Há dez anos, não se imaginava que, em menos de uma década, computadores poderiam compor músicas ou fazer pinturas. Contudo, hoje isso é possível graças aos avanços obtidos nos últimos cinco anos com a Inteligência artificial (IA) Generativa. Os principais campos onde a IA generativa pode ser empregada são:
- Sumarização de textos;
- Busca em documentos;
- Geração de textos;
- Criação de imagens e vídeos;
- Composição de músicas
Casos de uso
A IA generativa está transformando a tecnologia utilizada em várias áreas de conhecimento. Na saúde, ela traz soluções inovadoras que permitem melhorar e personalizar o atendimento e cuidado ao paciente. Algumas aplicações possíveis são:
- Análise de exames médicos, como radiografias e ressonâncias magnéticas, onde a IA é capaz de entender as imagens e, juntamente com as anotações clínicas prévias dos pacientes, gera um laudo automático dos exames;
- Criação de protocolos de tratamento personalizados, utilizando o histórico de doenças e sintomas clínicos para sugerir possíveis planos de tratamento mais eficientes e específicos para cada paciente.
Outra área com grande potencial de transformação é a educação. Novas formas de aprendizagem e personalização de ensino são possíveis com o uso da IA generativa. Entre todas essas mudanças, podemos citar:
- Criação automática de materiais educativos, como textos, quizzes e exercícios, adaptáveis ao nível do aluno, viabilizando o ensino flexível e a tutoria individualizada;
- A análise de desempenho pode ser aperfeiçoada, com a IA identificando áreas de dificuldade de aprendizado de cada aluno, sugerindo estratégias de ensino com conteúdos personalizados. Plataformas comerciais já existem, mas com o uso da IA generativa, isso pode atingir patamares ainda não vistos, democratizando o ensino de qualidade.
A IA generativa também está tornando a área do direito mais eficiente, apoiando o trabalho de advogados e demais profissionais, por meio de aplicações, como:
- Criação automática de documentos, como minutas de contratos, petições e notificações de intimação;
- Análise de processos, permitindo a busca e resumo de informações relevantes para os casos, facilitando o trabalho dos advogados;
- Atendimento ao cliente por meio de chats inteligentes, que podem responder perguntas frequentes e direcionar as que precisam de atendimento humano.
Falando em eficiência, todas essas inovações também estão transformando o agronegócio, trazendo aumento de produtividade, reduzindo custos e promovendo práticas mais sustentáveis. Os modelos de IA podem:
- Otimizar o uso de fertilizantes e pesticidas, com modelos capazes de cruzar dados de sensores, satélites e drones, para gerar recomendações personalizadas de onde e quando aplicar esses insumos;
- Realizar a previsão e monitoramento da colheita, onde modelos de IA processam dados climáticos e de solo, permitindo o cálculo e maximização da produção de um certo produto;
- Gerar novas variações de sementes mais resistentes a pragas, doenças e mudanças climáticas.
A IA generativa também é empregada na arquitetura. Com os modelos, fotos realistas de projetos são geradas a partir de esboços, diminuindo o custo na criação de mockups. Nesse caso, é necessário um prompt, além do fornecimento de material de referência (fotos e esboços) para que a IA renderize os projetos arquitetônicos conforme desejado.
A área de aplicações 3D e jogos também já está usando IA generativa para criar objetos 3D, texturas e melhorar a qualidade gráfica de games antigos com um baixo custo de reengenharia do game. Outro uso de IA generativa em jogos está na renderização de imagens de alta resolução a partir de imagens de baixa resolução e na interpolação de quadros de um jogo para criar quadros intermediários, essas duas técnicas permitem que jogos possam fazer uso de técnicas de visuais sofisticadas (como iluminação por traçado de raios) com baixo delay em jogo que está executando em TVs de alta resolução.
A geração sintética de imagens está sendo revolucionada pela capacidade criativa da IA generativa, permitindo a criação de imagens realistas. Também é possível a modificação de imagens existentes, como incluir o padrão de pintura de um artista famoso. Além disso, a IA pode ser usada para gerar grandes volumes de imagens sintéticas para bancos de dados, algo muito útil para treinamento de outros modelos de IA, como as redes neurais convolucionais. Essa tecnologia também está permitindo o surgimento de várias ferramentas de geração personalizada de imagens, permitindo que qualquer usuário possa criar imagens baseadas em suas próprias ideias ou descrições.
Evolução e impactos na sociedade
A criação de IA generativa tem se mostrado custosa computacional e energeticamente. Algumas empresas, como a Meta, estão considerando o uso de energia nuclear para fornecer energia necessária para alimentar seus datacenters para treinar modelos de IA. Contudo o retreinamento ou refinamento da IA não é tão custoso. Hoje, já é possível usar ferramentas de IA que aprendem em poucas horas como escrever um texto ou compor um quadro com um determinado estilo.
Os campos em que a IA generativa atua são conhecidos por empregarem profissionais altamente criativos, que acumulam anos de experiência, o que é difícil de ser transmitida para outra pessoa. Atualmente, muitos profissionais das áreas impactadas por essas tecnologias temem que suas profissões se tornem obsoletas, uma vez que o fácil desenvolvimento de produtos com essas tecnologias pode reduzir a necessidade de trabalho humano.
No entanto, a situação pode ser oposta ao que muitos imaginam. Como apontado pelo economista William Stanley Jevons, em 1865 (em The Coal Question), a diminuição nos custos para a criação de um produto pode resultar em um aumento desproporcional de demanda. Isso se aplica à redução de custos de produção de serviços nas áreas que a IA generativa abrange, o que pode levar a um aumento na procura de profissionais. Mesmo com a alta demanda, esses profissionais precisarão se capacitar no uso das novas ferramentas para garantir sua competitividade no mercado de inteligência artificial.
Outro ponto importante sobre o desenvolvimento das IAs generativas está na necessidade de investimentos regionais, por organizações públicas e privadas, para permitir a criação e aperfeiçoamento dessas tecnologias, atendendo às demandas específicas de cada região. Por exemplo, são é necessários grandes investimentos para criação de ferramentas generativas de texto em português, pois os modelos atuais têm, em sua maioria, a língua inglesa.
Com a evolução do hardware e técnicas de otimização de modelos de IA, é possível executar IAs generativas localmente em uma estação de trabalho e, em alguns anos, até mesmo smartphones serão capazes de realizar essas tarefas. Não é necessária uma nuvem para utilizar muitas das IAs generativas disponíveis, o que oferece maior flexibilidade na forma como elas são empregadas. Essa flexibilidade permite que as IAs sejam utilizadas até mesmo em procedimentos que envolvem dados sensíveis de uma organização. Por isso, tem-se buscado desenvolver modelos de IA que sejam mais inteligentes, que usem menos recursos.
Outra evolução importante no uso de IAs generativas é a interface de utilização delas com seres humanos. Além do clássico prompt, já existem IAs que geram imagens e textos a partir de outros elementos fornecidos pelo usuário. Por exemplo, é possível usar uma imagem com um prompt para gerar um texto ou usar esboços com um prompt para gerar uma imagem. Algumas IAs generativas permitem que o usuário não apenas informe o que quer, mas também o que não quer. A evolução de outras formas de comunicação com IA é fundamental, pois nem tudo pode ser expresso em palavras; às vezes outros elementos de comunicação são necessários. Podemos fazer um paralelo disso com a construção civil, onde não basta um contrato para descrever a obra a ser executada; também são essenciais plantas e maquetes.
A IA generativa apresenta vários desafios, especialmente relacionados à ética e à confiabilidade. Um dos problemas mais comuns são as alucinações, quando a IA gera conteúdos muito realistas, mas falsos, dificultando sua a identificação por uma pessoa. Outro desafio é a violação de direitos autorais, como quando um modelo de IA é utilizado para remover marca d´água de imagens, prejudicando a proteção por autoria e, consequentemente, os criadores digitais. Nesse sentido, um dos problemas mais graves enfrentados da evolução da IA generativa é a criação ou modificação de imagens e vídeos, chamada de deepfakes. Essas manipulações geram preocupações sobre desinformação, além de infringirem leis de privacidade e direitos humanos em geral.
A IA generativa não representa uma automação completa na criação de textos, imagens, áudios ou vídeos, mas sim uma poderosa ferramenta para auxiliar na produção desse conteúdo. Ela é capaz de reduzir significativamente os custos de criação, mas a intervenção humana ainda será necessária. Profissionais precisam guiar a IA, fornecendo parâmetros claros e realizando a curadoria dos resultados para garantir a qualidade e a visão desejada. A colaboração entre inteligência artificial e criatividade humana é essencial para alcançar resultados eficazes e relevantes.
