Michael Jackson nos ensine para que serve uma IA generativa !

Olha, meus amigos. Vou parecer repetitivo, e na verdade serei repetitivo mesmo. Já falei inúmeras vezes sobre o tema, mas acho que grudou na mente de algumas pessoas, já que parece n?o existir um mundo vivo e inteligente antes das IAs generativas. Ent?o, convidei nosso saudoso e talentoso Michael Jackson para que ele colocasse uma pedra sobre a existência de vida antes das IAs generativas.

Nossa estória come?a assim : A matemática é recheada de proposi??es e fórmulas. Por exemplo, para calcular as raízes de uma equa??o de segundo grau existe a fórmula de Báskara. Aquela logo abaixo do Michael Jackson na figura de chamada. Uma fórmula matemática é como que uma receita de bolos, onde você coloca números conhecidos em uma equa??o, aplica regras matemáticas e obtém um resultado. Da mesma forma, diversos segmentos da matemática evoluíram criando fórmulas para as mais diversas situa??es do quotidiano. Para as leis da física temos fórmulas para o movimento, por exemplo retilíneo uniforme, mas também podemos obter a velocidade de um corpo em movimento, formulas que consideram a gravidade para objetos que est?o em queda livre no espa?o, no cálculo podemos obter a acelera??o instantanea de um foguete, ou a área de um objeto irregular com integrais. E vai longe. Estamos há milhares de anos estudando matemática, e existem coisas muito bem resolvidas nesta área.

Entretanto os seres humanos costumam fazer contas lentamente e com erros. Talvez principalmente por isto as primeiras aplica??es dos computadores foram na matemática, física ou engenharia.

Eu já falei para vocês que computadores n?o sabem fazer contas ? kkkkkk. Por mais paradoxal que pare?a, computadores só sabem trabalhar com portas lógicas e algebra booleana. Eles só conhecem coisas como AND, OR, XOR, NOT, NOR, etc. A imagem abaixo é como um computador binário consegue somar dois BITs A e B, considerando um Carry Vr que veio da opera??o anterior.

Mas como esta mágica é possível ? Bem, um computador moderno permite, com uma combina??o correta de portas, que obtenhamos qualquer resultado possível em matemática. Isto porque um circuito lógico, assim como um microprocessador, permitem algo chamado computa??o universal, e podemos obter o resultado que desejemos combinando os circuitos corretos. Computadores n?o sabem fazer contas ! Mas eles simulam qualquer opera??o matemática utilizando portas lógicas ! Claro que ficar montando circuitos como os indicados acima acaba sendo algo complexo, e portanto foram criados microprocessadores que permitem variar o que está sendo processado sem que seja necessário criar um novo circuito. Eles permitem alterar facilmente o conjunto de instru??es (software) pelo uso de linguagens de programa??o, ao invés de alterar o circuito a todo momento (hardware).

Um programa de computador é uma sequência de passos (normalmente deterministica), que permite fazer qualquer processamento possível, ou no nosso caso efetuar simula??es de opera??es matemáticas em grande velocidade. Lá em cima da imagem do Michael Jackson tem dois exemplos de códigos utilizando linguagens de programa??o. Bem, na imagem da esquerda, antes que alguém atire uma pedra, é na verdade uma linguagem de marca??o, o HTML, mas linguagens de marca??o e linguagens de programa??o mantém coisas em comum para nosso exemplo. E de fato com os computadores e as linguagens de programa??o evoluímos toda uma indústria da computa??o. Antes mesmo da inteligência artificial.

Mas cadê a ajuda do Michael Jackson ?

Aquela imagem dele lá em cima foi extraí de um vídeo que ele gravou há mais de 15 anos atrás. Este vídeo aqui (você acha vers?es dele no youtube facilmente) :

Mas como este cantor incrível nos ajuda a escolher se devemos usar IAs generativas ou n?o? Bom, outro dia eu estava no Instagram, e alguém publicou este vídeo. Se você avan?ar o vídeo para um pouco depois dos 5 minutos, aparecem efeitos especiais onde pessoas se transformam em outras pessoas. Daí um dos leitores do post colocou este comentário mágico :

Nossa, que incrível ! Isto foi feito com IA? Só pode ser feito assim, certo?

Daí subiu aquele calor e meu dedo co?ou mesmo várias vezes para responder este comentário. A quest?o é que o vídeo foi gravado há 15 anos, e a menos que Marty Macfly tenha voltado com um Delorean na época da grava??o, isto seria impossível de fazer com IAs, e IAs generativas nem mesmo existiam.

Gente, transformar uma imagem de uma pessoa em outra pessoa, ou um tigre ou o que quer que seja, já existe heurística para isto ! Nos filmes da década de 70 e 80 já tinham pessoas se transformando em animais. Lembra do Manimal? Isto é feito com um algoritmo! Mas que diabos é um algoritmo? Um algoritmo é uma sequência de instru??es de um microprocessador que fazem algo que você deseja.

Neste caso da transforma??o, os pontos v?o se aproximando gradualmente da imagem original para a imagem destino, até que só restem os pontos da imagem destino. Se você fizer isto de forma lenta e gradual, dá a impress?o para a vis?o humana de que está se transformando. E mais, sem alucina??o, com absoluta precis?o! Basta a mais pura e velha matemática aplicada em uma sequência de passos! Na verdade esta é a melhor forma de fazer esta transforma??o.

Pegar uma imagem velha e remover ruídos, real?ando as cores é outro exemplo em que existe uma sequência de passos que pode ser feita de forma "determinística". Leia qualquer livro de processamento de imagens, mesmo que o livro seja de dez anos atrás, e você entenderá como funciona. Basta remover a alta frequência da imagem (um filtro passa baixas) e a imagem fica limpinha. Também existe técnica para real?ar cores de imagens antigas, e até colorizar imagens que foram criadas originalmente em preto e branco. A resposta para tudo isto é Michael Jackson, um algoritmo e um programa de computador.

A diferen?a entre um algoritmo que gera o Morphing (nome da transforma??o de uma imagem em outra), a fórmula de Baskara, a remo??o de ruídos e mais TUDO que existe de tecnologia para uma IA generativa, é uma quest?o de precis?o e complexidade. Explico isto.

No algoritmo, definimos passos precisos que devem ser executados para que algo aconte?a. Se acontecer errado, é porque algum dos passos n?o foi bem definido e pode ser alterado (chamamos de bug). Basta voltar no programa que calcula as raízes e alterar o passo que estiver errado :

Cada uma daquelas linhas de comando acima pode ser corrigida se algo estiver errado, e no final teremos 100% de precis?o para o cálculo das raizes de uma equa??o de segundo grau, para o Morphing do Michael Jackson e qualquer outro problema matemático que tenhamos. Mas, se é t?o bom assim, porque n?o desistimos da IA e ficamos somente com os algoritmos e programas? Bom existem algumas raz?es.

Para alguns problemas que queremos resolver n?o temos algoritmos definidos. Como detectar se uma imagem tem uma face feliz ou triste apenas olhando para os pontos que comp?e uma fotografia? O ser humano consegue identificar isto com relativa facilidade, mas n?o consegue explicar os passos que utiliza para chegar a esta conclus?o. E como n?o sabe explicar, n?o conseguimos definir os passos de um programa que fa?a o mesmo. Por outro lado podemos treinar uma IA para fazer isto sem precisar conhecer estes passos.

Outra utilidade s?o algoritmos que até sabemos fazer, mas que modificam a toda hora. Por exemplo identificar se um email é spam. A toda hora novas formas de incomodar pessoas s?o inventadas. Se usarmos um algoritmo, o programador precisa ficar a todo momento modificando os códigos para um novo comportamento emergente. Uma IA pode ser treinada sem muita interferência humana.

E como podemos fazer isto sem ter que codificar a toda hora programas novos? A resposta é treinar uma rede neural. Podemos pegar por exemplo centenas ou milhares de fotos de rostos de pessoas, catalogar se est?o felizes ou tristes, e jogar para um programa especial de computador que compara por exaust?o estes pontos, gerando uma matriz que estatisticamente determina se a imagem "tem mais chances" de ser uma pessoa feliz ou de uma pessoa triste. Ou seja, ninguém programa o processo de decis?o, um monte de números dizem se a face é triste ou feliz. E fica até mesmo impossível se olhar para estes números para se chegar a uma conclus?o de como se descobre a resposta.

Opa ! Ent?o vou fazer a pergunta invertida àquela que fiz logo acima. Porque n?o jogamos fora todas as heurísticas que temos e n?o passamos a fazer tudo com IAs treinadas? Acho que existem pessoas que desejam fortemente que esta seja a decis?o acertada. Nós, seres humanos, parece que gostamos de unificar coisas para simplificar a nossa vida. Bom, o motivo é a falta de precis?o neste processo de treinamento. Está ficando mais e mais claro, a cada dia, que n?o importa o tamanho da rede neural ou a massa de informa??es que jogamos para treinar aqueles números. Sempre existirá, ainda que minimamente, uma margem de erro nas respostas.

Para coisas que n?o exigem precis?o, como o Morphing do Michael Jackson (embora exista um algoritmo consolidado para isto) ou a remo??o de ruídos das fotos, até poderíamos usar IAs generativas. Afinal, se n?o tirar uma sujeira da imagem, ou se a transforma??o n?o ficar perfeita, n?o é lá o pior do mundo. Já para coisas que exigem precis?o, como uma fórmula de Báscara, n?o podemos correr o risco de uma escolha estatística que gere um erro. Pela última vez :

N?O EXISTE GARANTIA DE QUE OPERA??ES ARITMéTICAS OBTIDAS COM IAS GENERATIVAS BASEADAS EM LLM (LARGE LANGUAGE MODELS) SEMPRE GEREM RESULTADOS PRECISOS!

Vai errar uma hora o cálculo! Se você jogar uma moeda viciada na mesa, daquele tipo que quase sempre cai cara, tenha certeza de que uma hora, mesmo que muito improvável, ela irá cair coroa! N?o podemos correr este risco quando falamos de matemática e desejamos precis?o.

Isto está ficando um pouco pior, porque muitas redes neurais est?o sendo integradas com algoritmos consagrados, usando matemática antiga e consolidada, e est?o come?ando a contornar o problema da precis?o com um truque sujo mas esperto. Quando elas percebem que existe algo lá na frase que ela n?o sabe fazer, como uma opera??o aritmética, ela acaba direcionando para um outro programa que implementa uma calculadora, e a conta sempre fica perfeita! O mesmo com outras atividades que ela n?o sabe fazer, como processar alguns tipos de imagens e outras coisas. A resposta que retorna deste programa externo para a IA é enviada para quem fez a consulta, gerando um resultado perfeito sempre !!!!!

E porque isto é t?o ruim ? Veja, n?o é ruim usar códigos de apoio para o que a IA n?o faz bem. O que é ruim é vender uma IA como perfeita, fazendo o usuário entender que ela nunca erra, e come?armos a esquecer ou parar de criar novos algoritmos para o que ela N?O faz bem, acreditando que tudo no mundo s?o pregos ! Este é o problema ! Os pesquisadores podem ficar desestimulados, entendendo que est?o pesquisando assuntos de menor relevancia, e for?ar uma migra??o em massa para o segmento da IA, sendo que na verdade sem aquelas pe?as externas será impossível fazer qualquer coisa com uma IA.

O usuário final acreditar que tudo está sendo feito pela IA tudo bem, já a pessoa iniciada em computa??o acreditar que a IA é a única resposta para tudo, isto é um problema de verdade ! Aliás, só para provocar, o aprimoramento dos vídeos do Chapolin Colorado no SBT, n?o teriam transformado ele em um Hulk de boné se tivessem sido processadas por um dos programas antigos e consolidados que foram criados para processar imagens ??

Portanto, meu caro Michael Jackson, onde você estiver, por favor nos mande um sinal e indique o caminho do que se deve e o que n?o se deve usar uma IA generativa !

Obrigado e até a próxima !

#glaucoreis #technology #innovation #futurism #ai #IBMAmbassador #quantumambassador #qiskitadvocate #qiskit #quantum #generativeAI #IAgenerativa #chatgpt #neuralnetwork #IBMAmbassador #quantumambassador #qiskitadvocate #qiskit