Sobre Dragsters, ChatGPT e uma deliciosa conversa!

Olá pessoal, na quarta feira da semana passada participei de um painel delicioso sobre Inteligência artificial, com estas feras aí da foto (n?o os veículos!). Várias coisas incríveis também aconteceram, e reencontrei pessoas de quem admiro muito, mas est?o em outras empresas, e outras que n?o via também há dezenas de anos, e amigos que foram me prestigiar. E foi muito interessante, porque muitas vis?es diferentes foram exploradas, e naturalmente os 60 minutos reservados n?o foram suficientes para explorar a extens?o do assunto. Saímos de lá com as pessoas querendo perguntar mais e mais. O meu planejamento seria chegar em casa, e escrever um artigo logo na sequência do evento. Mas em um daqueles desfechos do destino, n?o é que um acidente de percurso me levou ao hospital e custou uma barra de titanio presa ao úmero, por dentro da pele e permanente? Agora está tudo bem, n?o vamos chorar o leite derramado. Mas agora, depois do susto, fiquei me lembrando dos pontos principais daquele dia. E pelo que me recordo, os assuntos mais falados foram ética, controle da IA e o famoso ChatGPT, além da empregabilidade. Como existem diversos outros artigos e posts aqui sobre o assunto (principalmente ChatGPT), eu queria colocar meu humilde ponto de vista, mas terei prazer em considerar discordancias no conteúdo do artigo. Qualquer curtida ou comentário que fizerem, aparentemente terá grande influência na consolida??o dos ossos e do titanio lá dentro do meu bra?o!

Para colocar meu ponto de vista aqui, que envolve ética e controle, preciso mostrar algo que é ligeiramente diferente do que fazíamos no passado da IA para o que fazemos agora. Pois bem, ostento com orgulho que fiz um mestrado em IA, e todas as disciplinas de um Doutorado, e fiz tudo com um empenho exemplar. Antes de entrar no mestrado estudei tudo o que podia, tentando chegar lá e assimilar ao máximo o conteúdo. Comprei livros de IA e sua história, e aprendi coisas como Prolog, Lisp, estudei árvores balanceadas e desbalanceadas, sistemas especialistas e muitas outras coisas.

Pois bem, você acredita que n?o tive Lisp nem Prolog no mestrado e nem no doutorado? Aguarde por favor, em breve tudo fará sentido! E n?o, n?o discutimos sobre isto no evento! O fato é que na década de 80, a maioria da academia tradicional focava em um "tipo" de IA mais orientado para algo "determinístico". Só para dar um exemplo, o livro do Russel e Norvig, um clássico, apesar de quase 1200 páginas, pouco falava sobre a "IA" mais popular de hoje em dia, com redes neurais e deep learning. Mas como eram as tais IAs na décadas passadas? Elas trabalhavam em algoritmos para encontrar uma estrutura (um grafo, uma árvore), que estivesse orientada no sentido de facilitar a busca pelo resultado. Ou seja, os dados eram estruturados de forma que o resultado muitas vezes era preditivo, ou se navegava pelo mais curto caminho até o resultado. Olha só, sem explicar o contexto, veja como seria um destes grafos (dom livro do Norvig):

Outra abordagem era usar linguagens e express?es que declaravam como a resposta deveria ser buscada, com lógica proposicional por exemplo. Mas sabe que, lendo os dois últimos parágrafos, acabei virando um gerador de lero lero que prometi nunca ser aqui no Linkedin. Ent?o vamos ver se saímos de forma mais simples.

A inteligência ou era programada, ou mantinha uma estrutura de informa??es que facilitava identificar os caminhos de decis?o!

E o que isto tem a ver com a auditoria? Era MAIS fácil rastrear o porquê de uma resposta, e a raz?o da IA ter apresentado algum problema. Você testava as várias lógicas preposicionais ou navegava na árvore, e provavelmente encontrava o porquê da resposta da IA. Concordo que muitas vezes n?o era fácil ou mesmo possível. E muito provavelmente era um erro consciente ou inconsciente do programador. Mas o mais importante, era mais "controlável" e "auditável". E o que mudou com redes neurais deep e as modernas técnicas de IA? Agora há uma profunda disrup??o entre a estrutura do armazenamento, os dados que s?o fornecidos para treinamento e os resultados obtidos. Acho que minha mais inspirada explica??o sobre redes neurais foi esta compara??o com canecas de chopp. Imagine um monte de caixas que geram números a partir de pesos de suas entradas, e cada conjunto de caixas ligada a outras que geram outras saídas, e assim sucessivamente até gerar algo lá na saída que queremos. Os pesos nas caixas N?O mantém correla??o com os dados de treino, e é praticamente impossível prever a saída para uma nova entrada nunca testada anteriormente. Ou seja, n?o dá para saber onde ou porque a IA errou, é isto! Os pesquisadores estudam formas de prever ou controlar resultados, mas ainda est?o no campo experimental.

Ent?o, colocar uma rede neural no banco dos réus, e descobrir o programador que a treinou erroneamente hoje é praticamente impossível. N?o é mentira quando Elon Musk diz que seus carros da Tesla sofrem o "mais rígido controle de qualidade", mas apesar disto só nas últimas duas semanas diversos acidentes ou de colis?o ou de incêndio espontaneo aconteceram em várias partes do mundo com Teslas. Mas Glauco, quando vamos chegar ao ChatGPT? Agora mesmo! Eu participo de um grupo de colecionadores de computadores antigos, e olha a maldade da pergunta que fizeram com o ChatGPT:

Olhando a resposta, parece coerente, mas o TK90X era brasileiro, uma vers?o nacionalizada (ou copiada) do ZX Spectrum da Sinclair, e nunca foi vendido no Jap?o. Um conhecedor do assunto, facilmente presumiria que o ChatGPT, dentro de sua rede impossível de rastrear, pegou a descri??o de um MSX e n?o de um ZX Spectrum, do qual o TK90X foi derivado. Ahhhhh, mas isto n?o é t?o grave, vamos lá! Verdade mesmo, mas isto mostra o quanto de imprecis?o pode acontecer com um motor de conversas genérico como o ChatGPT. Inclusive, no site deles, s?o apresentadas várias limita??es sobre suas respostas. Vá na sess?o limitations. Quer dizer que ele n?o serve para nada? Claro que n?o! Estamos estudando os limites, vantagens, desvantagens de um motor conversacional, baseado em redes neurais, e capaz de falar sobre vários assuntos. Que eu saiba é um experimento fantástico, que poderá gerar resultados incríveis:

Já pensou só um "médico virtual" criado com base nele, e um paciente pergunta o que deve tomar pois está com fortes dores abdominais, e o ChatGPT responde: "frequentemente costuma-se usar bicarbonato de sódio com água para reduzir a acidez no est?mago, e portanto as dores abdominais diminuem. é o que lhe recomendo". Claro que este exemplo é hipotético, ao contrário do exemplo do TK90X que é verdadeiro!

Mas os Chatbots de hoje apresentam relativa precis?o, como eles conseguem esta proeza usando IA? Bem a resposta é muito simples, e se resume ao controle. As respostas que podem ser dadas e as que devem ser limitadas s?o fornecidas explicitamente por um humano em uma "curadoria", e n?o s?o geradas pela rede neural com um espectro t?o amplo. A IA assume um papel de "humanizar" e "variar" respostas, parecendo mais "imprevisível" e portanto mais agradável de conversar. Por exemplo, em uma sauda??o, um ChatBot tradicional pode entender que um "e aí mano" é sinal de que a pessoa costuma falar na gíria, enquanto que um "bom dia" poderia significar que a pessoa é mais formal, e este é um dos tipos de decis?o que ele poderia fazer, mas jamais uma decis?o com frases e palavras absolutamente criadas com base em uma rede neural. Ainda está difícil de entender? olha estes dois veículos aqui :

O veículo da esquerda é um Dragster, e pode chegar facilmente aos 550km/h, enquanto que o da direita é um fórmula 1, e deve chegar a uns 300km/h. Mas tem uma diferen?a: O volante do Dragster praticamente n?o vira, suas corridas s?o em linha reta apenas. Apenas pequenos ajustes no percurso s?o permitidos. O formula 1 dá mais mobilidade. Mas porque n?o colocamos a mecanica da dire??o de um F1 em um Dragster? Os empuxos s?o t?o violentos no Dragster, que muitos pilotos morreriam, e isto de certa forma talvez explique a quantidade de acidentes com os veículos Tesla. Ou seja, as implementa??es sem muitos controles, totalmente baseadas em decis?es de redes neurais, como o ChatGPT, ir?o ajudar "por enquanto", como disse o capit?o de fragata acima, em coisas falíveis, como transcri??o de reuni?es, talvez responder sobre um termo em dúvida, coisas que podem falhar mas geram um leque mais amplo de respostas. Talvez na hora em que o controle seja maior e que possamos ter mais precis?o nas respostas geradas por redes deep learning, os mecanismos utilizados pelo ChatGPT sejam mais amplamente utilizados. Agora, um sistema de sugest?o de op??es de financiamento, um médico virtual receitando um medicamento, e outras coisas críticas, ser?o como o Dragster que n?o gira muito o volante, e muitas coisas s?o "fixas" lá dentro da mecanica. Ainda usam IA como mecanismo de humaniza??o e uma maior flexibilidade nas respostas, mas há um controle mais rígido para evitar tragédias, como as que alguns Tesla tem causado. Faz sentido tudo isto ?

Nossa, esgotei completamente o espa?o aqui, desculpe se escreví demais, mas estou testando os novos limites do meu novo bra?o de titanio!!!

Até a próxima. Lembrando que existe uma sess?o somente sobre IA neste link aqui!

Tem este artigo aqui interessante, comparando o ChatGPT com o Watson, que vale a pena ler!!

E finalmente que aguardo seu like ou comentário lá no final, concordando ou n?o concordando, ok ?

#glaucoreis #technology #innovation #futurism #ai?#chatgpt