O Futuro das IAs Depois do Papagaio Estocástico
Em 2021, a comunidade de inteligência artificial (IA) cunhou uma expressão que se tornaria um dos rótulos mais atuais do debate sobre o tema: "papagaio estocástico".
Um grande modelo de linguagem (LLM), a exemplo do ChatGPT e tantos outros, por mais fluente que pareça, não entende o mundo, apenas recombina, com base em probabilidades, padrões estatísticos extraídos de bilhões de palavras.
Em outras palavras, ele repete sem compreender, como um papagaio articulado que impressiona pela forma, mas não possui substância por trás da fala.
Yann LeCun, ex-cientista-chefe de IA da Meta tornou-se um dos críticos mais contundentes da própria tecnologia que ajudou a popularizar. Para ele, os LLMs atuais teriam um “teto de vidro”, dado que operam essencialmente por memorização e recombinação estatística, sem capacidade real de raciocínio ou planejamento autônomo. Ou seja, algo próximo de um aluno que decora respostas para uma prova, mas não sabe aplicar o conhecimento a um problema novo.
Sem um modelo interno e abstrato do mundo, capaz de representar causas, consequências e estados físicos, o sistema só consegue lidar bem com aquilo que já viu, de alguma forma, nos dados de treinamento.
LeCun aposta em aprender a partir de vídeo e de sinais sensoriais (olfato, audição, tato etc.), prevendo como o mundo muda no tempo, em vez de prever a próxima palavra em uma frase.
Para LeCun, essa é a diferença entre um sistema que sabe “descrever” o mundo com palavras emprestadas de outros textos e um sistema que efetivamente “entende” como o mundo funciona, inclusive suas dimensões espaciais, físicas e causais, que a linguagem sozinha descreve apenas de forma indireta e incompleta.
Por sua vez, Fei-Fei Li, professora da Stanford University, chega a um diagnóstico semelhante por outra porta: a da visão computacional e da cognição. Fei-Fei usa o conceito de “inteligência espacial”, a capacidade de perceber, raciocinar e agir em três dimensões, algo que, segundo ela, é "o andaime sobre o qual nossa cognição é construída".
Para ela, os LLMs, mesmo os multimodais, que já incorporam imagem e algum entendimento visual, continuam sendo, em sua própria descrição, uma espécie de "artesãos da palavra no escuro: eloquentes, mas inexperientes; cultos, mas sem lastro no mundo real".
O ponto de encontro convergente entre os dois pesquisadores é justamente a ideia de que texto é uma modalidade sensorial pobre demais para sustentar sozinha algo que mereça ser chamado de inteligência geral.
Onde LeCun fala em visão e movimento como base para prever o estado do mundo, e Fei-Fei Li fala em espaço, geometria e ambientes tridimensionais, ambos apontam para a mesma lacuna: audição, tato, olfato, propriocepção e a experiência corporal de agir sobre o ambiente carregam informação causal e física que simplesmente não está codificada, ou está codificada de forma muito indireta, no texto que treina os LLMs atuais.
Essa convergência não significa que os LMMs sejam inúteis ou estejam com os dias contados de forma trivial; ambos reconhecem que eles são ferramentas poderosas para tarefas que dependem essencialmente de conhecimento textual e linguístico. O argumento é outro: existe um teto estrutural, e não apenas de escala, para sistemas que só "veem" o mundo através da janela estreita da linguagem escrita.
Ir além do papagaio estocástico, nessa visão, não é treinar um papagaio maior, com mais dados e mais parâmetros, mas sim dar a ele outros sentidos, um corpo (ainda que virtual) e a possibilidade de aprender pela experiência, e não apenas pela repetição de padrões alheios.
Se essa aposta se confirmar, a próxima geração de sistemas de IA será menos definida por quantos livros ela "leu" e mais por quanto ela conseguiu observar, tocar e simular do mundo físico, um deslocamento que pode redefinir não apenas a arquitetura técnica da IA, mas a própria noção do que significa uma máquina "entender" algo.
Estou ouvindo a playlist Nova Bossa Nova, 100% certificada.
Repertório ®CertCon, de músicas certificadas, disponíveis para downloads e trilhas sonoras na Cedro Rosa.
CRIATIVOS, Pensar, Fazer! atua na articulação entre cultura, economia criativa e tecnologia aplicada.
Organiza informações, experiências e projetos em contexto, conectando produção cultural, pesquisa, políticas públicas e mercado.
Chamada
O portal opera como um laboratório editorial e um hub de inteligência aplicada, na forma de Think-and-Do Tank – Pensar e Fazer Brasileiro - apoiando eventos, iniciativas territoriais e ações concretas no campo cultural e criativo.
Receba o RADAR CRIATIVOS (semanal)
Bastidores, análises e oportunidades da economia criativa.
Ou, se preferir, envie um email para: playeditora@gmail.com (com o assunto: QUERO RADAR)
Este texto integra o pilar Cultura e Sociedade
Comentários