Parece que a inteligência artificial (AI) atingiu um platô. Os criadores de modelos de IA parecem não estar a fazer progressos tão rapidamente como antes. Muitos dos produtos que prometeram foram supervalorizados e não corresponderam às expectativas, e os consumidores não têm certeza do que fazer com a IA generativa para além de a usarem como substituto dos motores de busca tradicionais.
Se ainda não o fez, a IA parece estar a começar a sair da sua fase inicial de crescimento e a entrar num período de estagnação.
Crescimento explosivo da IA de 2022 a 2024
De novembro de 2022 até ao final de 2024, novos desenvolvimentos em inteligência artificial ocorreram rapidamente. O ChatGPT foi lançado em novembro de 2022. Quatro meses depois, tivemos o GPT-4. Dois meses após isso, a OpenAI adicionou o Interpretador de Código e a Análise de Dados Avançada. Ao mesmo tempo, ocorreram avanços significativos na geração de imagem a partir de texto e na geração de vídeo a partir de texto. Os avanços pareciam ocorrer a cada 30 a 120 dias na OpenAI, e os seus concorrentes pareciam estar a mover-se em sincronia, provavelmente por medo de ficar para trás se não acompanhassem.
Com todo esse vento nas suas velas, as empresas começaram a fazer grandes promessas: agentes de IA autónomos que podiam planear, raciocinar e completar tarefas complexas de ponta a ponta sem um humano no circuito. IA criativa que substituiria marketeers, designers, cineastas, compositores, e IA que substituiria categorias inteiras de empregos de colarinho branco. No entanto, a maioria dessas promessas ainda não se materializou; se se materializaram, foram dececionantes.
Por que a inovação em IA está a abrandar
O problema não é apenas que os agentes de IA ou as forças de trabalho automatizadas foram entregues a menos do que o esperado; é que estes produtos pouco impressionantes são o resultado de um problema muito maior. A inovação na indústria de IA está a desacelerar, e as empresas líderes que constroem estas ferramentas parecem perdidas.
Nem todos os produtos lançados entre 2022 e 2024 foram revolucionários. Muitas das atualizações durante este período provavelmente não foram utilizadas pelos consumidores do dia a dia. Isso se deve ao fato de que a maioria das pessoas ainda usa a IA apenas como uma alternativa a um motor de busca ou, como algumas pessoas estão começando a chamar, estão usando a IA como um motor de respostas, a próxima iteração do motor de busca.
Embora esse seja um caso de uso válido, é seguro dizer que as grandes empresas de tecnologia têm uma visão muito mais grandiosa para a IA. No entanto, uma coisa que pode estar impedindo-as, e uma razão pela qual os produtos mais hypados têm lutado no mercado, é devido a um problema clássico em indústrias altamente técnicas: engenheiros brilhantes às vezes acabam construindo ferramentas e produtos que apenas outros engenheiros brilhantes sabem como aproveitar, mas esquecem de tornar as ferramentas e produtos utilizáveis para a população muito maior de seus usuários que não são engenheiros brilhantes. Nesse caso, isso significa usuários gerais, o público que, de certa forma, tornou a IA mainstream em 2022.
No entanto, mesmo a estagnação nos produtos de IA é um efeito cascata de um problema ainda maior relacionado a como os modelos de IA são treinados.
Os maiores laboratórios de IA têm estado obsessivamente a melhorar os seus modelos subjacentes. No início, essas melhorias nos seus modelos de IA faziam uma grande diferença, visível de versão para versão. Mas agora, chegámos ao ponto de retornos decrescentes na otimização do modelo. Hoje em dia, cada atualização a um modelo de IA parece menos perceptível do que a anterior. Uma das principais teorias por trás disso é que os laboratórios de IA estão a ficar sem dados únicos e de alta qualidade para treinar os seus modelos. Já extraíram o que podemos assumir ser a internet inteira, então para onde irão a seguir em busca de dados, e como é que os dados que obtêm se diferenciarão dos dados que os seus concorrentes estão a tentar obter?
Antes de atingir esta barreira, a fórmula para o sucesso em modelos de IA era simples: alimentar modelos de linguagem grandes com mais dados da internet, e eles melhoram. No entanto, a internet é um recurso finito, e muitas gigantes da IA esgotaram-no. Além disso, quando todos treinam com os mesmos dados, ninguém consegue avançar. E se não consegues obter novos dados únicos, não consegues continuar a melhorar significativamente os modelos através do treino com dados. Essa é a barreira com que muitas dessas empresas se depararam.
É importante notar que as melhorias incrementais que estão a ser feitas a estes modelos continuam a ser muito importantes, mesmo que os seus retornos estejam a diminuir. Embora estas melhorias não sejam tão impactantes como as melhorias do passado, elas ainda precisam de acontecer para os produtos de IA do futuro que nos prometeram entregar.
Para onde a IA vai a partir daqui
Então, como podemos resolver este problema? O que está em falta é a atenção à demanda do consumidor a nível de produto. Os consumidores querem produtos e ferramentas de IA que resolvam problemas reais nas suas vidas, sejam intuitivos e possam ser usados sem ter um diploma em STEM. Em vez disso, receberam produtos que não parecem prontos para produção, como agentes, com casos de uso vagos e que parecem mais experiências do que produtos. Produtos como este claramente não são feitos para ninguém em particular; são difíceis de usar, e pode ser porque tiveram dificuldades em conseguir adoção.
Até que algo mude, a IA provavelmente ficará presa em um padrão de espera. Se essa descoberta vier de melhores dados de treinamento, novas maneiras de interpretar dados existentes ou um produto de consumo notável que finalmente faça sucesso, algo terá que mudar.
De 2022 a 2024, a IA parecia dar dez passos em frente a cada quatro meses. Mas em 2025, avança apenas um pequeno passo de cada vez e com muito menos frequência.
Infelizmente, não há uma solução rápida aqui. No entanto, focar em um produto sólido voltado para o consumidor pode ser uma oportunidade fácil. Se os gigantes da tecnologia passassem menos tempo atrás de produtos de IA genéricos e futuristas e mais tempo a entregar uma ferramenta de alto impacto e uso específico que as pessoas possam usar imediatamente, então teriam mais sucesso.
Mas a longo prazo, será necessário haver algum tipo de avanço significativo que resolva a seca de dados em que nos encontramos atualmente, seja através de empresas que encontrem novas fontes exclusivas de dados de treinamento ou encontrando maneiras para os modelos aproveitarem mais os dados que já possuem.
Para que a inteligência artificial (AI) funcione corretamente dentro da lei e prospere perante os desafios crescentes, é necessário integrar um sistema de blockchain empresarial que garanta a qualidade e a propriedade dos dados—permitindo que mantenha os dados seguros enquanto garante também a imutabilidade dos dadosConfira a cobertura da CoinGeeksobre esta tecnologia emergente para saber maispor que o blockchain empresarial será a espinha dorsal da IA*.*
Assista: A inteligência artificial precisa de blockchain
Ver original
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
A inovação em IA atingiu um impasse?
Parece que a inteligência artificial (AI) atingiu um platô. Os criadores de modelos de IA parecem não estar a fazer progressos tão rapidamente como antes. Muitos dos produtos que prometeram foram supervalorizados e não corresponderam às expectativas, e os consumidores não têm certeza do que fazer com a IA generativa para além de a usarem como substituto dos motores de busca tradicionais.
Se ainda não o fez, a IA parece estar a começar a sair da sua fase inicial de crescimento e a entrar num período de estagnação.
Crescimento explosivo da IA de 2022 a 2024
De novembro de 2022 até ao final de 2024, novos desenvolvimentos em inteligência artificial ocorreram rapidamente. O ChatGPT foi lançado em novembro de 2022. Quatro meses depois, tivemos o GPT-4. Dois meses após isso, a OpenAI adicionou o Interpretador de Código e a Análise de Dados Avançada. Ao mesmo tempo, ocorreram avanços significativos na geração de imagem a partir de texto e na geração de vídeo a partir de texto. Os avanços pareciam ocorrer a cada 30 a 120 dias na OpenAI, e os seus concorrentes pareciam estar a mover-se em sincronia, provavelmente por medo de ficar para trás se não acompanhassem.
Com todo esse vento nas suas velas, as empresas começaram a fazer grandes promessas: agentes de IA autónomos que podiam planear, raciocinar e completar tarefas complexas de ponta a ponta sem um humano no circuito. IA criativa que substituiria marketeers, designers, cineastas, compositores, e IA que substituiria categorias inteiras de empregos de colarinho branco. No entanto, a maioria dessas promessas ainda não se materializou; se se materializaram, foram dececionantes.
Por que a inovação em IA está a abrandar
O problema não é apenas que os agentes de IA ou as forças de trabalho automatizadas foram entregues a menos do que o esperado; é que estes produtos pouco impressionantes são o resultado de um problema muito maior. A inovação na indústria de IA está a desacelerar, e as empresas líderes que constroem estas ferramentas parecem perdidas.
Nem todos os produtos lançados entre 2022 e 2024 foram revolucionários. Muitas das atualizações durante este período provavelmente não foram utilizadas pelos consumidores do dia a dia. Isso se deve ao fato de que a maioria das pessoas ainda usa a IA apenas como uma alternativa a um motor de busca ou, como algumas pessoas estão começando a chamar, estão usando a IA como um motor de respostas, a próxima iteração do motor de busca.
Embora esse seja um caso de uso válido, é seguro dizer que as grandes empresas de tecnologia têm uma visão muito mais grandiosa para a IA. No entanto, uma coisa que pode estar impedindo-as, e uma razão pela qual os produtos mais hypados têm lutado no mercado, é devido a um problema clássico em indústrias altamente técnicas: engenheiros brilhantes às vezes acabam construindo ferramentas e produtos que apenas outros engenheiros brilhantes sabem como aproveitar, mas esquecem de tornar as ferramentas e produtos utilizáveis para a população muito maior de seus usuários que não são engenheiros brilhantes. Nesse caso, isso significa usuários gerais, o público que, de certa forma, tornou a IA mainstream em 2022.
No entanto, mesmo a estagnação nos produtos de IA é um efeito cascata de um problema ainda maior relacionado a como os modelos de IA são treinados.
Os maiores laboratórios de IA têm estado obsessivamente a melhorar os seus modelos subjacentes. No início, essas melhorias nos seus modelos de IA faziam uma grande diferença, visível de versão para versão. Mas agora, chegámos ao ponto de retornos decrescentes na otimização do modelo. Hoje em dia, cada atualização a um modelo de IA parece menos perceptível do que a anterior. Uma das principais teorias por trás disso é que os laboratórios de IA estão a ficar sem dados únicos e de alta qualidade para treinar os seus modelos. Já extraíram o que podemos assumir ser a internet inteira, então para onde irão a seguir em busca de dados, e como é que os dados que obtêm se diferenciarão dos dados que os seus concorrentes estão a tentar obter? Antes de atingir esta barreira, a fórmula para o sucesso em modelos de IA era simples: alimentar modelos de linguagem grandes com mais dados da internet, e eles melhoram. No entanto, a internet é um recurso finito, e muitas gigantes da IA esgotaram-no. Além disso, quando todos treinam com os mesmos dados, ninguém consegue avançar. E se não consegues obter novos dados únicos, não consegues continuar a melhorar significativamente os modelos através do treino com dados. Essa é a barreira com que muitas dessas empresas se depararam.
É importante notar que as melhorias incrementais que estão a ser feitas a estes modelos continuam a ser muito importantes, mesmo que os seus retornos estejam a diminuir. Embora estas melhorias não sejam tão impactantes como as melhorias do passado, elas ainda precisam de acontecer para os produtos de IA do futuro que nos prometeram entregar.
Para onde a IA vai a partir daqui
Então, como podemos resolver este problema? O que está em falta é a atenção à demanda do consumidor a nível de produto. Os consumidores querem produtos e ferramentas de IA que resolvam problemas reais nas suas vidas, sejam intuitivos e possam ser usados sem ter um diploma em STEM. Em vez disso, receberam produtos que não parecem prontos para produção, como agentes, com casos de uso vagos e que parecem mais experiências do que produtos. Produtos como este claramente não são feitos para ninguém em particular; são difíceis de usar, e pode ser porque tiveram dificuldades em conseguir adoção.
Até que algo mude, a IA provavelmente ficará presa em um padrão de espera. Se essa descoberta vier de melhores dados de treinamento, novas maneiras de interpretar dados existentes ou um produto de consumo notável que finalmente faça sucesso, algo terá que mudar.
De 2022 a 2024, a IA parecia dar dez passos em frente a cada quatro meses. Mas em 2025, avança apenas um pequeno passo de cada vez e com muito menos frequência.
Infelizmente, não há uma solução rápida aqui. No entanto, focar em um produto sólido voltado para o consumidor pode ser uma oportunidade fácil. Se os gigantes da tecnologia passassem menos tempo atrás de produtos de IA genéricos e futuristas e mais tempo a entregar uma ferramenta de alto impacto e uso específico que as pessoas possam usar imediatamente, então teriam mais sucesso.
Mas a longo prazo, será necessário haver algum tipo de avanço significativo que resolva a seca de dados em que nos encontramos atualmente, seja através de empresas que encontrem novas fontes exclusivas de dados de treinamento ou encontrando maneiras para os modelos aproveitarem mais os dados que já possuem.
Para que a inteligência artificial (AI) funcione corretamente dentro da lei e prospere perante os desafios crescentes, é necessário integrar um sistema de blockchain empresarial que garanta a qualidade e a propriedade dos dados—permitindo que mantenha os dados seguros enquanto garante também a imutabilidade dos dados Confira a cobertura da CoinGeek sobre esta tecnologia emergente para saber mais por que o blockchain empresarial será a espinha dorsal da IA*.*
Assista: A inteligência artificial precisa de blockchain