Star Metro - O vocabulário da inteligência artificial

IA

O sistema ChatGPT, que funciona graças à IA, explica o significado: aquilo que "permite que uma máquina simule certos aspectos da inteligência humana, como a capacidade de aprender, resolver problemas ou interagir com seu ambiente de forma autônoma".

Inicialmente, a IA funciona ingerindo grandes quantidades de dados, que são tratados usando física estatística.

A IA abrange ciência da computação, matemática, linguística, psicologia, neurociência e filosofia.

É usada em pesquisa de tumores, reconhecimento facial, robôs conversacionais, tradução de idiomas, previsão de falhas industriais e direção autônoma.

Algoritmo

É uma série de etapas ou instruções que um programa de computador segue para obter um determinado resultado.

O algoritmo é a base de como um computador funciona. Algoritmos fornecem à IA regras de funcionamento que a ajudam a atingir um determinado resultado. Mas, diferentemente de um simples programa de computador, o algoritmo permitirá que o sistema aprenda sozinho.

Aprendizagem automática

O princípio da aprendizagem automática é inspirado no funcionamento do cérebro humano. E particularmente das redes neurais, nas quais o aprendizado reforça as conexões entre certos neurônios e as enfraquece entre outros.

Essa aprendizagem pode ser supervisionada, para que o sistema aprenda a classificar novos dados de um modelo, por exemplo, para detectar spam em um e-mail.

A aprendizagem também pode ser não supervisionada, quando a máquina descobre padrões ou categorias nos dados que são invisíveis à primeira vista, permitindo, por exemplo, que um comerciante online detecte tendências de compra.

Essa aprendizagem também pode ser de reforço, com um método repetitivo de tentativa e erro no qual o sistema é penalizado ou recompensado dependendo do resultado de suas escolhas, a fim de aprender e melhorar seu desempenho.

Por exemplo, um veículo autônomo cujo objetivo final seria chegar a um local o mais rápido possível, mas com segurança, e que aprenderia a não ultrapassar o sinal vermelho, correndo o risco de perder um pouco de tempo.

Aprendizagem profunda

Aprendizagem profunda é um subdomínio da IA que recebe esse nome devido ao equivalente a um empilhamento de camadas de neurônios artificiais.

Partindo de dados brutos, o sistema os analisará camada por camada, processando parâmetros cada vez mais abstratos.

É a grande invenção de Geoffrey Hinton, vencedor do Prêmio Nobel de Física de 2024, junto com John Hopfield, pioneiro das redes neurais na década de 1980.

"Quantas mais camadas houver, mais complexo o comportamento pode ser, e quanto mais complexo o comportamento pode ser, mais fácil é aprender efetivamente um comportamento desejado", explica Francis Bach, diretor do laboratório de aprendizagem estatística SIERRA, na Escola Normal Superior Francesa.

Essas descobertas deram um salto gigantesco na década de 2010, graças ao aumento da potência de cálculo dos computadores e à abundância de dados para "alimentar" os modelos.

Os resultados potenciais são importantes para o avanço da ciência: por isso, o Prêmio Nobel de Química de 2024 premiou pesquisadores que usam aprendizagem profunda para criar e prever estruturas de proteínas.

Chatbots e outros grandes modelos de linguagem

Produtos de destaque da IA generativa, os grandes modelos de linguagem (LLM) estão no centro de ferramentas como ChatGPT (da OpenAI) ou Gemini (do Google).

Capazes de escrever uma redação, responder a uma pergunta sobre direito ou dar uma receita de torta de maçã, eles trabalham com modelos estatísticos, o que não lhes permite ser infalíveis.

Os chatbots ou assistentes de conversação também podem servir como interlocutores para visitantes de um site.

Invisíveis, mas muito presentes, os mecanismos de recomendação sugerem, por exemplo, um filme ou uma música a um usuário com base na semelhança do seu perfil com o de outros clientes.

A IA também é encontrada no software de navegação ou na proposta automática de correção ortográfica.

IA geral

É o Santo Graal da disciplina: uma máquina capaz de replicar todas as capacidades cognitivas humanas.

Seus promotores, como OpenAI ou Anthropic, veem o feito ao seu alcance, usando montanhas de dados para alimentar os LLM e enormes capacidades computacionais para processá-los.

Seus detratores continuam apontando os limites dessa técnica, e especialmente sua incapacidade de raciocinar.

"Os LLM não funcionam como humanos, pois são 'máquinas para produzir senso comum'", o que está além do alcance das máquinas, explica Maxime Amblard, professor de ciência da computação na Universidade de Lorraine.

M.Johnson--SMC