Inteligência artificial generativa
Inteligência artificial generativa ou IA generativa é um ramo da inteligência artificial focado na criação de conteúdo novo, baseado em padrões identificados nos conjuntos de dados de treinamento. É possível criar conteúdo como texto, imagens, áudio, vídeo, código de software, podendo ser gerados a partir de solicitações em linguagem natural, ou até de através de imagens para imagens, e de vídeos para vídeos.[1][2][3] Essa forma de visualizar esses modelos é uma categorização baseado em formato de entrada e saída, de texto para texto (text-to-text), texto para image (text-to-image), entre vários outros.[4]
Sistemas de IA generativa incluem Stable Diffusion e DALL-E, modelos de imagens de inteligência artificial,[5] assim como modelos de texto como o ChatGPT, um chatbot construído pela OpenAI usando o modelo de linguagem grande GPT-3 e GPT-4[6] , Bard, um chatbot construído pelo Google usando o modelo LaMDA.[7] e o Microsoft Copilot , chabot construído pela Microsoft que é uma extensão do modelo de linguagem GPT-4 da OpenAI e que foi pensada para uso vinculado aos serviços da Microsoft e sistema operacional Windows. São alguns dos exemplos de IA generativa existentes nos dias atuais
IA generativa tem aplicações potenciais numa ampla gama de setores, incluindo desenvolvimento de software, marketing e moda.[8][9] O investimento em IA generativa aumentou durante o início da década de 2020, com grandes empresas como Microsoft, Google e Baidu, bem como várias outras empresas mais pequenas a desenvolver modelos de IA generativa.[1][10][11] E a Nvidia foi uma das empresas que mais cresceram nesse meio tempo, uma vez que começou a utilizar suas GPUs para o treinamento de grandes modelos de linguagem cada vez mais poderosos. [12]
Modalidades
Um sistema de IA generativo é construído aplicando aprendizagem por máquinas não supervisionado ou autossupervisionado a um conjunto de dados. As capacidades e aplicações de um sistema de IA generativo variam conforme a modalidade, ou seja, o tipo de dados e a tarefa específica para a qual foi treinado. A seguir, são descritas algumas das principais modalidades da IA generativa:
- Texto: sistemas de IA generativos treinados em palavras ou tokens de palavras incluem GPT-3, LaMDA, LLaMA, BLOOM, GPT-4 e outros (veja lista de modelos de linguagem grandes). Eles são capazes de processamento de linguagem natural, tradução automática e geração de linguagem natural e podem ser usados como modelos básicos para outras tarefas.[13] Conjuntos de dados incluem BookCorpus, Wikipedia e outros. Modelos de textos são versáteis e têm demonstrado a capacidade de resolver diversas tarefas: de criar textos coerentes de diversas formatações, resumir textos longos extraindo informações-chave, são capazes de traduzir textos entre diversos idiomas com alta precisão, cada vez demonstrando ser mais úteis para a automação de tarefas do cotidiano, sendo poderosas e adaptáveis a uma ampla gama de aplicações práticas e criativas.
- Código: além do texto em linguagem natural, grandes modelos de linguagem podem ser treinados em texto de linguagem de programação, permitindo que gerem código-fonte para novos programas de computador.[14] Um exemplo notável é a geração automatizada de código, onde modelos como o OpenAI Codex são capazes de criar código-fonte a partir de comandos de linguagem natural. Isso acelera o processo de desenvolvimento e reduz a ocorrência de erros humanos. Além disso, a IA generativa pode ser usada para depurar e revisar códigos, identificar e corrigir bugs e sugerir melhorias e simplificações que podem não ser óbvias para os desenvolvedores. Esse recurso de análise aprofundada ajuda a manter a qualidade do software. Outra aplicação relacionada é a criação de testes automatizados, onde a inteligência artificial pode gerar automaticamente casos de teste para garantir que o código seja robusto e menos sujeito a falhas quando implementado em produção. Essa automação é fundamental para manter a confiabilidade e a funcionalidade do software em diferentes cenários. Por fim, ferramentas como o GitHub Copilot atuam como assistentes de programação, fornecendo sugestões contextuais à medida que os desenvolvedores escrevem o código. Isso não apenas acelera a solução de problemas, mas também mantém o fluxo de trabalho, permitindo que os desenvolvedores sejam mais produtivos e criativos.
- Imagens: Sistemas generativos de IA treinados em conjuntos de imagens com legendas de texto incluem Imagen, DALL-E, Midjourney, Stable Diffusion e outros. São comumente usados para geração de texto para imagem e transferência de estilo neural.[15] Os conjuntos de dados incluem LAION-5B e outros.
- Áudio: Sistemas de IA generativos treinados em dados de áudio podem gerar uma ampla variedade de sons, desde música e efeitos sonoros até vozes humanas realistas. Essa capacidade tem sido explorada para diversas aplicações, como composição musical, dublagem e produção de podcasts.
- Jogos: Sistemas de IA generativos também são capazes de abranger várias áreas do desenvolvimento de jogos como na criação de personagens e do diálogo entre eles, também na geração procedural de conteúdo, na criação de narrativas interativas além de outras áreas de desenvolvimento. Inclusive já temos cada vez mais o uso da IA na indústria de desenvolvimento de games e exemplos como no Man's Sky na qual foi usado geração procedural para criação de ambientes dentro do jogo e da Ubisoft grande empresa no setor de desenvolvimento de jogos que tem usado ferramentas de IA baseado em modelo de linguagem grande (Ghostwriter[16]) para escrita de diálogo básicos dos NPCs em seus jogos são cada vez mais comuns.
- Moléculas: Os sistemas generativos de IA podem ser treinados em sequências de aminoácidos ou representações moleculares, como SMILES representando DNA ou proteínas. Esses sistemas, como o AlphaFold, são usados para previsão da estrutura de proteínas e descoberta de medicamentos.[17] Conjuntos de dados incluem vários conjuntos de dados biológicos.
- Multimodal: um sistema de IA generativo pode ser construído a partir de vários modelos generativos ou um modelo treinado em vários tipos de dados. Por exemplo, uma versão do GPT-4 da OpenAI aceita entradas de texto e imagem.[18]
Preocupações
Busca por regulamentação
A regulamentação da inteligência artificial tem sido constantemente debatida, principalmente ao que se trata sobre a substituição do trabalho humano por IA e as fontes que são utilizadas para treinar as máquinas.
Em maio de 2023 o Sindicato de Roteiristas da America (WGA, em inglês) entrou em greve em busca de maiores salários e regulamentação da utilização treinamento de IA. A preocupação é para que trabalhos literários não pudessem ser produzidos por IA generativa, e que os textos escritos por roteiristas não pudessem ser utilizados para treinar IA generativa. [19]
Em setembro desse mesmo ano a greve teve fim com os seguintes tópicos aprovação dos itens a seguir:
- Estúdios e produtoras deverão informar sempre ao repassar qualquer material produzido por IA
- IA não poderá receber créditos de escritor
- IA não poderá escrever ou reescrever “material literário”
- Escritores podem utilizar IA em seu trabalho caso a produtora consinta; porém eles não podem ser obrigados por seus superiores a utilizar essas ferramentas[20]
Em julho de 2024, novamente em Hollywood, O sindicato SAG-AFTRA(The Screen Actors Guild-American Federation of Television and Radio Artists) convocou um acordo de greve com IA sendo seu principal ponto de discussão. Dessa vez a grever foi aderida por dubladores e artistas de captura de movimento para videogames, com preocupação de segurança dos seus empregos. [21]
Há uma crescente preocupação, principalmente no meio artístico, de como a IA generativa pode ser utilizada para substituir a mão de obra humana, e como os trabalhos anteriores realizados pelos profissionais não estão protegidos quando se trata de treinamento de máquinas, e por isso entende-se que há uma necessidade de regulamentar como a IA generativa pode ser utilizada no meio artístico.
Referências
- ↑ a b Griffith, Erin; Metz, Cade (27 de janeiro de 2023). «Anthropic Said to Be Closing In on $300 Million in New A.I. Funding». The New York Times. Consultado em 14 de março de 2023
- ↑ Lanxon, Nate; Bass, Dina; Davalos, Jackie (10 de março de 2023). «A Cheat Sheet to AI Buzzwords and Their Meanings». Bloomberg News. Consultado em 14 de março de 2023
- ↑ Andrej Karpathy; Pieter Abbeel; Greg Brockman; Peter Chen; Vicki Cheung; Yan Duan; Ian Goodfellow; Durk Kingma; Jonathan Ho (16 de junho de 2016). «Generative models». OpenAI
- ↑ «10 categories of generative AI tools». 14 de setembro de 2023
- ↑ Roose, Kevin (21 de outubro de 2022). «A Coming-Out Party for Generative A.I., Silicon Valley's New Craze». The New York Times. Consultado em 14 de março de 2023
- ↑ Metz, Cade (14 de março de 2023). «OpenAI Plans to Up the Ante in Tech's A.I. Race». The New York Times (em inglês). ISSN 0362-4331. Consultado em 4 de novembro de 2023
- ↑ Thoppilan, Romal; De Freitas, Daniel (20 de janeiro de 2022). «LaMDA: Language Models for Dialog Applications». arXiv:2201.08239
[cs.CL]. Cópia arquivada em 21 de janeiro de 2022
|arquivourl=
requer|url=
(ajuda) Parâmetros não válidos no arXiv (ajuda) - ↑ «Don't fear an AI-induced jobs apocalypse just yet». The Economist. 6 de março de 2023. Consultado em 14 de março de 2023
- ↑ Harreis, H.; Koullias, T.; Roberts, Roger. «Generative AI: Unlocking the future of fashion»
- ↑ «The race of the AI labs heats up». The Economist. 30 de janeiro de 2023. Consultado em 14 de março de 2023
- ↑ Yang, June; Gokturk, Burak (14 de março de 2023). «Google Cloud brings generative AI to developers, businesses, and governments»
- ↑ «Why does the rise of Nvidia and AI remind people of the dot-com boom?»
- ↑ Bommasani, R; Hudson, DA (16 de agosto de 2021). «On the opportunities and risks of foundation models». arXiv:2108.07258
[cs.LG]
- ↑ Chen, Ming; Tworek, Jakub (6 de julho de 2021). «Evaluating Large Language Models Trained on Code». arXiv:2107.03374
[cs.LG]
- ↑ Ramesh, Aditya; Pavlov, Mikhail; Goh, Gabriel; Gray, Scott; Voss, Chelsea; Radford, Alec; Chen, Mark; Sutskever, Ilya (2021). Zero-shot text-to-image generation. PMLR. pp. 8821–8831
- ↑ «IA generativa reinventa o que é jogar - MIT Technology Review». MIT Technology Review - Brasil. 29 de julho de 2024. Consultado em 6 de agosto de 2024
- ↑ Heaven, Will Douglas (15 de fevereiro de 2023). «AI is dreaming up drugs that no one has ever seen. Now we've got to see if they work». MIT Technology Review. Massachusetts Institute of Technology. Consultado em 15 de março de 2023
- ↑ «Explainer: What is Generative AI, the technology behind OpenAI's ChatGPT?». Reuters. 17 de março de 2023. Consultado em 17 de março de 2023
- ↑ Kelly, Samantha Murphy. «Roteiristas de TV e cinema dos EUA lutam para salvar seus empregos da IA». CNN Brasil. Consultado em 5 de agosto de 2024
- ↑ Almeida, Matheus (30 de setembro de 2023). «1ª greve contra inteligência artificial tomou Hollywood como cenário | InvestNews». investnews.com.br. Consultado em 5 de agosto de 2024
- ↑ Digital, Olhar; Lorenzo, Alessandro Di (26 de julho de 2024). «Com preocupações sobre IA, artistas de videogame anunciam greve». Olhar Digital. Consultado em 5 de agosto de 2024