A inteligência artificial generativa impressionou o mundo com seus recursos avançados, e agora transformou diversas profissões e modos de existir
Redator: Heitor Augusto Colli Trebien
A inteligência artificial generativa, como o nome sugere, é uma inteligência capaz de gerar conteúdos, sejam textos, músicas ou imagens. Ela se desenvolveu a partir de séculos de evolução das ciências matemáticas, linguísticas e mesmo biológicas.
Em 2006, as redes neurais artificiais de codificação automática se tornaram um destaque. Elas imitam nosso cérebro ao enviar informações para que a máquina possa executar uma ação.
Com o passar dos anos, elas se popularizaram em aplicações como chatGPT, Dall-e, Kubrick, Midjourney, Bard, entre outras.
Mas como a inteligência artificial generativa funciona?
Antes de entendermos como a IA generativa ganha vida, precisamos entender como a IA nasceu. Como Demirdag (2023) comenta, a IA precisa ser treinada com milhões, bilhões e até trilhões de dados (conteúdos). Depois, eles devem ser organizados por meio de algoritmos com geração de entradas (inputs) e de saídas (outputs). Assim, a máquina poderá encontrar soluções como resultado de um determinado comando (prompt).
Para entendermos a IA generativa, precisamos compreender que existem diferentes modelos para diferentes funções (assim como na IA). Para facilitar o processo, vamos realçar a lógica de funcionamento da IA generativa que cria textos. Ela lê as palavras e as transforma em um número, em seguida, ela calcula quais palavras são frequentemente usadas e em qual ordem mais aparecem. Desse modo, a máquina consegue produzir textos semelhantes aos que os seres humanos produzem.
Quais são os modelos de IA generativa que existem?
Um dos modelos mais famosos de IA generativa, comentado neste texto, é o modelo de linguagem natural, sendo o chatGPT o exemplo mais famoso da atualidade. O modelo de linguagem usado é o GPT – Generative Pré-trained Transformer (Transformador gerativo pré-treinado), que consiste em alimentar a máquina com uma larga base de textos para responder ao comando do usuário.
Outro modelo são as aplicações de textos para imagens (text to image applications). Elas se tornaram um destaque principalmente a partir de 2022. O usuário digita algumas palavras e vê os algoritmos a transformarem em imagem baseada nas instruções descritas. Os serviços mais famosos atualmente são o Midjourney, o Dall-e e o Stable Diffusion. A qualidade da imagem depende tanto do algoritmo quanto do conjunto de dados usados para treinar o sistema.
Existem também as GANs, que são as redes adversárias generativas (Generative Adversarial Networks). Esse modelo é composto por um gerador e um discriminador que funcionam em competição. Isto é, um “briga” com o outro para melhorar o resultado final. O que diferencia esse sistema, como Demirdag (2023) menciona, é que o usuário coloca um tipo de dado e a máquina responde com o mesmo tipo de dado, no entanto, ele foi melhorado/aprimorado.
Por exemplo, a Audi usa esse modelo para criar novos projetos de rodas, e seus designers aproveitam esse recurso para escolher qual foi mais adequado para depois aprimorá-lo e finalizá-lo. Outro contexto em que as GANs podem ser usadas é em segurança. Elas podem criar versões sintéticas de transações fraudulentas e treinar um modelo de detecção de fraudes. Isso melhora o sistema de proteção digital dos bancos, por exemplo.
E na saúde?
Sim, as IAs generativas estão se tornando cada vez mais populares no campo da saúde, principalmente na área de detecção de anomalias. O principal modelo utilizado são as VAE – Variational Autoencoders – auto-codificadores variacionais. Eles são treinados com uma base de dados daquilo que se espera que seja normal/padrão, depois, eles são treinados para identificar aquilo que foge do modelo esperado.
A VAE, além da saúde, pode ser usada também em fraudes financeiras e mesmo na segurança do trabalho, ao expor falhas de fabricação ou nas máquinas, por exemplo.
Será que a IA generativa irá substituir o trabalho humano?
Primeiro devemos destacar que é muito difícil prever o futuro e o que realmente irá acontecer. Afinal, o futuro é algo que é inventado, não está certo. No entanto, podemos analisar o que acontece no dia a dia para inferir possibilidades futuras.
Atualmente, os recursos de IA generativa estão fazendo parte do trabalho de diferentes profissões, não como um substituto, mas como uma ferramenta de auxílio avançada. Muitos profissionais estão precisando se especializar em diferentes áreas para poder realizar os mesmos trabalhos. Isso inclui os próprios programadores.
As áreas estão se tornando cada vez mais interdisciplinares e transdisciplinares, isto é, a barreira que antes separava um campo do conhecimento e outro estão se tornando mais estreitas, menores. Um mesmo profissional precisa ter conhecimentos de programação, linguística, arte visual, saúde, entre outros para encontrar uma possível solução para determinado caso.
A ideia principal, que deve ser discutida, é como a IA pode qualificar e aperfeiçoar alguns resultados. A arquitetura, por exemplo, pode se beneficiar das ferramentas de IA para construir designs mais precisos. O cinema pode ter imagens com maior qualidade, assim como roteiros bem finalizados.
A IA está sempre certa?
Não. Devemos começar a entender a IA não como algo 100% correto, mas como um recurso que oferece sugestões, por meio de uma ampla base de dados, das quais podemos usar para aprimorar nosso próprio trabalho, principalmente no que diz respeito a tarefas repetitivas. Para isso, precisamos pensar nas formas éticas nas quais essa tecnologia deve ser usada.
O ser humano, por meio das novas tecnologias, deve pensar em se reinventar, ou como Demirdag (2023) sugere, pensar sobre o que o diferencia enquanto espécie e enquanto sujeito. Alguns trabalhos irão mudar, se transformar e outros irão surgir.
A autora cita um exemplo dos trabalhadores Knocker-up, knocker-upper ou caller-up, muito comum na Inglaterra industrial. As crianças eram contratadas para acordar os funcionários no horário da manhã para trabalharem. O horário, vale lembrar, era às 4 horas da manhã. Hoje isso é considerado exploração do trabalho infantil, e deixou de existir entre os anos de 1950 e 1970 quando os despertadores foram aprimorados.
Claro, outras profissões surgiram e muitos profissionais precisaram se realocar de funções, mas de modo geral o que se observa é que as profissões mudam segundo outras criações humanas. A tecnologia é uma ferramenta criada pelo próprio ser humano e que muda o ser humano e o ambiente onde vive, por isso ela influencia o modo de ser de alguns tipos de trabalho.
Como a Velip se posiciona em meio a tecnologia?
Na Velip, temos diferentes áreas e profissionais e podemos ressaltar: mesmo sendo uma empresa que oferta comunicação automática, chatbots e humanos digitais, tudo é produzido por humanos. Temos uma equipe formada por programadores, linguistas e designers dedicados a construir produtos que consideram o lado humano da tecnologia, até porque a tecnologia sempre foi humana.
Demirdag (2023) faz uma provocação: o maior viés da IA é lidar com o complexo de inferioridade do ser humano. Ao enxergarmos a máquina como superior e o humano como inferior, perdemos a nossa autoridade sobre o que nós mesmos produzimos. Devemos lembrar que quem de fato cria, desenvolve, comanda e orienta a máquina são as pessoas.
O essencial, neste momento, é o ser humano superar suas próprias inseguranças para fazer a sua voz ser ouvida.
Velip, ecoando sua voz por novos caminhos
Referência da imagem da capa
Fonte: imagem gerada por inteligência artificial com prompts do redator. Recursos utilizados: chatGPT e Dall-e.
Referência
DEMIRDAG, Pinar Seyhan. What Is Generative AI? The importance of generative AI. LinkedIn Learning, 15 mar. 2023. Disponível em: https://lnkd.in/d52-uagk. Acesso em: 26 out. 2023.