Explorar os recursos da IA generativa

Objetivos de aprendizagem

Após concluir esta unidade, você estará apto a:

• Descrever qualidades dos modelos de IA generativa em comparação com outros modelos.
  
• Definir o vocabulário essencial dos modelos de linguagem de IA.
  
• Descrever as capacidades da IA generativa que usa modelos de linguagem.
  

Todos os holofotes voltados para a inteligência artificial

Você deve ter notado muitas conversas sobre inteligência artificial (IA) ultimamente; é quase avassalador. Mas por que esse súbito interesse? IA não é uma novidade; várias empresas e instituições têm usado IA de alguma forma há anos. O súbito interesse pela IA foi possivelmente causado pelo ChatGPT, um bot de conversa alimentado por IA que pode fazer o que nenhum outro conseguia.

O ChatGPT pode responder a perguntas ou solicitações em linguagem simples, e essas respostas parecem ter sido escritas por um ser humano. E como ele foi lançado para o grande público, as pessoas puderam experimentar diretamente o que é ter uma conversa com um computador. Foi surpreendente. Foi assustador. Foi sugestivo. Ou seja, é claro que as pessoas passaram a prestar atenção!

[Imagem gerada por IA usando o DreamStudio em stability.ai com o prompt: !Um robô feliz sentado em uma cadeira na frente de uma mesa. Há um laptop sobre a mesa. Desenhado no estilo de arte de vetor 2D."] 

Uma IA que pode ter uma conversa natural e quase humana é muito diferente do que temos visto anteriormente. Como você aprende no emblema Noções básicas de inteligência artificial, existem várias tarefas específicas que os modelos de IA podem ser treinados para realizar. Por exemplo, um modelo de IA pode ser treinado para usar dados de mercado e prever o preço ideal de venda de uma casa com três quartos. Isso é impressionante, mas esse modelo produz "apenas" um número. Já outros modelos de IA podem produzir grande variedade de textos, imagens e sons que nunca lemos, vimos ou ouvimos antes. Esse tipo de IA é conhecido como IA generativa. Ela carrega consigo um grande potencial de mudança, tanto dentro quanto fora do local de trabalho.

Neste emblema, você aprenderá quais tipos de tarefas os modelos de IA generativa são treinados para realizar e parte da tecnologia por trás do treinamento. Este emblema também explora como as empresas estão se voltando para especializações no ecossistema de IA generativa. Por fim, terminamos discutindo algumas preocupações que os negócios têm sobre IA generativa.

Possibilidades dos modelos de linguagem

A IA generativa pode parecer uma novidade muito empolgante, mas, na verdade, os pesquisadores vêm treinando modelos de IA generativa há décadas. Alguns até viraram notícia nos últimos anos. Talvez você se lembre de uns artigos de 2018 em que uma empresa chamada Nvidia apresentou um modelo de IA que podia produzir imagens fotográficas realistas de rostos humanos. As imagens eram surpreendentemente convincentes. E embora não fossem perfeitas, elas com certeza geraram burburinho. A IA generativa estava começando lentamente a entrar na consciência coletiva.

Enquanto alguns pesquisadores trabalharam em IA que pudesse criar determinados tipos de imagem, outros se concentraram em IA relativa à linguagem. Eles treinaram modelos de IA para realizar todo tipo de tarefa que envolvesse interpretação de texto. Por exemplo, talvez você queira categorizar as avaliações de um de seus produtos como positivas, negativas ou neutras. Essa é uma tarefa que exige um entendimento de como as palavras são combinadas no uso cotidiano e é um ótimo exemplo do que os especialistas chamam de processamento de linguagem natural. Como existem tantas maneiras de "processar" linguagem, o PLN descreve uma categoria ampla de IA. (Para saber mais sobre PLN, consulte Noções básicas de processamento de linguagem natural.)

Algumas IAs que fazem PLN são treinadas com grandes quantidades de dados, o que, nesse caso, significa amostras de textos escritos por pessoas reais. A internet, com suas milhões de páginas da web, é uma ótima fonte de dados de amostra. Como esses modelos de IA são treinados com essa quantidade absurda de dados, eles são conhecidos como grandes modelos de linguagem. Os LLMs capturam com riqueza de detalhes as regras de linguagem que os humanos demoram anos para aprender. Esses grandes modelos de linguagem facilitam a realização de tarefas linguísticas bastante avançadas.

Resumo: se você receber uma frase e entender como todas as palavras se juntam para criar um argumento, provavelmente poderá reescrever a frase para expressar a mesma ideia. Como os modelos de IA conhecem as regras de sintaxe e aprenderam quais palavras podem ser trocadas por outras, também conseguem misturá-las. Pegar um parágrafo inteiro e condensá-lo em uma ou duas frases é apenas outro tipo de mistura. Esse tipo de resumo auxiliado por IA pode ser muito útil no mundo real. Ele pode criar anotações de reuniões com base em uma gravação de uma hora. Ou escrever o resumo de um artigo científico. Ele é o melhor gerador de apresentações de elevador.

Tradução: os LLMs são como uma coleção de regras de como um idioma estrutura palavras em ideias. Cada idioma tem suas próprias regras. Em inglês, normalmente colocamos adjetivos na frente das palavras, mas em francês costuma ser ao contrário. Os tradutores de IA são treinados para aprender os dois tipos de regras. Ou seja, na hora de misturar uma frase, a IA pode usar um segundo conjunto de regras para expressar a mesma ideia. E pronto: você tem uma ótima tradução. E as linguagens de programação também são idiomas. Elas têm seus próprios conjuntos de regras, ou seja, a IA pode traduzir um conjunto amplo de instruções para um código real. Um programador de bolso pessoal pode abrir muitas portas para muita gente.

Correção de erros: até os escritores mais experientes podem cometer um erro gramatical ou ortográfico de vez em quando. Agora a IA detecta (e às vezes corrige) tudo o que estiver errado. Além disso, a correção de erros é importante quando estamos escutando alguém falar. Você pode não pegar uma palavra ou outra porque está em um ambiente barulhento, mas usa o contexto para preencher a lacuna. A IA também pode fazer isso para tornar as tarefas de fala-para-texto, como legendas, ainda mais precisas.

Resposta a perguntas: essa é a tarefa que colocou a IA generativa no centro das atenções. IAs como o ChatGPT podem interpretar a intenção de uma pergunta ou solicitação. Em seguida, ela pode gerar uma grande quantidade de texto com base na solicitação. Por exemplo, você poderia pedir o resumo em uma frase dos três trabalhos mais populares de William Shakespeare e receberia:

"Romeu e Julieta": uma história trágica de dois jovens amantes de famílias rivais cuja relação amorosa os levou a uma morte prematura. 

"Hamlet": a história de um príncipe assombrado pelo fantasma de seu pai que se debate com a ideia de vingança e as dúvidas existenciais de vida e morte. 

"Macbeth": um drama aterrorizante de ambição e declínio moral em que um nobre, estimulado pela ambição de sua esposa, trilha um caminho sem volta de assassinatos para chegar ao trono. 

Você pode, então, continuar a conversa pedindo mais informações sobre Hamlet, como se estivesse falando com seu professor de Literatura. Esse tipo de interação é um ótimo exemplo de obter informações pontuais com uma simples solicitação.

Geração de imagens guiada: os LLMs podem ser usados em conjunto com modelos de geração de imagens para que você possa descrever a imagem que deseja e a IA possa tentar criá-la. Veja um exemplo de pedir um "desenho manual 2D de Julieta parada na sacada de um palácio antigo." Como existem tantas descrições e imagens de Romeu e Julieta na internet, o gerador de IA não precisa de mais informações para tentar adivinhar uma imagem adequada.

[Imagem gerada por IA usando o DreamStudio em stability.ai com o prompt "desenho manual 2D de Julieta parada na sacada de um palácio antigo."] 

Em relação à geração de imagens guiada, alguns modelos de IA podem adicionar novo conteúdo a imagens existentes. Por exemplo, você poderia estender as bordas de uma imagem, permitindo que a IA desenhasse o que provavelmente apareceria com base no contexto da imagem original.

Texto-para-fala: assim como a IA pode converter uma sequência de palavras em uma imagem, existem modelos de IA que podem converter texto em fala. Alguns modelos podem analisar amostras de áudio de uma pessoa falando. Eles aprendem os padrões de fala únicos da pessoa e podem reproduzi-los na hora de converter texto em um novo áudio. Para o ouvinte casual, é difícil notar a diferença.

Esses foram apenas alguns exemplos de como os LLMs são usados para criar textos, imagens e sons. Quase todas as tarefas que dependam do entendimento de como o idioma funciona podem ser aumentadas por IA. É uma ferramenta realmente poderosa que você pode usar tanto no trabalho quanto no lazer.

Previsões impressionantes

Agora que você tem uma ideia do que a IA generativa é capaz de fazer, é importante esclarecer uma coisa. O texto que uma IA generativa cria é apenas outra forma de previsão. Mas em vez de prever o valor de uma casa, ela prevê uma sequência de palavras que provavelmente têm significado e relevância para o leitor.

As previsões são impressionantes, com certeza, mas não são sinal de que o computador está "pensando". Ele não tem uma opinião sobre o assunto que você perguntou nem tem intenções ou desejos próprios. Se ele soa como se tivesse uma opinião, é porque está fazendo a melhor previsão do que você espera como resposta. Por exemplo, se você perguntar a alguém "Prefere chá ou café?", um tipo de resposta é esperado. Um modelo bem treinado pode prever uma resposta, mesmo que não faça nenhum sentido para o computador querer algum tipo de bebida.

Na próxima unidade, você aprenderá sobre a tecnologia que torna a IA generativa possível.

Recursos

• Trailhead: Noções básicas de inteligência artificial
  
• Trailhead: Noções básicas de Processamento de linguagem natural
  
• Ajuda: IA generativa do Einstein