Recentemente uma companhia que amo e com quem tenho o enorme prazer de colaborar, como host do Podcast “Vem A.I', ou seja a Nvidia, aumentou tanto sua valuation no mercado que chegou a fazer parte do seleto grupo de empresas que valem mais de 1 trilhão de dólares. Se trata apenas da nona empresa no mundo a alcançar este marco junto de outras 5: Apple (AAPL), Microsoft (MSFT), Alphabet (GOOG), Amazon (AMZN) e Saudi Aramco. No último trimestre, o lucro da empresa aumentou 26% para US$2 bilhões e as vendas subiram 19% para US$7,2 bilhões, superando facilmente as previsões dos analistas de Wall Street. O valor de suas ações subiu cerca de 180% até agora neste ano. Isso é devido ao crescimento da IA como tecnologia, e também da sua crescente adoção no mundo dos negócios.
A PwC afirmou em abril que investirá US$ 1 bilhão nos próximos três anos, enquanto a EY anunciou em 2021 que investirá US$ 2,5 bilhões ao longo de três anos. A Bain and Company se associou à OpenAI, fabricante do ChatGPT, enquanto a Deloitte está se unindo ao fabricante de chips Nvidia. E a IBM, cujo trabalho em A.I. remonta pelo menos à introdução do Watson, anunciou um "Centro de Excelência" para A.I. generativa.
Os investimentos em A.I. generativa devem atingir US$ 42,6 bilhões até o final do ano, de acordo com a PitchBook. E as menções a "A.I." ou "inteligência artificial" em chamadas de investidores corporativos dispararam este ano. Ou seja, o crescimento da Inteligência Artificial é um fato. Mas até onde vamos chegar? O que esse crescimento implica para o alcance do que é muitas vezes chamada de "Inteligência Artificial Geral"? Será que devemos esperar inovação após inovação, ou talvez por um tempo não teremos tanta inovação?
Vamos ouvir uma frase do Mark Zuckerberg, CEO da Meta, que fala sobre porque não deveríamos esperar grandes inovações na área de IA nos próximos anos. Ouça abaixo e não se esqueça de ativar as legendas do YouTube.
“Em que ano você acha que teremos uma superinteligência?
Eu não sei, quero dizer, isso é pura especulação. Acho que é muito claro, dando um passo para trás, que tivemos uma grande descoberta no último ano, sim, certo, onde os LLMs e modelos de difusão basicamente alcançaram uma escala em que são capazes de fazer coisas interessantes. E então a pergunta é: o que acontece a partir daqui? E para ilustrar os dois extremos:
De um lado, é tipo, ok, tivemos apenas uma descoberta. Se tivermos outra descoberta assim, ou talvez duas, então poderíamos ter algo verdadeiramente louco, certo? E é como se fosse muito mais avançado. E do lado desse argumento, é tipo, ok, talvez estejamos apenas a alguns passos de distância de alcançar algo que se parece mais com inteligência geral. Ok, esse é um lado do argumento. E o outro lado, que é o que historicamente vemos com mais frequência, é que uma descoberta leva a você sabe, nesse ciclo de hype de Gartner, há o hype e depois há o vale da desilusão, quando as pessoas pensam que há uma chance de que, ok, há uma grande descoberta, talvez estejamos prestes a ter outra grande descoberta. E é como se, na verdade, você não está prestes a ter outra descoberta. Talvez você tenha que conviver com essa por um tempo. E você sabe, pode ser cinco anos, podem ser dez anos, podem ser 15 anos até que você descubra o que é a próxima grande coisa que precisa ser descoberta. Mas acho que o fato de acabarmos de ter essa descoberta de certa forma faz sentido que estejamos em um ponto de quase margens de erro muito amplas sobre o que acontece a seguir. Sim, acho que a visão técnica tradicional, ou olhando para a indústria, sugeriria que não vamos apenas acumular uma descoberta em cima da outra a cada seis meses ou algo assim. Agora, acho que vai levar mais tempo entre elas.”
Uma pergunta que todo líder se faz, quando se vê diante de novas tecnologias é: quando elas fazem promessas ousadas, como discernir a propaganda do que é comercialmente viável? E quando essas alegações vão dar retorno, se é que isso vai acontecer? Para responder essas perguntas existe o Gartner Hype Cycles, que fornece uma representação gráfica da maturidade e da adoção de tecnologias e aplicativos, e como elas são possivelmente relevantes para solucionar problemas empresariais reais e explorar novas oportunidades. A metodologia Gartner Hype Cycle proporciona uma visão de como uma tecnologia ou aplicativo evoluirá com o tempo, fornecendo uma fonte segura de insight para gerenciar sua implantação no contexto de suas metas de negócios específicas.
Como funcionam os Hype Cycles?
Cada Hype Cycle mergulha nas cinco fases principais do ciclo de vida de uma tecnologia.
- Gatilho de inovação: uma possível inovação tecnológica dá o pontapé inicial. As primeiras provas de conceito e a empolgação da mídia geram um grande hype. Muitas vezes, não existem produtos utilizáveis e a viabilidade comercial ainda não foi comprovada.
- Pico das expectativas infladas: a empolgação inicial resulta em várias histórias de sucesso, mas também há muitos fracassos. Algumas empresas agem enquanto outras ficam para trás.
- Vale da desilusão: o interesse diminui à medida que experimentos e implementações não alcançam os resultados desejados. Algumas empresas de tecnologia decolam, enquanto outras fracassam. Os investimentos continuam apenas se os provedores sobreviventes aprimorarem seus produtos para atender aos primeiros clientes.
- Encosta da informação: mais exemplos de como a tecnologia pode beneficiar as empresas começam a se concretizar e são mais amplamente compreendidos. Provedores de tecnologia lançam produtos de segunda e terceira geração. Mais empresas investem em pilotos, embora as empresas mais cautelosas ainda mantenham uma abordagem cautelosa.
- Planície da produtividade: a adoção convencional começa a decolar. Os critérios para avaliar a viabilidade dos provedores dessa tecnologia são mais claramente definidos. A ampla aplicabilidade e relevância da tecnologia são claramente comprovadas e recompensam o mercado em geral.
Segundo Mark Zuckerberg, estamos no momento em que após um breakthrough grande como o amadurecimento dos Large Language Model e a popularização de soluções como ChatGPT, é esperada uma desilusão sobre a tecnologia. Não é isso afinal que aconteceu com o metaverso, e várias tecnologias da Web3?
Pense bem: não é fácil manter o ritmo das inovações constante, ainda mais no mundo da IA. Se formos analisar bem o seu histórico, essa tecnologia sofreu um “inverno” muito profundo em que não teve muita pesquisa, nem inovação, na área de IA.
Vamos pensar em como os LLMs e o ChatGPT preencheram um gap de ineficiências relacionadas a trabalho manual e cognitivo do ser humano (ou seja criação de conteúdo, estudo mnemônico, raciocínio lógico), ao ponto que eu teria a coragem de dizer que possivelmente é a inovação que mais simplificou a vida humana da história, e que mais preencheu o gap de ineficiência e baixa produtividade, relacionada ao tempo que demorava para o ser humano realizar essas atividades.
Isso nos faz refletir sobre se realmente não estamos ainda muito longe de uma IAG, ou seja Inteligência Artificial Geral, que é o que Ray Kurzweil definia como o elemento atrás da singularidade. Para entender essa discussão, precisamos começar pelo seguinte: Parece que existem organizações e estruturas no mundo que são mais inteligentes do que os seres humanos. Por exemplo, uma empresa que age como uma entidade com uma marca única. Embora seja composta por pessoas, esperamos que uma empresa com muitos funcionários tome decisões mais inteligentes do que uma única pessoa. Seria preocupante se não fosse assim. Outro exemplo é o mercado de ações, que é um sistema distribuído onde milhões de pessoas ao redor do mundo votam diariamente ao escolher onde investir. Esse sistema é mais inteligente do que qualquer indivíduo e é usado para alocar capital eficientemente globalmente. Acredito que já existam sistemas cibernéticos que unem a inteligência de várias pessoas ou a inteligência de pessoas e tecnologia para formar algo dramaticamente mais inteligente do que qualquer indivíduo. Podemos aproveitar esses sistemas de maneira produtiva para avançar a sociedade, desde que construamos e equilibremos essas estruturas entre si.
Isso me dá esperança de que, à medida que a tecnologia avança, já temos muitas organizações mais inteligentes do que um único ser humano, o que é benéfico para o progresso da humanidade. A inteligência artificial (IA) não está se tornando super inteligente, mas está impulsionando a inteligência coletiva, principalmente a humana. Ela melhora a educação das pessoas, mantém-nas mais bem informadas e torna a comunicação e o debate de ideias mais eficientes. Por meio desse processo, a inteligência coletiva se torna cada vez mais inteligente, possivelmente mais rápido do que os sistemas de IA individuais treinados com dados humanos. Talvez a inteligência coletiva da espécie humana possa superar o desenvolvimento da IA. Existe um equilíbrio aqui, pois muitos avanços dependem do feedback humano, e não apenas da máquina aprendendo como as pessoas pensam. Há um ciclo nesse processo.
Entende-se que não é só a Inteligência Artificial avançando até uma super inteligência, mas é também a Inteligência humana avançando de forma mais rápida do que nunca graças à Inteligência Artificial. Será que a combinação das duas coisas é o que realmente irá gerar essa Superinteligência, ou Inteligência Artificial Generalizada, que é o que se fala há muito tempo mas aparenta ser muito distante?
A inteligência artificial geral (AGI) é uma forma teórica de IA que pode aprender e raciocinar como os seres humanos, potencialmente resolvendo problemas complexos e tomando decisões de forma independente. Ao contrário de outras formas de IA, como a IA estreita ou fraca, que são projetadas para executar tarefas específicas, a AGI seria capaz de realizar uma ampla variedade de tarefas, adaptar-se a novas situações e aprender com a experiência. A AGI seria capaz de raciocinar sobre o mundo, formar conceitos abstratos e generalizar conhecimentos de um domínio para outro. Essencialmente, a AGI se comportaria como seres humanos sem ser programada explicitamente para isso. Além de ter acesso a uma vasta quantidade de conhecimento, a AGI pode praticar:
- Senso comum: a AGI entenderia as nuances das situações cotidianas e responderia adequadamente. Ela poderia raciocinar sobre cenários que não foram programados explicitamente e usar o senso comum para orientar suas ações.
- Aprendizado por transferência: a AGI poderia transferir conhecimentos e habilidades aprendidos de uma tarefa para outras tarefas relacionadas.
- Pensamento abstrato: a AGI seria capaz de compreender e trabalhar com ideias abstratas, permitindo que ela aborde problemas complexos e desenvolva soluções inovadoras.
- Compreensão de causa e efeito: a AGI seria capaz de antecipar os resultados de suas decisões e tomar medidas proativas para alcançar seus objetivos, entendendo e usando relações de causa e efeito. Isso significa que ela poderia prever as consequências de suas decisões e tomar medidas proativas para alcançar seus objetivos.
No entanto, existem preocupações sobre as possíveis implicações da ASI para a sociedade e a força de trabalho. O físico inglês e autor Stephen Hawking alertou sobre os perigos do desenvolvimento de uma inteligência artificial completa, afirmando que isso poderia significar o fim da raça humana, uma vez que as máquinas eventualmente se reinventam em uma taxa cada vez maior, deixando os humanos incapazes de competir. Alguns especialistas, como o inventor e futurista Ray Kurzweil, acreditam que os computadores alcançarão em breve níveis de inteligência humana (Kurzweil acredita que isso ocorrerá até 2029) e que a IA continuará a melhorar exponencialmente, levando a avanços que a permitirão operar em níveis além da compreensão e do controle humanos.
Recentes desenvolvimentos em IA generativa nos aproximaram de realizar a visão da AGI. Interfaces amigáveis de IA generativa, como o ChatGPT, demonstraram impressionantes capacidades de compreender comandos de texto humanos e responder a perguntas sobre uma ampla variedade de tópicos, embora isso ainda se baseie na interpretação de dados produzidos por humanos. Mas a partir disso, devemos entender que o pulo incrível que o mundo deu a partir desta inovação, por um tempo, será muito difícil de se ver.
