Lembro que quando eu era diretor do Tinder, coloquei na cabeça que eu precisaria entender mais de programação. Afinal, mexia com aplicativo, e eu queria entender melhor como ele funcionava, poder me comunicar com os programadores, e assim por diante. Foi assim que me registrei num curso para aprender a codificar Java. Era uma vez por semana, aos sábados, por alguns meses. Eu já estava trabalhando no Tinder durante aquela época e a correria era grande, por isso não fazia tarefas de casa, não estudava durante a semana…bom, já deve ter entendido que eu acabei não aprendendo quase nada sobre Java, não é?
E o ponto aqui que eu quero fazer, para contextualizar esse episódio, não é de não ter que estudar sobre tecnologia, mas é que minha abordagem ao aprendizado foi errada. Eu associei logo tecnologia com conhecimento técnico, enquanto tecnologia pode ser aprendida de muitas mais formas - em linha com o seu momento e sua expertise. A mesma coisa é sobre a IA, e é disso que iremos justamente falar neste artigo.
Como podemos aprender e estudar mais sobre IA? Quais são os recursos? o que precisamos fazer? Porque isso é importante? Pois bem, é por isso que iremos agora ouvir uma frase do Stephen Wolfram, CEO da Wolfram Research e um dos grandes experts mundiais sobre computação e IA, e fundador do programa Mathematica, que nos fala sobre o acesso a computação nos anos 80, e de como a mesma coisa deve acontecer com IA. Ouça só no vídeo abaixo e não se esqueça de ativar as legendas do YouTube.
“Acho que a coisa importante a se entender sobre o que está acontecendo é, o que é muito empolgante, é uma espécie de grande democratização do acesso à computação. E acho que, quando você olha, há um longo período de tempo em que a computação e a capacidade de descobrir coisas com computadores eram algo que apenas sábios em algum nível podiam alcançar. Eu mesmo estive envolvido em abrir o acesso à computação. Antes de o Mathematica existir, em 1988, se você fosse um físico ou algo assim e quisesse fazer uma computação, buscaria um programador e delegaria a computação a esse programador. Você ia torcer que eles voltassem com algo útil, talvez não, você sabia que teria esse longo ciclo de várias semanas pelo qual você passaria. E foi realmente muito interessante ver em 1988, sabe, primeiro pessoas como físicos, matemáticos e outros, e assim por diante, muitas pessoas tendo acesso a isso, e essa transição muito rápida de pessoas percebendo que elas mesmas poderiam realmente digitar com seus próprios dedos e criar algum código que fizesse uma computação com a qual eles se importassem, tem sido emocionante de ver, assim como muitas descobertas feitas usando isso também”
Talvez a primeira pergunta que você deve estar se fazendo aqui é: porque escolhi Stephen Wolfram como o protagonista deste artigo? Ainda mais porque tenho a certeza que a maioria não conhecia esse incrível pensador do mundo da computação e da IA.
Bom, a verdade é que para mim ele é exatamente uma daquelas pessoas que você precisa seguir, acompanhar e ouvir para aprender sobre IA. Assim como ele ajudou a democratizar o acesso a computação, como ele contou em seu trecho acima, ele está agora democratizando o acesso à IA através da clareza com que explica do que tudo isso se trata.
A verdade é que eu me deparei com ele da primeira vez através do artigo que ele escreveu “What is ChatGPT Doing…and why does it work?”, publicado no site dele, e a melhor peça de conteúdo e educação sobre Chat GPT que tem.
Fundamentalmente, nele, o Wolfram explica que A primeira coisa que o ChatGPT está sempre tentando fazer fundamentalmente é produzir uma “continuação razoável” de qualquer text, onde por “razoável” queremos dizer “o que se pode esperar que alguém escreva depois de ver o que as pessoas escreveram em bilhões de páginas da web, etc.”
Então, digamos que o texto seja “A melhor coisa sobre a IA é sua capacidade de…XXX”. Imagine escanear bilhões de páginas de texto escritas por humanos (digamos, na web e em livros digitalizados) e encontrar todas as instâncias desse texto – e então ver qual palavra vem a seguir em que fração do tempo. O ChatGPT efetivamente faz algo assim, exceto que não analisa o texto literal; ela procura coisas que em certo sentido “combinam em significado”. Mas o resultado final é que ele produz uma lista classificada de palavras que podem seguir, junto com “probabilidades”: como por exemplo “aprender” (4.5%), predizer (3.5%), ou fazer (3.2%).
E o mais notável é que, quando o ChatGPT faz algo como escrever uma redação, o que está fazendo essencialmente é apenas perguntar repetidamente “dado o texto até agora, qual deve ser a próxima palavra?” - e cada vez adicionando uma palavra.
Obviamente o artigo vai muito mais a fundo, e entra em detalhe nos modelos probabilísticos usados para a escolha dessas palavras, mas percebe a simplicidade e clareza com que ele explica tudo isso?
A verdade é que existem recursos para entender melhor sobre IA, particularmente se não tiver um background técnico. Quer uma dica incrível? Ela veio do meu amigo Tiago Amaral, um grande formador de opinião no mundo da Web3 e IA, que recentemente criou um post com 10 links para aprender mais sobre IA, e que abriu com o seguinte material, o curso de IA para non-técnicos, oferecido pela Elements of AI. Eu comecei a fazer, e estou achando super interessante mesmo não sendo um técnico. A verdade é que essa crença é importantíssima a ser desmistificada, ou seja: você não precisa ser um técnico para estudar sobre IA, pelo contrário, é até bom que você não seja um técnico e estude sobre ela, pois vai te dar uma vantagem competitiva grande.
Para quem acompanha o meu podcast, sabe bem que no episódio 134 nós falamos do Porque todos deveriam entender sobre IA, e isso já ficou claro. A pergunta agora que não quer calar, e que iremos abordar neste episódio, é: como podemos aprender mais sobre ela?
Bom, vou explicar como que eu estudo sobre ela, e tudo começa pelas pessoas que estão atrás da tecnologia. Você já deve ter percebido pelo podcast, mas eu falar do Sam Altman, Andrew Ng, Geoffrey Hinton e os outros experts, faz com que você acabe aprendendo bastante sobre essa tecnologia transformadora pelas pessoas que a criam. E isso vale muito mais do que qualquer conhecimento técnico. Faço um exemplo: acompanhei com atenção o Sam Altman, CEO da Open AI, testemunhando frente ao congresso americano, e de forma muito interessante, sugerindo sim que a IA fosse mais regulada. Veja bem: Em seu primeiro depoimento perante o Congresso, Altman implorou aos legisladores que regulamentassem a inteligência artificial, já que os membros do comitê demonstraram uma compreensão cada vez maior da tecnologia. A audiência destacou o profundo desconforto sentido pelos tecnólogos e pelo governo sobre os danos potenciais da IA. Mas esse desconforto não se estendeu a Altman, que teve uma recepção amigável entre os membros do subcomitê.
Que os membros do subcomitê do Senado para privacidade, tecnologia e lei não planejavam um interrogatório difícil para Altman ficou claro quando agradeceram Altman por suas reuniões privadas com eles e por concordar em comparecer à audiência. Cory Booker, democrata de Nova Jersey, chamava repetidamente a Altman pelo primeiro nome, coisa não comum nesses tipos de encontros.
Altman foi acompanhado na audiência por Christina Montgomery, diretora de privacidade da IBM, e Gary Marcus, um conhecido professor e crítico frequente de A.I.
Altman disse que a tecnologia de sua empresa pode destruir alguns empregos, mas também criar novos, e que será importante para “o governo descobrir como queremos mitigar isso”. Ecoando uma ideia sugerida pelo Dr. Marcus, ele propôs a criação de uma agência que emite licenças para o desenvolvimento de modelos de inteligência artificial em larga escala, regulamentos de segurança e testes pelos quais a A.I. os modelos devem passar antes de serem lançados ao público.
E porque isso tudo é tão importante? Porque ao acompanhar os que os criadores da tecnologia falam e vivem, conseguimos entender os fundamentos da tecnologia - e não apenas seu aspecto técnico, mas sim seu impacto nas leis, na regulamentação, na politica, e nas pessoas.
Isso nos ajuda a desmistificar a tecnologia, e permitir com que ela seja mais utilizada - em paralelo a simplificação da sua interface, obviamente. Voltemos para o exemplo do Stephen Wolfram. Se nos anos 80 você tinha que contratar um desenvolvedor para programar algo para você, hoje já é mais fácil fazer isso sozinho. A mesma coisa funciona com edição de vídeo, de áudio ou de imagens: eu por exemplo crio 100% de meu conteudo de ponta a ponta, desde a ideação até a publicação, porque com as ferramentas de tecnologia de hoje como ChatGPT, Canva e afins, eu não preciso de terceiros fazendo isso para mim.
E a cada vez mais será assim com a IA: ChatGPT permitiu que todo mundo pudesse interagir com ferramentas de IA, e hoje somos todos usuários de IA, de alguma forma.
Por isso, se não entendermos como funciona, quais seus limites e quais seus impactos, corremos o risco de ou ficarmos desalinhados com essa tendência (e consequentemente obsoleto, e substituíveis no mercado de trabalho).
