Será que a Inteligência Artificial (IA) vai ser a solução definitiva para todos os problemas do Mundo ou será a causa de um terrível fim da Humanidade?
Mesmo ignorando a questão de saber se o segundo implica ou não o primeiro, este é um debate que tem vindo a ganhar popularidade. Há várias razões para isso, sendo a mais recente, o anúncio pelo Open.AI do ChatGPT (https://openai.com/blog/chatgpt/). O ChatGPT é um chatbot cuja interação não é guiada por um conjunto de regras cuidadosamente afinadas por humanos, mas por um modelo obtido pela aplicação de técnicas de IA a dados. É também um sistema com capacidades verdadeiramente impressionantes: não é difícil encontrar exemplos de respostas dadas pelo ChatGPT que nos fazem pensar que talvez tenha chegado o momento em que o famoso teste de Turing está para ser finalmente ultrapassado.
O ChatGPT é o último de uma série de exemplos de sistemas baseados em IA (ou, para ser mais preciso, Machine Learning) que representam o progresso recente na área e que, não só alimenta debates apaixonados sobre se estamos perto da Singularidade (isto é, o momento em que a IA se equipara à inteligência humana) ou não, como também disponibiliza tecnologias que têm impacto significativo no nosso dia-a-dia.
Mas o que faz então de tão inteligente o modelo que nos causa todo este desassossego? Simplificando muito (mas não demais, esperamos), podemos dizer que não é muito mais do que aqueles que os modelos de regressão que aprendemos em disciplinas básicas de Estatística/Econometria, que, para além de termos lineares (i.e. y = b0 + b1.x1 + b2.x2 + ...), inclui muitos milhares de milhões de termos muito não-lineares (por ex. b1.x1.x2.x1^2.x2^2...).
Para quem esteve com atenção às aulas dessas disciplinas básicas, o desafio é óbvio: a quantidade de dados necessária para determinar esses coeficientes (ou seja, encontrar os valores dos bi que fazem com que o modelo explique corretamente a realidade) com confiança é enorme. E, quem teve experiência prática sabe também que o custo computacional de estimar esses coeficientes todos é maior ainda. Ora, os desenvolvimentos recentes em IA devem-se, em grande parte, à resposta a esses desafios: muitos dados e muito poder computacional.
Sob esta perspectiva, a questão sobre a Singularidade perde muito do seu encanto. Do ponto de vista das empresas, que não têm recursos semelhantes aos da Open.AI, poderia até ser questionado o benefício de investir em IA ou Machine Learning. Mas a realidade é que nenhuma organização pode hoje abdicar de extrair conhecimento dos seus dados e de melhorar os seus processos com base neles. O caminho não é fácil como apregoado por alguns dos arautos mais optimistas. Pode até ser bastante longo, como quando, por exemplo, implica o redesenho dos processos e tecnologias de recolha de dados, e consequentemente, um período de espera pela recolha de dados suficientes para os tais algoritmos serem utilizáveis.
Uma coisa é certa: o desenvolvimento com sucesso de soluções com IA assenta em equipas (internas ou externas) com conhecimentos sólidos em Estatística, Machine Learning, IA, etc e não com posturas místicas em relação a algo que não é mais (nem menos) do que uma tecnologia.
Ou seja, é a diferença entre acrescentar valor para a organização com Inteligência Artificial ou desperdiçá-lo com Estupidez Natural...
Artigo de Carlos Soares, codiretor da Pós-Graduação Business Intelligence & Analytics.
