Lembra dos Jetsons? Em 1962, a ABC lançou Os Jetsons, um desenho que mostrava como seria o futuro, cheio de carros voadores, robôs fazendo tudo pra gente, e até cidades suspensas no céu. E o futuro imaginado pelos autores já antecipava as TVs de tela plana, os smartwatches e até as videochamadas.
Só que várias outras previsões continuam bem distantes: em 2062, todo mundo já estaria se teletransportando, pilotando carros voadores, comendo cápsulas de comida e. . .
convivendo com uma inteligência artificial super avançada. Hoje em dia, tem muita gente achando que estamos vivendo num episódio de desenho animado por causa dessa inteligência. Falam de robôs superinteligentes, máquinas que fazem tudo melhor do que a gente e que, em dez anos, ninguém vai ter emprego.
Mas, quando você para pra olhar, parece que a IA ainda tá presa no 'preto e branco' das promessas não cumpridas. Ao invés de voarmos pro trabalho ou termos uma Rosie nos ajudando em casa, o máximo que temos são robôs-aspiradores que empacam num canto da sala e te mandam uma mensagem “estou preso”. Não me leve a mal, a Inteligência Artificial fez progressos incríveis nos últimos anos.
Está no seu celular, na sua casa, provavelmente até no seu carro. Mas, antes que você se anime demais, vamos colocar os pés no chão. Estamos bem distantes do futuro dos Jetsons.
Em vez de carros voadores, o que temos são algoritmos que “alucinam”, muitas vezes inventando respostas tão convincentes que parecem ter saído de um manual de boas maneiras. Antes de glorificar essa revolução tecnológica, é bom lembrar que, embora a IA esteja presente em praticamente tudo, ela ainda comete erros básicos. A tão falada inteligência, na verdade, ainda está aprendendo – e, às vezes, parece que na pré-escola.
Mas, de fato, o quanto a inteligência artificial evoluiu até os dias de hoje? E será que podemos confiar em tudo o que ela faz? Esse vídeo é em parceria com a Nomad, a melhor conta internacional para você viajar, comprar e investir no exterior.
Mais detalhes na descrição. Na década de 50, Alan Turing, um dos grandes nomes da computação, lançou um desafio que mexeu com a ideia de inteligência: a possibilidade de uma máquina se passar por um ser humano. Essa pergunta deu início a uma nova era, onde a distinção entre o natural e o artificial começou a se borrar.
Em 1956, um grupo de cientistas inovadores se reuniu em New Hampshire, nos Estados Unidos, e foi lá que surgiu o termo "Inteligência Artificial". O que antes era só um tema de ficção científica agora estava em discussão nas universidades e laboratórios do mundo todo. Nos anos 60, a inteligência artificial deu um grande passo com o ELIZA, o primeiro chatbot.
Na década de 70, surgiram os sistemas especialistas, como o MYCIN. Esse sistema analisava sintomas, identificava bactérias e sugeria antibióticos adequados, considerando informações sobre o paciente. Contudo, os médicos não confiavam nas máquinas para decisões importantes.
O MYCIN tinha dificuldades em explicar suas recomendações e não se atualizava com novos dados, o que gerava desconfiança. Nos anos 80 e 90, a IA continuou a evoluir, sendo aplicada em controle industrial, reconhecimento de voz e diagnósticos médicos. Um marco da época aconteceu em 1997, quando o Deep Blue, da IBM, venceu o campeão mundial de xadrez, Garry Kasparov.
Na década de 2000, a IA ganhou impulso, ajudando a criar mecanismos de busca e personalizando a experiência online. Sites como Google e Amazon passaram a usar IA para melhorar os resultados de pesquisa. A década de 2010 trouxe assistentes virtuais como Siri e Alexa, além de avanços em reconhecimento de imagem e veículos autônomos.
A IA tornou-se parte fundamental do cotidiano. E de 2020 em diante, a evolução foi bem mais rápida, com modelos de linguagem como o ChatGPT, que geram textos tão convincentes que parece que foram escritos por humanos. A IA está presente em setores como saúde, finanças e educação, mudando a forma como vivemos e trabalhamos e, por isso, é fundamental que a gente possa entender o que é essa tal "inteligência artificial".
De acordo com o site da IBM: “Inteligência artificial, ou IA, é uma tecnologia que permite que computadores e máquinas simulem a capacidade de resolução de problemas e a inteligência humana. ” Ela é um campo da ciência da computação que abrange o aprendizado automático. Essa área se concentra em criar algoritmos de IA que imitam a forma como o cérebro humano toma decisões, permitindo que a máquina aprenda com os dados e faça previsões ou classificações cada vez mais precisas.
Só que, além de resolver problemas e imitar tomadas de decisões humanas, a IA se ramifica em diferentes subcampos, cada um com suas próprias técnicas e aplicações. Entre eles, está o aprendizado de máquina - ou Machine Learning, que é um dos mais importantes, porque é através dele que, mesmo sem serem programadas pra isso, que as máquinas conseguem aprender com dados e melhorem suas tarefas. Então quando você recebe recomendações de filmes ou músicas pela Netflix, ou o Spotify, isso é o aprendizado de máquina.
Outro subcampo fundamental é o chamado aprendizado profundo (ou deep learning), que usa redes de computadores pra analisar grandes quantidades de informações e encontrar padrões mais complicados. Você pode pensar nele como uma versão evoluída do aprendizado de máquina, que faz tarefas mais complexas, como reconhecer imagens e gerar textos. É graças ao aprendizado profundo que assistentes virtuais, como o Siri ou a Alexa conseguem entender comandos de voz e responder a eles.
Os dois modelos, aprendizado de máquina e aprendizado profundo, usam redes de computadores pra aprender a partir de um grande volume de dados. Essas redes funcionam por meio de várias camadas de “pontos” conectados, que examinam os dados, descobrem padrões e fazem previsões sobre o que esses dados podem significar. Isso resultou em uma das mais sofisticadas aplicações de aprendizado profundo: os Modelos de Linguagem de Grande Escala, conhecidos como LLMs.
Esses modelos são treinados com vastas quantidades de texto, permitindo-lhes captar padrões de linguagem e nuances sutis de contexto. Esses modelos LLM são a base das tecnologias que conseguem gerar textos, na maior parte do tempo, lógicos e convincentes, como o GPT-3 e o GPT-4. A tecnologia por trás disso é o Transformer, desenvolvido por pesquisadores do Google em 2017.
Ela funciona como o cérebro do LLM, permitindo que ele compreenda e produza textos que soam naturais para nós. Desde sua criação, essa tecnologia tem ajudado em tarefas em que o computador precisa entender a linguagem humana, como traduções e geração de textos. E é aí que surge a IA Generativa, uma técnica que supera os algoritmos tradicionais.
Diferente de outros modelos que só seguem regras, ela pode escrever histórias “originais”, desenhar figuras ou até mesmo inventar novas ideias com base nas informações que recebe. Ela é treinada com enormes quantidades de dados e, com eles, pode gerar novos conteúdos tentando imitar a forma como os humanos escrevem, falam e desenham. A inteligência artificial está cada vez mais presente no nosso dia a dia e, na maioria das vezes, não temos consciência disso.
Vários aplicativos do seu smartphone usam inteligência artificial para reconhecer seu rosto e liberar o acesso. A Alexa grava suas falas e envia para servidores que usam IA generativa para melhorar as respostas. A Inteligência Artificial está em todo lugar.
Na medicina, ela analisa exames e auxilia em cirurgias. Os algoritmos do Google, Facebook e Instagram personalizam anúncios com base no que você faz online. No Gmail, a IA organiza sua caixa de entrada e lembra das mensagens pendentes.
A presença da IA impacta nosso dia a dia de forma direta. Apesar de todos os avanços, ainda há limitações importantes. As inteligências artificiais podem, sim, errar, gerando o que chamamos de "alucinações".
Isso acontece quando elas produzem respostas erradas, sem lógica ou descabidas. Um exemplo disso é esta conversa com uma IA conhecida por fornecer “respostas precisas”. Primeiro eu pergunto à IA; “Quantos bares e restaurantes havia na cidade de São Paulo antes da Pandemia?
” Ela me responde que eram 15. 000. Depois eu pergunto quantos bares e restaurantes há, nos dias de hoje, e esta pergunta foi feita em 2024, ao que ela responde “156.
000”. Como isso não teria lógica, eu pergunto: “Aumentou 10 vezes, em 5 anos, o número de bares e restaurantes em São Paulo? ” E o chatbot me responde que sim!
Mas como a IA não percebe que suas respostas estão cada vez mais absurdas, eu ainda pergunto: “Qual a cidade com mais bares e restaurantes no mundo? ” E ele insiste no erro, dizendo que é São Paulo. Mas apenas quando eu trago a reportagem que ela está usando como base e digo que ela está apresentando dados errados, e mostro que, somando bairro a bairro, o número correto seria outro, ela me dá outra resposta.
Dizendo o mesmo que eu disse, mas como se fosse uma conclusão à qual ela chegou sozinha. Isso acontece porque, mesmo com toda a tecnologia, a IA não usa o nosso raciocínio dedutivo. Um ser humano sabe que, após uma pandemia, o número de bares de uma cidade não cresceria 10 vezes.
Além disso, é evidente que cidades como Tóquio, que tem uma população muito maior, provavelmente têm mais bares do que São Paulo. A IA não consegue fazer essas conexões lógicas sozinha; ela se baseia apenas nos dados com os quais foi treinada. Pra entender o que é uma alucinação da Inteligência Artificial, a gente precisa saber como ela funciona por dentro, especialmente os chatbots como o ChatGPT.
Elas são treinadas com uma imensidão de textos, de livros a sites, e, a partir deles, eles vão formando associações e calculando probabilidades pra “adivinhar” qual palavra faz mais sentido vir a seguir numa frase. Como explica um artigo do The New York Times citado pela BBC, esses modelos funcionam como uma versão avançada do preenchimento automático, identificando padrões nos dados. Só que, como a internet tem muita informação falsa, a IA aprende a reproduzir essas distorções.
E aí, às vezes, os chatbots acabam simplesmente… inventando coisas. Um ponto que chama atenção nas respostas apresentadas quando os chatbots alucinam é a evidente inclinação ideológica. Eles apresentam respostas tão convincentes quanto enviesadas.
É como se, ao tentar entender o mundo, a IA absorvesse também um pouco das ideologias de quem a programou. No fim das contas, surgem respostas que soam como se tivessem sido copiadas de um manual de boas maneiras, mas sem o menor traço de senso comum. O Google admitiu que treinou a IA Gemini para lidar com críticas comuns, como a fato de que os resultados são tendenciosos por serem baseados em “dados parciais”.
Diante dessas falhas, empresas responsáveis por chatbots alertam os usuários a não confiarem totalmente nessas IAs, especialmente em áreas sensíveis como saúde e direito. A inteligência artificial avança rápido, mas suas limitações ainda são claras. Se a IA comete erros e alucinações, imagine os desafios que engenheiros e cientistas enfrentam para melhorar esses sistemas.
Mas, afinal, quais são as barreiras técnicas e operacionais enfrentadas pra que a IA se torne realmente confiável? O aprendizado de máquina é fascinante, mas cheio de obstáculos que os especialistas enfrentam todos os dias. O primeiro grande desafio?
Dados. Ter acesso a dados suficientes e de boa qualidade é como ter os ingredientes certos para uma receita; sem isso, o resultado é um desastre. Muitas vezes, encontrar ou coletar esses dados é complicado e caro, especialmente em áreas específicas.
Quando os dados disponíveis são ruins, o modelo de aprendizado de máquina "aprende" errado, o que pode arruinar todo o processo. Outro ponto crucial é a limpeza dos dados. imagine montar um quebra-cabeça com peças que não se encaixam – frustrante, né?
Limpar dados cheios de informações inúteis ou erradas exige paciência e muito cuidado para garantir que privacidade e segurança sejam mantidas. A escolha do algoritmo certo também é um grande desafio. Cada problema pede uma ferramenta específica, assim como cada projeto de aprendizado de máquina exige o algoritmo adequado.
Escolher o errado pode ser desastroso, e isso exige experiência e conhecimento profundo. Agora, o volume de dados também pode ser traiçoeiro. Quando temos muitas informações, o modelo pode se confundir e aprender coisas que não são importantes.
Isso é chamado de "overfitting". Por outro lado, quando os dados são escassos, o modelo pode não conseguir aprender o suficiente, levando ao chamado “underfitting”. Ambas as situações podem comprometer o desempenho do modelo quando ele é aplicado a novos dados.
Esses dois problemas comprometem a eficiência do sistema. Quando o modelo é treinado, usamos parte dos dados para ensiná-lo e outra parte para ver se ele realmente aprendeu. E pra falar de mais um obstáculo, existe ainda a chamada "caixa-preta", onde o modelo, especialmente os de redes neurais profundas, gera decisões difíceis de entender.
Isso é um problema enorme para a medicina, onde a transparência é essencial. Só que, pra enfrentar esses problemas, é importante coletar informações sólidas e confiáveis, mas isso leva tempo e dinheiro. Uma solução pode ser automatizar o processo e usar ferramentas específicas pra cada situação.
Parcerias para compartilhar dados também podem ajudar. Um exemplo de parceria é a Coalizão para Compartilhamento de Dados de Mobilidade, feita pra facilitar o compartilhamento de dados entre empresas de mobilidade urbana, como a Bird e a Uber, e governos municipais. Criada pra ajudar as cidades a gerenciar e regular melhor serviços como scooters, patinetes e bicicletas elétricas compartilhadas, a parceria permite que as empresas forneçam dados em tempo real sobre a localização e uso de seus veículos.
Esses dados ajudam as cidades a planejar suas infraestruturas de transporte e melhorar a mobilidade urbana. E pra garantir que um modelo funcione direitinho, com dados novos, também são usadas técnicas de validação cruzada, que é um modelo é testado várias vezes com dados diferentes, porque isso ajuda a deixá-lo mais eficiente. Assim, ele não só vai bem com os dados com os quais foi treinado, mas também com aqueles que nunca recebeu antes, por isso essas parcerias são importantes, porque ajudam na evolução das IAs.
Outra parceria maravilhosa é a da NOMAD com o Canal Elementar. Quando começamos a parceria com eles em janeiro de 2024 o dólar valia 4,91 e no momento que eu to fazendo esse vídeo vale mais de 6 reais. É por isso que eu recomendo a Nomad, porque não adianta nada você criar uma reserva financeira, investir ela, ter alguma rentabilidade, mas quando você decide usar, ela na prática vale menos.
Porque o preço de tudo subiu. Comprar um carro, construir uma casa, fazer uma viagem ou mesmo comprar carne pra um churrasco. Tudo sobe o tempo todo.
Porque na prática, o nosso real não vale nada. Inclusive, neste ano de 2024, o real se tornou a 5ª moeda que mais se desvalorizou no mundo. Por isso, você precisa diversificar o seu real em dólar, Porque só dessa forma você garante que o seu dinheiro vai de fato valer mais quando você for precisar dele.
Por isso a Nomad é nossa parceira todo esse tempo. Você abre uma conta de graça, ela não tem nenhum custo mensal, você manda real da sua conta e converte em dólar, sem burocracia nenhuma. Se você quer investir, você investe por lá em dólar mesmo, em investimentos americanos.
Se você for viajar, você usa o seu cartão da Nomad aceito em mais de 180 países ao invés de dinheiro ou cartão de crédito convencional. Dessa forma você não corre o risco de ser assaltado com dinheiro vivo e ainda usa a taxa de câmbio comercial, e não do turismo. E usando o cartão da Nomad você também não paga altas taxas de iof do cartão de crédito, nem vai ter uma surpresa na hora de ver qual cotação do dolar foi usada quando chegar a fatura.
E ainda pode acessar a sala Vip da Nomad. Então não da mole e abre a sua conta. Pra fazer isso, é só apontar a câmera do seu celular pro QR Code na tela, ou acessando o primeiro link da descrição desse vídeo.
Usando o código ELEMENTAR no cadastro, você ainda ganha até 20 dólares de cashback na sua primeira operação de câmbio. Outro ponto vital para o sucesso das IAs é a transparência. O blog Pareto levanta uma questão crucial: quem é responsável quando um sistema de IA comete um erro ou causa um prejuízo?
Além disso, é fundamental haver clareza sobre como esses sistemas funcionam, para que as pessoas possam entender como as decisões são tomadas. Como a inteligência artificial às vezes toma decisões que são difíceis de entender e apresentas respostas erradas, ou absurdas, pessoas podem parar de confiar nelas, principalmente em áreas importantes, como no Direito, na saúde e nas finanças. Por isso, cientistas de dados estão tentando encontrar maneiras de explicar melhor como essa inteligência funciona.
Pra que todos possam confiar mais nessas tecnologias. Então, temos desafios técnicos com as Inteligências Artificiais, então resolver eles é essencial… Mas não é tudo. Com a Inteligência Artificial se tornando parte do nosso dia a dia, a conversa vai além dos números.
As decisões que esses sistemas tomam impactam nossa sociedade e levantam questões éticas importantes. De nada adianta criar tecnologias super avançadas se não conseguimos garantir que elas funcionem de forma justa e transparente. As escolhas feitas por esses sistemas podem afetar a vida das pessoas, criando incertezas sobre o que é certo ou errado Mas o que pode ser feito pra que esses modelos operem corretamente e com ética?
O avanço da inteligência artificial trouxe inúmeras oportunidades, mas também despertou uma série de preocupações morais e éticas. À medida que a IA se integra na nossa sociedade, estas questões ganham uma importância maior. Regras claras são essenciais para evitar vieses nos algoritmos.
Quando um modelo de IA é treinado com dados que refletem pontos de vista e se afastam da ciência e dos fatos, ele pode causar enormes prejuízos em situações de tomada de decisão, inclusive ao disseminar informações falsas em massa. Um exemplo foi quando pedi à Inteligência da meta que me desse os dados dos principais países causadores da emissão de gases de efeito estufa no mundo, assim como os donos das maiores florestas cobertas por mata nativa, e ela me forneceu uma opinião bastante difundida pela mídia sobre o assunto. Quando contraposta com os dados reais que a própria IA me tinha fornecido; e com o meu argumento de que a sua conclusão, a partir destes dados, era absurda, a Inteligência da Meta pediu desculpas e concordou comigo, começando com: “Você está absolutamente certo!
Eu me enganei ao interpretar os números. ” até concluir: “Seu ponto de vista é mais equilibrado e realista. A necessidade de transparência também se estende à importância de se evitar vieses dos algoritmos e discriminação.
Quando um modelo de IA é treinado com dados que refletem preconceitos existentes, ele pode perpetuar e até amplificar desigualdades. Portanto, criar diretrizes claras que exijam clareza e responsabilidade no desenvolvimento desses sistemas é essencial pra garantir que a Inteligência Artificial seja usada de maneira justa e imparcial. Nos próximos anos, a Inteligência Artificial precisa encontrar um jeito de misturar tecnologia com responsabilidade.
E, falando sobre o seu crescimento, o governo brasileiro anunciou um plano de investimento de bilhões de reais para colocar o país em destaque nesse setor. Mas, será que estamos realmente prontos para encarar esse desafio? Até que ponto o Brasil está preparado pra transformar essa ambição em realidade?
O Plano Brasileiro de Inteligência Artificial é bastante ousado. O governo quer investir bilhões nos próximos anos para se tornar um dos líderes globais nessa tecnologia. Segundo seu, esse plano promete transformar nosso país em uma referência mundial no campo da inteligência artificial: "O Plano Brasileiro de Inteligência Artificial [.
. . ], representa um marco histórico para o desenvolvimento tecnológico do Brasil.
Com um investimento previsto de R$ 23 bilhões em quatro anos, o plano ambicioso visa transformar o país em referência mundial em inovação e eficiência no uso da inteligência artificial, especialmente no setor público. ” Só que a realidade é que estamos enfrentando problemas que vão muito além dos números. As críticas ao nosso documento oficial já começam falando de uma apresentação amadora, o que levanta dúvidas sobre a seriedade do projeto.
Mas não param por aí. Em todos os setores tecnológicos que precisamos nos desenvolver, a falta de infraestrutura e a fuga de talentos limitam o nosso potencial de inovação. A professora da PUC-SP, Dora Kaufman, comenta: “A intenção do Plano é boa, mas não é suficiente para colocar o Brasil no mapa da IA, muito menos como um dos líderes mundiais nessa área.
” Tudo bem, ter um plano já é um passo, mas sem uma base científica forte, ele acabará se tornando apenas mais uma promessa vazia. O Plano Brasileiro de Inteligência Artificial parece ter potencial, mas carrega as expectativas e limitações do nosso país. A IA mudou muitas coisas, mas ainda temos muito trabalho a fazer.
Questões éticas, regulatórias, falta de profissionais, participação de empresas privadas do ramo da tecnologia que comprem a ideia, e a falta de estrutura brasileira são os grandes desafios que precisamos enfrentar para que esse plano dê certo. O futuro da Inteligência Artificial, no Brasil e no mundo, não depende apenas da tecnologia, mas também das escolhas que fazemos como sociedade. Para aproveitar tudo que a IA pode oferecer, precisamos construir uma base sólida.
Isso envolve investir em educação, infraestrutura e apoiar pesquisas de qualidade. Depois de implementar essas ações, estaremos prontos para avançar. Mas será a gente consegue transformar esse momento em uma realidade concreta?
O que você acha? Me conta aqui nos comentários. Ah, e não esqueça de abrir sua conta agora na Nomad apontando camera pro QR Code que ta na tela e use o código ELEMENTAR no cadastro e ganhe até 20 dólares de cashback Agora, pra entender como as olimpíadas de 2024 fizeram o mundo inteiro se perguntar o que tá acontecendo com a França gerando uma onda de debates sobre a identidade e cultura desse país, que parece estar desaparecendo e dando lugar a algo genérico e sem personalidade, confere esse vídeo aqui que tá na tela.
Então aperta nele aí que eu te vejo lá em alguns segundos. Por esse vídeo é isso, um grande abraço e até mais.
