando por imagens, textos, simulações e vídeos.

Desde a explosão do ChatGPT em novembro de 2022, a IA generativa (gen AI) mudou rápido, com novas ferramentas e melhorias todo mês.

Enquanto muitos reagem à IA com medo, é inegável que a aprendizagem de máquina pode trazer benefícios reais.

A análise de imagens médicas e as previsões meteorológicas de alta resolução que o digam

Uma pesquisa da McKinsey de 2022 mostra que a adoção de IA mais que dobrou nos últimos cinco anos.

E os investimentos na área não param de crescer…

O ChatGPT (que, por sinal, significa “transformador generativo pré-treinado”) e o gerador de imagens DALL-E (uma mistura do surrealista Salvador Dalí com o robô da Pixar, WALL-E) podem mudar de fato o mercado para várias profissões.

O alcance desse impacto e os riscos ainda são nebulosos…

Empresas de todos os tipos estão correndo para incorporar ferramentas de IA generativa em seus modelos de negócios.

Elas têm a esperança de conquistar uma fatia de um prêmio “colossal”…

A McKinsey indica que as aplicações de IA generativa podem adicionar até 4,4 trilhões de dólares à economia global por ano.

De fato, em três anos, tudo que não estiver conectado à IA na tecnologia, mídia e telecomunicações pode ser considerado obsoleto.

Mas antes de nos deixarmos seduzir por essa promessa de riqueza, precisamos esclarecer alguns pontos…

O que é a IA generativa, como foi desenvolvida e o que isso muda para as pessoas e organizações?

Deixe o hype um pouco de lado…

O que é aprendizado de máquina e o que é inteligência artificial?

IA é o esforço de fazer máquinas imitarem a inteligência humana para realizar tarefas.

Você já interagiu com IA sem perceber…

Assistentes de voz como Siri e Alexa se baseiam nessa tecnologia.

Aqueles chatbots chatos de atendimento ao cliente que aparecem nos sites também.

O aprendizado de máquina é um tipo de inteligência artificial.

Os especialistas desenvolvem IA com modelos que “aprendem” com padrões de dados sem o pitaco dos humanos.

O aprendizado de máquina que lida com essa avalanche de dados complexos que geramos todo dia.

Ok, e quais são os principais modelos de aprendizado de máquina?

O aprendizado de máquina usa várias bases.

Ele começou com técnicas estatísticas clássicas desenvolvidas entre os séculos 18 e 20 para conjuntos de dados pequenos.

Nos anos 30 e 40, o matemático Alan Turing começou a trabalhar nas técnicas fundamentais do aprendizado de máquina.

Mas essas técnicas se restringiram aos laboratórios até a década de 1970, quando computadores mais potentes surgiram.

Até não muito tempo, o aprendizado de máquina era quase que voltado para modelos preditivos.

Eles servem para observar e classificar padrões em conteúdos.

Um problema típico de aprendizado de máquina é pegar imagens de gatos e fazer o programa identificar padrões entre elas.

Depois, ele pode vasculhar outras imagens em busca de alguma que se encaixasse nesse padrão.

A IA generativa foi um divisor de águas…

Em vez de apenas identificar e classificar uma foto de um gato, agora o aprendizado de máquina pode criar uma imagem ou uma descrição textual de um gato sob demanda.

E como a criatividade fica nesta história?

E como funcionam os modelos de aprendizado de máquina baseados em texto?

Como eles são treinados?

ChatGPT pode estar recebendo todos os holofotes agora…

Mas não é o primeiro modelo de aprendizado de máquina baseado em texto a chamar a atenção.

O GPT-3 da OpenAI e o BERT do Google também fazem barulho.

Mas antes do ChatGPT, que, por sinal, funciona bem na maior parte do tempo (ainda em fase de avaliação), os chatbots de IA não eram “estrelas”.

O GPT-3 pode ser ao mesmo tempo super impressionante e super decepcionante…

Os primeiros modelos de aprendizado de máquina que lidavam com texto eram treinados por humanos para classificar entradas variadas de acordo com rótulos criados por pesquisadores.

Um exemplo seria um modelo treinado para classificar postagens em redes sociais como positivas ou negativas.

Esse tipo de treinamento é o aprendizado supervisionado.

Um humano está “ensinando” o modelo o que fazer.

A próxima geração de modelos de aprendizado de máquina baseados em texto depende do aprendizado autossupervisionado.

Nesse tipo de treinamento, um modelo recebe uma quantidade massiva de texto.

Daí ele consegue gerar previsões.

Alguns modelos podem prever, com base em algumas palavras, como uma frase vai terminar.

Com a quantidade certa de textos de exemplo — uma boa fatia da internet — esses modelos se tornam bem precisos.

E estamos vendo essa precisão na prática com o sucesso de ferramentas como o ChatGPT.

O que precisamos para construir um modelo de IA generativa?

Construir um modelo de IA generativa é um negócio meio hercúleo…

A ponto de apenas algumas bigtechs bem financiadas terem tentado isso.

A OpenAI, responsável pelo ChatGPT, pelos antigos modelos GPT e pelo DALL-E, conta com bilhões em financiamento de investidores anjos.

A DeepMind é uma subsidiária da Alphabet, a empresa-mãe do Google, e até a Meta (antiga Facebook) entrou no mundo da IA generativa com o produto Make-A-Video.

Essas empresas usam os melhores cientistas da computação e engenheiros do mundo.

Mas não é só talento…

Pedir a um modelo para treinar usando quase toda a base da internet custa muito caro…

A OpenAI não divulgou os custos exatos, mas estimativas indicam que o GPT-3 treinou com cerca de 45 terabytes de dados textuais.

Uma startup comum não consegue acessar nem de perto esses dados.

Quais tipos de conteúdos um modelo de IA generativa pode gerar?

Como você já deve ter notado, os resultados dos modelos de IA generativa podem ser bem parecidos com os conteúdos criados por humanos.

Mas também podem dar aquela sensação estranha de “não é bem isso”.

A qualidade do modelo faz toda a diferença…

O ChatGPT tem se mostrado bem melhor que seus antecessores.

Modelos de IA que geram imagens, como o DALL-E 2, podem criar imagens bizarras e/ou belas sob demanda, como uma pintura de Rafael de uma Madonna e uma criança comendo pizza.

Outros modelos conseguem gerar código, vídeos, áudios ou simulações de negócios.

Mas, cuidado!

Os resultados nem sempre são precisos ou apropriados.

E o ChatGPT?

Parece ter dificuldades até com contagem ou resolução de problemas básicos de álgebra…

Isso sem contar o viés de reproduzir preconceitos sexistas e racistas que habitam os meandros da internet.

Os resultados da IA generativa são combinações calibradas dos dados usados para treinar os algoritmos.

Dado que o volume de dados é absurdo — o GPT-3 treinou com cerca de 45 terabytes de texto.

Os modelos podem parecer “criativos” ao gerar saídas.

Além disso, os modelos costumam ter elementos aleatórios.

Isso significa que podem gerar vários resultados a partir de um único pedido.

Isso os torna ainda mais “humanos”.

Quais problemas um modelo de IA generativa pode resolver?

Apps de IA generativa podem produzir uma vários textos credíveis em segundos.

E ainda podem responder às críticas para aprimorar a qualidade do material (aprendizagem por reforço).

Isso impacta vários setores, desde TI e software, que se beneficiam do código gerado em tempo real, até organizações que precisam de textos de marketing.

Qualquer organização que precise de materiais escritos claros pode se dar bem.

A IA generativa também serve para criar materiais técnicos como versões de alta resolução de imagens médicas.

Com o tempo e os recursos economizados, as organizações podem explorar focar mais no seu core business e delegar para a IA as tarefas acessórias.

Desenvolver um modelo de IA generativa é tão caro que só as big techs conseguem bancar.

As instituições que querem usar IA generativa podem usar modelos prontos ou ajustá-los para uma tarefa específica.

Por exemplo, se você precisar preparar slides em um estilo específico, dá para pedir ao modelo para “aprender” como são escritos os títulos com base nos dados dos slides que você quer.

Depois, você pode alimentar o modelo com os dados dos slides para que ele escreva os títulos apropriados ao seu contexto.

Quais são as limitações dos modelos de IA? Como superá-las?

Como esses modelos são novos, ainda não vimos todos os riscos que eles podem trazer…

Os resultados que esses modelos geram podem parecer bem convincentes, mas isso é intencional.

No entanto, às vezes, as informações geradas são erradas ou até mesmo toscas.

Pior ainda, podem ser enviesadas (refletindo preconceitos sociais, raciais, xenofóbicos) e manipuláveis para fins duvidosos.

Organizações que dependem da IA generativa devem estar cientes dos riscos de reputação e legais envolvidos na publicação não intencional de conteúdos tendenciosos, ofensivos ou protegidos por direitos autorais.

Mas, é possível mitigar esses riscos…

Primeiro, você precisa selecionar com cuidado os dados iniciais usados para treinar os modelos.

É bom evitar conteúdos tóxico ou enviesados.

Em vez de usar um modelo de IA generativa pronto, as organizações podem optar por modelos menores e especializados.

As organizações mais parrudas podem personalizar um modelo geral com seus próprios dados para atender às suas demandas e reduzir os vieses.

Também é importante que haja um humano no controle.

Uma pessoa deve verificar os resultados de um modelo de IA generativa antes de publicá-los.

No início, é bom evitar o uso desses modelos para as decisões mais críticas.

Não se esqueça: esse é um campo novo.

Deixar-se levar pelo hype e euforia do mercado é coisa de gente inocente…

As 7 grandonas da IA generativa

As organizações referências em IA generativa estão à frente do desenvolvimento de tecnologias de IA para gerar conteúdos novos e originais, como texto, imagens, música e até códigos de programação.

Elas podem variar de instituições acadêmicas e de pesquisa até as big techs.

OpenAI

Fundada por Elon Musk e Sam Altman, a OpenAI é uma das mais conhecidas no nicho da IA generativa.

Eles criaram o GPT-3, um dos modelos de linguagem mais avançados.

O GPT-3 pode gerar textos que imitam a escrita humana de forma bem convicente.

A OpenAI também trabalha em outros projetos de IA generativa como a criação de imagens e de músicas.

DeepMind

Comprada pelo Google em 2014, a DeepMind é uma empresa de IA com foco nos algoritmos de aprendizado profundo.

Embora seja mais conhecida por criar sistemas de IA capazes de vencer jogos complexos, como Go e StarCraft II, a DeepMind também estuda como os modelos de IA podem criar novos conteúdos.

NVIDIA

Conhecida pelas GPUs (unidades de processamento gráfico) rápidas, a NVIDIA também desenvolve IAs generativas para imagens e vídeos.

Eles criaram várias tecnologias que permitem a geração de imagens hiper-realistas.

Adobe

A Adobe tem investido em IA generativa para melhorar suas ferramentas de design e multimídia.

Por meio do Adobe Sensei, sua plataforma de IA e aprendizado de máquina, a Adobe está integrando capacidades generativas nos seus produtos.

Stanford University

No mundo acadêmico, a Universidade de Stanford é uma referência de pesquisa em IA generativa.

MIT (Massachusetts Institute of Technology)

O MIT é outra instituição acadêmica de ponta na pesquisa de IA.

O MIT Media Lab tem sido um espaço para experimentação e inovação em IA generativa.

Eles exploram novas formas de criação de conteúdo assistido por IA em várias mídias.

Facebook AI Research (FAIR)

A equipe de pesquisa em IA do Facebook tem trabalhado na criação de chatbots avançados, sistemas de tradução automática e tecnologias de geração de imagens.

O FAIR usa uma abordagem colaborativa e de código aberto para a pesquisa em IA.

A IA generativa vai tirar o seu emprego?

É fato que muitas profissões vão sumir.

Mas aí entra a questão de você se adaptar ao novo mercado e não acreditar nos profetas do apocalipse da internet…

A empregabilidade em IA generativa está crescendo bem à medida que a tecnologia avança e se torna mais integrada aos setores chave do mercado.

Isso abre oportunidades para quem gosta de inteligência artificial, ciência de dados, engenharia de software, design de produtos e criatividade.

Estas são algumas das novas possíveis profissões emergentes no campo da IA generativa:

Desenvolvedor de modelos de IA generativa

Profissionais que projetam, treinam e implementam modelos de IA generativa, como GPT-3 para texto ou DALL-E para imagens.

Esses especialistas precisam estudar aprendizado de máquina, programação e otimização de modelos.

Engenheiro de criatividade assistida por IA

Com a IA generativa capaz de produzir arte, música, design gráfico e conteúdo escrito, surgem chances para engenheiros.

Eles poderão criar e manter sistemas que auxiliam na produção de criativos para marketing, publicidade e design de produtos.

Especialista em ética de IA generativa

À medida que a IA generativa consiga criar conteúdos indistinguíveis dos criados por humanos, questões éticas sobre autenticidade, direitos autorais e desinformação virão à tona.

Os especialistas em ética de IA servirão para criar diretrizes, políticas e sistemas para garantir o uso responsável da tecnologia.

Curador de conteúdo criado por IA

Com a capacidade da IA de gerar grandes volumes de conteúdo, os curadores especializados em avaliar, filtrar e organizar essa avalanche de informações se tornarão relevantes.

Eles trabalharão para garantir a qualidade e a relevância dos conteúdos criados por IA para diferentes aplicações, desde notícias até entretenimento.

Consultor de inovação em IA generativa

Profissionais que ajudarão as organizações a entender como podem aplicar IA generativa em seus processos, produtos e serviços.

Eles analisarão as necessidades do negócio e proporão soluções inovadoras com IA para melhorar a eficiência e a experiência do cliente.

Desenvolvedor de apps com IA

Com a IA generativa, surgirão novas frentes para o desenvolvimento de jogos, apps educacionais e experiências interativas personalizadas.

Esses desenvolvedores criarão apps com IA para criar conteúdos dinâmicos e adaptativos, melhorando a imersão e a personalização para os usuários.

Pesquisador em IA generativa

Acadêmicos e pesquisadores que se concentrarão no estado da arte em IA generativa, explorando novas técnicas, algoritmos e aplicações.

Eles contribuirão para inovações aplicáveis no mercado.

Essas profissões refletem parte do potencial da empregabilidade gerada pela IA generativa.

Pedro Londe

Palestrante e autor do livro “O que diabos é Gig Economy?: Como ter várias fontes de renda e aproveitar ao máximo todas as suas habilidades”