Após percebermos que a inteligência artificial não é capaz de solucionar todos os problemas, podemos direcioná-la para áreas em que realmente se destaca.
Parece que a adoção da inteligência artificial pelas empresas está sendo mais realista do que otimista. A IA não substituirá completamente o trabalho humano, nem escreverá todo o código ou a cópia de marketing sem a necessidade de correções humanas. Além disso, a IA ainda está longe de alcançar uma inteligência geral artificial (AGI) e pode ser que nunca chegue a esse ponto.
Resumindo, estamos mudando nossa perspectiva em relação à inteligência artificial, percebendo que ela não irá substituir completamente os humanos, mas sim complementá-los em diversos aspectos.
Muitas expectativas ingênuas
Inteligência artificial, quer seja na forma de AI generativa, aprendizado de máquina, aprendizagem profunda ou qualquer outra denominação, nunca foi capaz de corresponder às grandes expectativas que tínhamos sobre ela. Parece que uma das razões pelas quais deixamos isso avançar por tanto tempo é que sempre nos pareceu algo além da nossa compreensão. Era como uma espécie de magia, com algoritmos caixa preta que absorvem estímulos e produzem imagens realistas impressionantes ou texto perspicaz e inteligente. E por que não? Os grandes modelos de linguagem (LLMs) foram todos treinados com uma quantidade imensa de exemplos de pessoas sendo perspicazes e inteligentes, e ferramentas como o ChatGPT imitam o que eles “aprenderam”.
O desafio reside no fato de que os LLMs não verdadeiramente adquirem conhecimento. Eles não conseguem raciocinar e têm dificuldade em aplicar informações passadas para resolver problemas futuros, como indicado por uma pesquisa recente do IEEE. Embora as ferramentas genAI tenham se destacado no desenvolvimento de software, como o caso do GPT-3.5, elas podem não atender plenamente às expectativas. Por exemplo, o GPT-3.5 não foi treinado com dados posteriores a 2021, o que resultou em sua incapacidade de lidar com problemas de codificação recentes no LeetCode. A pesquisa revelou uma queda na taxa de sucesso do modelo em problemas fáceis, de 89% para 52%, e uma drástica redução na capacidade de gerar código para desafios complexos, de 40% para 0,66%.
De acordo com Michelle Hampson, o ChatGPT demonstra habilidades de pensamento crítico semelhantes às de um humano e apenas consegue resolver problemas com base em experiências anteriores. Tim Klapdor é mais direto ao afirmar que o ChatGPT não adquiriu conhecimento, não realizou pesquisas, não validou informações e não contribuiu com novas ideias ou conceitos. Simplesmente absorveu todos esses dados e agora pode reproduzi-los rapidamente, graças ao alto custo diário de computação.
Isso não indica que a inteligência artificial genérica seja ineficaz para o avanço do software ou de outras áreas, mas sim que é necessário reavaliar nossas expectativas e estratégias.
Ainda não adquirimos conhecimento.
Esta queda não é apenas um fenômeno da inteligência artificial. Temos experimentado esse padrão de altas expectativas seguidas por desilusão com praticamente todas as novas tecnologias revolucionárias. Mesmo algo tão consolidado como a computação em nuvem ainda está sujeito a críticas. Meu colega do InfoWorld, David Linthicum, recentemente criticou a computação em nuvem, argumentando que “os benefícios de produtividade esperados e economias de custo não se concretizaram na maioria dos casos.” Embora eu acredite que ele esteja exagerando um pouco, é difícil discordar dele, considerando o quanto nós (eu incluso) vendemos a nuvem como a solução para quase todos os desafios de TI.
Linthicum também adotou a tecnologia serverless para uma tarefa. Ele acredita que essa tecnologia, que não requer energia, continuará a ser menos proeminente devido ao surgimento de outras formas de computação em nuvem, como a computação de borda e microclouds. Isso ocorre porque essas novas soluções oferecem abordagens mais personalizadas que atendem às necessidades específicas das empresas, ao invés do modelo genérico da computação serverless. Linthicum reconhece que sua sugestão anterior de que o serverless poderia substituir o Kubernetes e contêineres estava equivocada. Ele acredita que a abordagem mais cautelosa é a correta, já que grandes tendências geralmente não desaparecem por completo, mas são adotadas para aplicações mais modestas e relevantes.
Estamos avançando na direção da inteligência artificial. Já podemos observar empresas que fracassam ao considerar a IA como a solução para tudo, mas que têm sucesso ao utilizá-la como uma solução complementar em certos aspectos. Não devemos abandonar a inteligência artificial, mas sim usá-la com cuidado e de forma estratégica. Assim como outras tendências do passado, como código aberto, computação em nuvem e dispositivos móveis, a IA se tornará um complemento essencial para a forma como trabalhamos, em vez de ser a única maneira de trabalhar.
