Novo método de treinamento ajuda a inteligência artificial a generalizar como humanos

A busca por desenvolver máquinas inteligentes capazes de raciocinar como seres humanos é um objetivo duradouro na área de inteligência artificial. Um estudo recente publicado na Nature traz uma perspectiva inovadora ao sugerir que a chave para criar modelos de IA flexíveis e com capacidade de raciocínio humano pode estar na forma como esses modelos são treinados, em vez de simplesmente na quantidade de dados de treinamento que recebem.

A composicionalidade, ou a capacidade de combinar informações de maneira criativa, é um dos princípios fundamentais da cognição humana. Isso nos permite, por exemplo, criar receitas únicas a partir de ingredientes familiares, e de forma mais genérica, compreender frases que nunca vimos antes. No entanto, replicar essa capacidade na IA tem sido um desafio. Mesmo modelos avançados como os da família GPT têm dificuldade em alcançar a verdadeira composicionalidade.

O estudo publicado adota uma abordagem diferente. Em vez de criar um novo modelo de IA do zero, os pesquisadores utilizaram um modelo transformer padrão, semelhante aos usados no GPT, mas sem treinamento prévio em texto. A chave foi a forma como eles conduziram o processo de treinamento. Eles desenvolveram uma linguagem fictícia com palavras sem significado, como “dax,” “lug,” “kiki,” “fep” e “blicket,” relacionadas a conjuntos de pontos coloridos. O modelo de IA foi treinado para compreender as regras dessa linguagem fictícia, mesmo que não tivesse informações explícitas sobre as associações entre palavras e pontos coloridos.

O modelo treinado dessa forma superou os humanos em testes de compreensão dessa linguagem fictícia, atingindo 100% de precisão em sua melhor performance, enquanto os humanos alcançaram 81% de precisão. Avaliado na mesma tarefa, o GPT-4 teve somente 58% de acertos.

Essa descoberta desafia a ideia predominante de que aumentar a quantidade de dados de treinamento é o único caminho para melhorar a IA. Ela sugere que protocolos de treinamento específicos e direcionados podem ser uma alternativa eficaz para aprimorar a capacidade de raciocínio e generalização dos modelos de IA.

No entanto, é importante reconhecer que esse estudo possui limitações. O modelo treinado se destacou em uma tarefa específica, mas ainda enfrenta desafios em novas formas de generalização e não atingiu o nível de inteligência artificial geral, onde a IA superaria as habilidades humanas na maioria das tarefas.

Essa pesquisa oferece uma visão empolgante do futuro da inteligência artificial, destacando a importância de manter expectativas realistas em relação às capacidades atuais da IA. Embora promissora, a IA ainda tem seus limites, e entender essas limitações é fundamental à medida que continuamos a explorar seu potencial.

Sobre o autor

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.