Inteligência artificial generativa

Inteligência artificial generativa ou IA generativa é um ramo da inteligência artificial focado na criação de conteúdo novo, baseado em padrões identificados nos conjuntos de dados de treinamento. É possível criar conteúdo como texto, imagens, áudio, vídeo, código de software, podendo ser gerados a partir de solicitações em linguagem natural, ou até de através de imagens para imagens, e de vídeos para vídeos.^[1][2][3] Essa forma de visualizar esses modelos é uma categorização baseado em formato de entrada e saída, de texto para texto (text-to-text), texto para image (text-to-image), entre vários outros.^[4]

Sistemas de IA generativa incluem Stable Diffusion e DALL-E, modelos de imagens de inteligência artificial,^[5] assim como modelos de texto como o ChatGPT, um chatbot construído pela OpenAI usando o modelo de linguagem grande GPT-3 e GPT-4^[6] , Bard, um chatbot construído pelo Google usando o modelo LaMDA.^[7] e o Microsoft Copilot , chabot construído pela Microsoft que é uma extensão do modelo de linguagem GPT-4 da OpenAI e que foi pensada para uso vinculado aos serviços da Microsoft e sistema operacional Windows. São alguns dos exemplos de IA generativa existentes nos dias atuais

IA generativa tem aplicações potenciais numa ampla gama de setores, incluindo desenvolvimento de software, marketing e moda.^[8][9] O investimento em IA generativa aumentou durante o início da década de 2020, com grandes empresas como Microsoft, Google e Baidu, bem como várias outras empresas mais pequenas a desenvolver modelos de IA generativa.^[1][10][11] E a Nvidia foi uma das empresas que mais cresceram nesse meio tempo, uma vez que começou a utilizar suas GPUs para o treinamento de grandes modelos de linguagem cada vez mais poderosos. ^[12]

Um sistema de IA generativo é construído aplicando aprendizagem por máquinas não supervisionado ou autossupervisionado a um conjunto de dados. As capacidades e aplicações de um sistema de IA generativo variam conforme a modalidade, ou seja, o tipo de dados e a tarefa específica para a qual foi treinado. A seguir, são descritas algumas das principais modalidades da IA generativa:

• Texto: sistemas de IA generativos treinados em palavras ou tokens de palavras incluem GPT-3, LaMDA, LLaMA, BLOOM, GPT-4 e outros (veja lista de modelos de linguagem grandes). Eles são capazes de processamento de linguagem natural, tradução automática e geração de linguagem natural e podem ser usados como modelos básicos para outras tarefas.^[13] Conjuntos de dados incluem BookCorpus, Wikipedia e outros. Modelos de textos são versáteis e têm demonstrado a capacidade de resolver diversas tarefas: de criar textos coerentes de diversas formatações, resumir textos longos extraindo informações-chave, são capazes de traduzir textos entre diversos idiomas com alta precisão, cada vez demonstrando ser mais úteis para a automação de tarefas do cotidiano, sendo poderosas e adaptáveis a uma ampla gama de aplicações práticas e criativas.
• Código: além do texto em linguagem natural, grandes modelos de linguagem podem ser treinados em texto de linguagem de programação, permitindo que gerem código-fonte para novos programas de computador.^[14] Um exemplo notável é a geração automatizada de código, onde modelos como o OpenAI Codex são capazes de criar código-fonte a partir de comandos de linguagem natural. Isso acelera o processo de desenvolvimento e reduz a ocorrência de erros humanos. Além disso, a IA generativa pode ser usada para depurar e revisar códigos, identificar e corrigir bugs e sugerir melhorias e simplificações que podem não ser óbvias para os desenvolvedores. Esse recurso de análise aprofundada ajuda a manter a qualidade do software. Outra aplicação relacionada é a criação de testes automatizados, onde a inteligência artificial pode gerar automaticamente casos de teste para garantir que o código seja robusto e menos sujeito a falhas quando implementado em produção. Essa automação é fundamental para manter a confiabilidade e a funcionalidade do software em diferentes cenários. Por fim, ferramentas como o GitHub Copilot atuam como assistentes de programação, fornecendo sugestões contextuais à medida que os desenvolvedores escrevem o código. Isso não apenas acelera a solução de problemas, mas também mantém o fluxo de trabalho, permitindo que os desenvolvedores sejam mais produtivos e criativos.
• Imagens: Sistemas generativos de IA treinados em conjuntos de imagens com legendas de texto incluem Imagen, DALL-E, Midjourney, Stable Diffusion e outros. São comumente usados para geração de texto para imagem e transferência de estilo neural.^[15] Os conjuntos de dados incluem LAION-5B e outros.
• Áudio: Sistemas de IA generativos treinados em dados de áudio podem gerar uma ampla variedade de sons, desde música e efeitos sonoros até vozes humanas realistas. Essa capacidade tem sido explorada para diversas aplicações, como composição musical, dublagem e produção de podcasts.
• Jogos: Sistemas de IA generativos também são capazes de abranger várias áreas do desenvolvimento de jogos como na criação de personagens e do diálogo entre eles, também na geração procedural de conteúdo, na criação de narrativas interativas além de outras áreas de desenvolvimento.  Inclusive já temos cada vez mais o uso da IA na indústria de desenvolvimento de games e exemplos como no Man's Sky na qual foi usado geração procedural para criação de ambientes dentro do jogo e da Ubisoft grande empresa no setor de desenvolvimento de jogos que tem usado ferramentas de IA baseado em modelo de linguagem grande (Ghostwriter^[16]) para escrita de diálogo básicos dos NPCs em seus jogos são cada vez mais comuns.
• Moléculas: Os sistemas generativos de IA podem ser treinados em sequências de aminoácidos ou representações moleculares, como SMILES representando DNA ou proteínas. Esses sistemas, como o AlphaFold, são usados para previsão da estrutura de proteínas e descoberta de medicamentos.^[17] Conjuntos de dados incluem vários conjuntos de dados biológicos.
• Multimodal: um sistema de IA generativo pode ser construído a partir de vários modelos generativos ou um modelo treinado em vários tipos de dados. Por exemplo, uma versão do GPT-4 da OpenAI aceita entradas de texto e imagem.^[18]

A regulamentação da inteligência artificial tem sido constantemente debatida, principalmente ao que se trata sobre a substituição do trabalho humano por IA e as fontes que são utilizadas para treinar as máquinas.

Em maio de 2023 o Sindicato de Roteiristas da America (WGA, em inglês) entrou em greve em busca de maiores salários e regulamentação da utilização treinamento de IA. A preocupação é para que trabalhos literários não pudessem ser produzidos por IA generativa, e que os textos escritos por roteiristas não pudessem ser utilizados para treinar IA generativa. ^[19]

Em setembro desse mesmo ano a greve teve fim com os seguintes tópicos aprovação dos itens a seguir:

• Estúdios e produtoras deverão informar sempre ao repassar qualquer material produzido por IA
• IA não poderá receber créditos de escritor
• IA não poderá escrever ou reescrever “material literário”
• Escritores podem utilizar IA em seu trabalho caso a produtora consinta; porém eles não podem ser obrigados por seus superiores a utilizar essas ferramentas^[20]

Em julho de 2024, novamente em Hollywood, O sindicato SAG-AFTRA(The Screen Actors Guild-American Federation of Television and Radio Artists) convocou um acordo de greve com IA sendo seu principal ponto de discussão. Dessa vez a grever foi aderida por dubladores e artistas de captura de movimento para videogames, com preocupação de segurança dos seus empregos. ^[21]

Há uma crescente preocupação, principalmente no meio artístico, de como a IA generativa pode ser utilizada para substituir a mão de obra humana, e como os trabalhos anteriores realizados pelos profissionais não estão protegidos quando se trata de treinamento de máquinas, e por isso entende-se que há uma necessidade de regulamentar como a IA generativa pode ser utilizada no meio artístico.

Referências