Se você acha que o campo de Finanças é competitivo, espere até ouvir sobre as “facções” dentro da Inteligência Artificial (IA). Existem diversas correntes de pensamento que competem entre si, cada uma defendendo seu ponto de vista de maneira bastante enfática.
Recentemente, o Prêmio Nobel de Física foi concedido a dois pesquisadores que fizeram contribuições fundamentais para o desenvolvimento das redes neurais, um tipo de algoritmo pertencente à corrente dos conexionistas, o que suscitou críticas de correntes antagônicas, em especial dos simbolistas. Vejam mais informações: https://www.cnnbrasil.com.br/tecnologia/entenda-o-trabalho-de-ia-que-recebeu-o-nobel-de-fisica-deste-ano/
Essa disputa entre conexionistas e simbolistas já é de longa data, e hoje temos evidências robustas a favor dos algoritmos conexionistas, que estão ganhando cada vez mais espaço com aplicações práticas e de impacto. Essa rivalidade reflete o dinamismo do campo e como diferentes visões podem contribuir para impulsionar a inovação tecnológica.
Sobre diferentes visões de desenvolvimento de IA, vale conhecer o livro: https://a.co/d/2vEmVId, dica do Prof. César Souza.
Os dois ganhadores do Nobel de Física, por exemplo, deram suporte ao avanço das redes neurais profundas em diversos campos, como no caso do prêmio concedido à equipe de Química pelo desenvolvimento do AlphaFold e dos estudos . Diferente da IA generativa, o AlphaFold é aplicado para simulações de proteínas e produção de aminoácidos. Desenvolvido pela Google DeepMind, essa tecnologia trouxe resultados rápidos e eficazes, com grande aplicabilidade no campo da química e da biotecnologia.
A seguir um treinamento gratuito sobre o AlphaFold, dica do Cezar Taurion: https://www.ebi.ac.uk/training/online/courses/alphafold/
Diante disso, não vejo fundamento sólido nas críticas levantadas, além de perpetuar uma disputa entre diferentes correntes dentro da TI. O importante é reconhecermos que a IA, especialmente as redes neurais profundas, está sendo desenvolvida de maneira sustentável e que suas aplicações concretas já estão transformando setores empresariais, científicos e sociais de forma significativa.
Outro crítica comum é sobre o alto custo de desenvolver Modelos de Linguagem de Grande Escala (LLM) e sobre ela vale a pena considerar alguns pontos. Por que o Gemini, por exemplo, teve um custo tão elevado? Isso aconteceu porque o Google se viu em uma situação de atraso em relação aos concorrentes e precisou acelerar o desenvolvimento para acompanhar o mercado. Esse senso de urgência gerou um aumento significativo nos gastos, algo bastante comum em projetos de grande escala que exigem soluções rápidas. No entanto, isso não significa que a tecnologia em si não seja custosa. O GPT-4, por exemplo, utilizou volumes massivos de dados – trilhões de dados – o que, inevitavelmente, elevou os custos do modelo.
Apesar desses primeiros desenvolvimentos serem marcados por um custo elevado, é importante não avaliar a sustentabilidade da tecnologia com base em casos isolados. A tendência atual no desenvolvimento de LLMs aponta para a criação de modelos mais baratos e acessíveis, projetados para atender a nichos e necessidades específicas. Um bom exemplo é o LLM treinado pela equipe da Unesp, no Brasil, voltado para a área médica, que traz um conjunto de informações relevantes para esse setor.
Portanto, quando analisamos os primeiros desenvolvimentos, que frequentemente são marcados por uma corrida pelo pioneirismo, é natural que os custos iniciais sejam elevados. No entanto, isso não significa que a tecnologia em si seja insustentável. Pelo contrário, ela está em um processo de amadurecimento e veio para transformar as organizações de maneira sólida, passo a passo, sem o entusiasmo excessivo que muitas vezes cerca as novas tecnologias. O hype e o otimismo exacerbado podem não sustentar uma visão de longo prazo, mas é inegável que as tecnologias de IA, incluindo a IA generativa, estão sendo desenvolvidas para se integrar de forma sólida e pragmática ao cotidiano empresarial.
É importante também enxergar além do que podemos chamar de “árvore”, que neste caso se refere à Inteligência Artificial (IA) generativa. As redes neurais profundas, que formam uma verdadeira “floresta” de aplicações, vão muito além da IA generativa. Elas possuem inúmeros usos e são aplicadas em diversos setores, contrariando a ideia de que não há resultados econômicos claros. Na verdade, existem aplicações bastante concretas e vantajosas para empresas em vários setores.
E falando sobre árvores, a serigueira da foto, localizada na Gruta do Baú, em Pedro Leopoldo possui raizes agressivas que “escalam” as pedras para encontrar água e prosperar e desafiando o senso comum!
Se for que desafiar o senso comum que tal participar do meu curso Ferramentas de IA e Planejamento Estratégico? Mais informações: https://ferramentas-de-ia-e-plan-zqmo32m.gamma.site/