A revolu\u00e7\u00e3o da IA est\u00e1 prestes a ir muito al\u00e9m dos chatbots.<\/p>\n\n\n\n
De novas bact\u00e9rias devoradoras de pl\u00e1stico e novas curas do c\u00e2ncer at\u00e9 rob\u00f4s auxiliares e carros aut\u00f4nomos, a tecnologia da IA generativa \u2014 que ganhou destaque como o motor do ChatGPT<\/a> \u2014 est\u00e1 pronta para mudar nossa vida de maneiras que fazem os bots falantes parecerem meras brincadeiras.<\/p>\n\n\n\n Embora tenhamos a tend\u00eancia de equiparar o atual boom<\/em> da intelig\u00eancia artificial<\/a> a computadores que conseguem escrever, falar, programar e fazer imagens, a maioria dessas formas de express\u00e3o \u00e9 desenvolvida sobre uma tecnologia subjacente, chamada \u201ctransformador\u201d, que tem aplica\u00e7\u00f5es muito mais amplas. <\/p>\n\n\n\n Anunciados pela primeira vez em um artigo de pesquisadores do Google de 2017, os transformadores s\u00e3o um tipo de algoritmo de IA que permitem que os computadores entendam a estrutura subjacente de qualquer pilha de dados \u2014 sejam palavras, dados de dire\u00e7\u00e3o ou os amino\u00e1cidos em uma prote\u00edna \u2014 para que possam gerar seu pr\u00f3prio output.<\/p>\n\n\n\n Os transformadores abriram caminho para a OpenAI lan\u00e7ar o ChatGPT h\u00e1 dois anos, e v\u00e1rias empresas agora est\u00e3o trabalhando em um modo de usar a inova\u00e7\u00e3o de maneiras diferentes, desde a Waymo em seus t\u00e1xis-rob\u00f4s at\u00e9 uma startup de biologia chamada EvolutionaryScale, cujos sistemas de IA est\u00e3o projetando novas mol\u00e9culas de prote\u00edna. <\/p>\n\n\n\n As aplica\u00e7\u00f5es dessa descoberta s\u00e3o t\u00e3o amplas que, nos sete anos desde que a pesquisa do Google foi publicada, ela foi citada em outros artigos cient\u00edficos mais de 140 mil vezes.<\/p>\n\n\n\n LEIA MAIS<\/strong>: AI Studio: a poderosa intelig\u00eancia artificial do Google que pouca gente est\u00e1 usando<\/a><\/p>\n\n\n\n N\u00e3o \u00e9 exagero dizer que essa cole\u00e7\u00e3o de algoritmos \u00e9 a raz\u00e3o pela qual a Nvidia \u00e9 agora a empresa mais valiosa do mundo, que os data centers est\u00e3o surgindo por todos os EUA e pelo mundo, aumentando o consumo e o pre\u00e7o da eletricidade, e que os executivos-chefes de empresas de IA est\u00e3o frequentemente \u2014 e talvez erroneamente \u2014 afirmando que a IA com capacidades humanas est\u00e1 logo a\u00ed.<\/p>\n\n\n\n Os humanos sempre agiram com base na convic\u00e7\u00e3o de que o universo tem uma ordem subjacente \u2014 mesmo quando debatem se a fonte dessa ordem \u00e9 divina. A IA moderna \u00e9, em certo sentido, mais uma valida\u00e7\u00e3o da ideia de que todos os cientistas desde Cop\u00e9rnico realmente estavam no caminho certo.<\/p>\n\n\n\n A IA moderna \u00e9 competente no reconhecimento de padr\u00f5es de informa\u00e7\u00e3o. Mas as abordagens anteriores impunham s\u00e9rios limites ao que mais ela poderia fazer. Com a linguagem, por exemplo, a maioria dos sistemas de IA s\u00f3 conseguia processar palavras uma de cada vez e avali\u00e1-las apenas na sequ\u00eancia em que apareciam, o que limitava sua capacidade de entender o que significavam.<\/p>\n\n\n\n Os pesquisadores do Google que escreveram esse artigo seminal de 2017 estavam focados no processo de tradu\u00e7\u00e3o de idiomas. Eles perceberam que um sistema de IA que pudesse digerir todas as palavras em um texto e colocar mais peso nos significados de algumas delas do que no de outras \u2014 quer dizer, lidas no contexto \u2014 conseguiria fazer tradu\u00e7\u00f5es muito melhores.<\/p>\n\n\n\n Por exemplo, na frase \u201cI arrived at the bank after crossing the river\u201d (Cheguei \u00e0 margem depois de atravessar o rio), uma IA baseada em transformador sabe que a frase termina em \u201crio\u201d em vez de \u201crua\u201d, e vai traduzir \u201cbank\u201d como margem, n\u00e3o como um lugar para depositar seu dinheiro.<\/p>\n\n\n\n Em outras palavras, os transformadores funcionam descobrindo como cada informa\u00e7\u00e3o obtida pelo sistema se relaciona com todas as outras informa\u00e7\u00f5es recebidas, diz Tim Dettmers, cientista pesquisador de IA do Instituto Allen para Intelig\u00eancia Artificial, sem fins lucrativos.<\/p>\n\n\n\n LEIA MAIS<\/strong>: A IA est\u00e1 fazendo grande parte do trabalho na publicidade. Pagar por hora ainda faz sentido?<\/a><\/p>\n\n\n\n Esse n\u00edvel de compreens\u00e3o do contexto permite que os sistemas de IA baseados em transformadores n\u00e3o apenas reconhe\u00e7am padr\u00f5es, mas prevejam o que poderia vir a seguir, gerando assim suas pr\u00f3prias novas informa\u00e7\u00f5es. E essa capacidade pode se estender a outros dados al\u00e9m de palavras.<\/p>\n\n\n\n \u201cDe certa forma, os modelos est\u00e3o descobrindo a estrutura latente dos dados\u201d, diz Alexander Rives, cientista-chefe da EvolutionaryScale, empresa que ele cofundou no ano passado depois de trabalhar em IA para a Meta Platforms, a controladora do Facebook.<\/p>\n\n\n\n A EvolutionaryScale est\u00e1 treinando sua IA nas publica\u00e7\u00f5es de sequ\u00eancias de todas as prote\u00ednas \u00e0s quais seus pesquisadores conseguem ter acesso e em tudo o que sabemos sobre elas. Usando esses dados, e sem a ajuda de engenheiros humanos, sua IA \u00e9 capaz de determinar a rela\u00e7\u00e3o entre uma determinada sequ\u00eancia de blocos de constru\u00e7\u00e3o molecular e como a prote\u00edna criada funciona no mundo.<\/p>\n\n\n\n Pesquisas anteriores relacionadas a esse t\u00f3pico, que estavam mais focadas na estrutura das prote\u00ednas do que em sua fun\u00e7\u00e3o, s\u00e3o a raz\u00e3o pela qual o chefe de IA do Google, Demis Hassabis, compartilhou o Pr\u00eamio Nobel de Qu\u00edmica de 2024. O sistema que ele e sua equipe desenvolveram, chamado AlphaFold, tamb\u00e9m \u00e9 baseado em transformadores.<\/p>\n\n\n\n A EvolutionaryScale j\u00e1 criou uma mol\u00e9cula de prova de conceito. \u00c9 uma prote\u00edna que funciona como aquela que faz a \u00e1gua-viva brilhar, mas a sequ\u00eancia proteica inventada pela IA \u00e9 radicalmente diferente de qualquer coisa criada pela natureza.<\/p>\n\n\n\n LEIA MAIS<\/strong>: A intelig\u00eancia artificial ganha espa\u00e7o nos escrit\u00f3rios de advocacia<\/a><\/p>\n\n\n\n Seu objetivo final \u00e9 permitir que todos os tipos de empresas \u2014 desde empresas farmac\u00eauticas que produzem novos medicamentos at\u00e9 as de qu\u00edmica sint\u00e9tica que trabalham em novas enzimas \u2014 criem subst\u00e2ncias que seriam imposs\u00edveis sem sua tecnologia. Isso pode incluir bact\u00e9rias equipadas com novas enzimas que conseguem digerir pl\u00e1stico ou novos medicamentos adaptados a um tipo de c\u00e2ncer espec\u00edfico.<\/p>\n\n\n\n O objetivo de Karol Hausman \u00e9 criar uma IA universal que possa fazer qualquer rob\u00f4 funcionar. \u201cQueremos desenvolver um modelo que consiga fazer qualquer rob\u00f4 realizar qualquer tarefa, incluindo todos os rob\u00f4s que existem hoje e aqueles que ainda nem foram desenvolvidos\u201d, diz ele.<\/p>\n\n\n\n A startup de Hausman, com sede em San Francisco, a Physical Intelligence, tem menos de um ano, e o pr\u00f3prio Hausman trabalhou no setor de IA do Google, o DeepMind. Sua empresa come\u00e7a com uma variante do mesmo grande modelo de linguagem que voc\u00ea usa quando acessa o ChatGPT. O mais novo desses modelos de linguagem tamb\u00e9m incorpora e pode trabalhar com imagens. Eles s\u00e3o fundamentais para a forma em que os rob\u00f4s de Hausman operam.<\/p>\n\n\n\n Em uma demonstra\u00e7\u00e3o recente, um par de bra\u00e7os rob\u00f3ticos da Physical Intelligence faz uma das tarefas mais dif\u00edceis de toda a rob\u00f3tica, acredite ou n\u00e3o: dobrar roupas. As roupas podem assumir qualquer forma e exigem flexibilidade e destreza surpreendentes para serem manuseadas, de modo que os especialistas n\u00e3o conseguem roteirizar a sequ\u00eancia de a\u00e7\u00f5es que dar\u00e3o a um rob\u00f4, isto \u00e9, exatamente como mover seus membros para pegar e dobrar a roupa.<\/p>\n\n\n\n O sistema da Physical Intelligence pode remover roupas de uma secadora e dobr\u00e1-las ordenadamente usando um sistema que aprendeu a fazer essa tarefa por conta pr\u00f3pria, sem nenhuma interfer\u00eancia de humanos al\u00e9m da oferta de uma montanha de dados. Essa demonstra\u00e7\u00e3o, e outras semelhantes, foi impressionante o suficiente para que, no in\u00edcio deste m\u00eas, a empresa levantasse US$ 400 milh\u00f5es de investidores, incluindo Jeff Bezos e a OpenAI.<\/p>\n\n\n\nDa tradu\u00e7\u00e3o de texto ao aprendizado universal<\/strong><\/h2>\n\n\n\n
De chatbots a Transformers da vida real<\/strong><\/h2>\n\n\n\n