O que significa IA generativa

Como o nome já diz, a inteligência artificial (IA) generativa é capaz de criar conteúdo original a partir de uma base de dados qualificada.

É possível usá-la hoje sem escrever uma linha de código, o que possibilitou a profissionais que não são da área da tecnologia a explorarem suas funcionalidades.

Mas para isso é preciso entender o básico do funcionamento da IA generativa. É o que você vai ver neste guia, feito com a ajuda desse tipo de inteligência artificial. Ela facilitou a organização das informações e gerou a imagem que ilustra o texto.

Confira:

O que é a IA generativa
Modelos de IA generativa
Origens da IA generativa
As limitações da IA generativa
Ferramentas de IA generativa que ajudam na produtividade
Para saber mais sobre IA generativa

O que é a IA generativa

A IA generativa é uma categoria de algoritmos de inteligência artificial que geram novos conteúdos a partir dos dados com os quais foram treinados. Esses dados podem ser textos, imagens, sons, vídeos e código.

Por meio do machine learning, esse tipo de IA identifica padrões nessa base e gera resultados (outputs) semelhantes às informações pré-existentes, mas não idênticos.

É a capacidade de criar novos conteúdos que diferencia a IA generativa da tradicional, criada com o objetivo de identificar padrões e fazer previsões.

Modelos de IA generativa

Os modelos de IA generativa dependem de redes neurais para processar dados e gerar outputs originais.

As redes neurais são algoritmos baseados em operações matemáticas com matrizes. Elas simulam o funcionamento dos neurônios do cérebro humano, a partir de unidades interconectadas – chamadas de nós.

Essa estrutura de nós possibilita o processamento de grandes quantidades de dados no machine learning. A forma como a máquina será treinada é a principal diferença entre os modelos de IA generativa.

Os mais usados por desenvolvedores e engenheiros de software são:

Large Language Model (LLM)

O aprendizado de máquina se dá por meio de texto. Os computadores são treinados para emular a linguagem natural do ser humano, por meio de bases de dados compostas por artigos, livros, postagens em redes sociais e muito mais.

O LLM é usado principalmente em chatbots, assistentes virtuais e geradores de texto, como o ChatGPT.

Redes Adversárias Generativas (GAN)

As GANs trabalham com duas redes neurais diferentes, uma geradora (que cria novos dados) e outra discriminadora (que avalia os dados gerados).

As redes são complementares e atuam numa espécie de círculo virtuoso. A geradora aprimora os conteúdos criados a partir do feedback da discriminadora, que analisa esse conteúdo aprimorado e sugere mais melhorias.

Modelos Baseados em Transformador (Transformer)

Funcionam com o rastreamento da relação de dados sequenciais, com o objetivo de aprender o contexto e o significado.

Esse modelo é bastante utilizado na tradução automática de sentenças, no reconhecimento de imagem e na geração de respostas a perguntas. O GPT-4, sistema da OpenAI presente na versão paga do ChatGPT, é um exemplo de uso de transformers.

Modelos de Autoencoder Variacional (VAEs)

Um autoencoder é uma rede neural que aprende uma representação de uma grande quantidade de dados e as comprime em uma representação menor. Em seguida, esses dados são descomprimidos para gerar novos conteúdos.

As VAEs usam da probabilidade para gerar esses conteúdos, a partir de combinações de diferentes padrões de informação. É o modelo mais utilizado na geração de imagens, vídeos e áudio.

Origens da IA generativa

As pesquisas em inteligência artificial remontam à década de 1940, com os trabalhos de Warren Macculloch (1898-1969) e Walter Pitts (1923-1969).

Em 1943, eles publicaram o artigo "A Logical Calculus of Ideas Immanent in Nervous Activity", que propôs o primeiro modelo matemático para uma rede neural.

A ideia de uma IA generativa começou a se concretizar na década de 1960, tendo como principal exemplo o software ELIZA. Ele foi criado em 1965 pelo matemático e pesquisador do Instituto de Tecnologia de Massachusetts (MIT) Joseph Weizenbaum.

A ideia inicial era de que ELIZA funcionasse como uma psicóloga virtual. Para isso, o programa foi alimentado com 250 tipos de frases que indicavam diferentes contextos de conversa. A partir de correspondência de padrões e substituição de caracteres, o robô emulava um diálogo entre duas pessoas.

O truque para engajar o interlocutor era usar trechos da pergunta nas respostas. Por exemplo:

ELIZA: Por favor, diga o seu problema.
INTERLOCUTOR: Eu acho que não sou bom o suficiente no meu trabalho.
ELIZA: Você veio até mim porque acredita que não é bom o suficiente no seu trabalho?
INTERLOCUTOR: Sim, eu acho que não sou bom o suficiente no meu trabalho pois não sei se sou competente.
ELIZA: O que faz você acreditar que não é bom o suficiente no seu trabalho?

O software ELIZA no Museu do Videogame de Berlim. Marcin Wichary/Wikimedia Commons CC BY 2.0

Percebe que o robô ELIZA é um antecessor dos chatbots que vemos hoje?

Por muitas décadas, a IA generativa se restringiu a produção de textos, como no caso de ELIZA. Foi em 2014 que esse cenário mudou, com o desenvolvimento das GANs. Esse modelo permitiu a geração de imagens, vídeos e áudios com uma incrível verossimilhança com a realidade.

Foi com o ChatGPT, lançado em novembro de 2022, que a IA generativa furou a bolha de programadores e demais profissionais de tecnologia para ser assunto de rodas de conversa e reportagens na grande mídia.

Uma característica do ChatGPT ajuda a entender a popularização da ferramenta: a acessibilidade.

A interface é simples, o que permite que toda pessoa use o ChatGPT para gerar textos originais, sem a necessidade de saber programação. E é possível usá-lo sem pagar uma assinatura, apesar de ser mais limitado do que a versão pro.

As limitações da IA generativa

Apesar de outputs cada vez mais complexos, a IA generativa ainda tem uma série de limitações técnicas e éticas. Conheça as principais:

Veracidade do conteúdo gerado: ferramentas como o ChatGPT não indicam as fontes originais do conteúdo. Ainda, a qualidade da coesão dos textos gerados gera uma sensação de verossimilhança, mesmo que haja informações erradas em alguns trechos.
Possibilidade de viés: a IA generativa pode aprender preconceitos presentes nos dados de treinamento, reproduzindo vieses nos resultados gerados. Racismo, homofobia, transfobia, misoginia, etarismo e intolerância religiosa são alguns exemplos.
Dependência de dados de treinamento: são necessários grandes conjuntos de dados para a IA aprender e criar conteúdo de alta qualidade. Podemos desmembrar essa limitação em dois pontos, o primeiro relacionado à qualidade e o segundo, à privacidade. Sem dados adequados, os resultados podem ser imprecisos ou incoerentes. E é comum autores não serem consultados sobre o uso de suas obras no treinamento de IA, em especial se esses materiais estiverem online.
Falta de controle total: a IA generativa não é completamente controlável, levando a resultados imprevisíveis ou indesejados. Devido a essa característica que, para muitos futuristas, a humanidade chegou ao estágio de singularidade tecnológica.
Dificuldade em capturar contextos complexos: para IAs baseadas modelos de linguagem, por exemplo, é possível haver dificuldades em capturar nuances e contextos complexos, levando a respostas inadequadas ou sem sentido.
Direitos autorais e propriedade intelectual: a geração automática de conteúdo pode resultar em obras que se assemelham a criações humanas existentes, levantando questionamentos sobre quem detém os direitos sobre esses materiais e como a originalidade pode ser determinada.

Ferramentas de IA generativa que ajudam na produtividade

Escrever scripts para chatbots, resumir textos, transcrever vídeos, gerar ilustrações e redigir códigos são alguns dos benefícios do uso da IA generativa. Ela deve ser vista como uma assistente, cujas entregas devem ser avaliadas sempre por um ser humano.

Algumas ferramentas de IA generativa que vão te ajudar nas tarefas do dia a dia são:

ChatGPT

A ferramenta que popularizou a IA Generativa possibilita a realização de uma grande variedade de tarefas, como tradução automática, geração de textos longos com determinados estilos e escrita de códigos de programação.

A versão paga do ChatGPT custa US$ 20 por mês e garante o acesso a novas funcionalidades do sistema.

Tela inicial do ChatGPT. Reprodução/OpenAI

Descript

Ferramenta de transcrição e de edição de áudio e vídeo. Seu diferencial é a possibilidade de editar materiais audiovisuais a partir de alterações no texto da transcrição.

O Descript também oferece recursos para remoção de ruídos, correção de voz e mixagem de áudio. Os planos pagos começam em US$ 12 por mês.

Bardeen

A proposta dessa ferramenta é automatizar tarefas como respostas a e-mails, listas de prospects e extração de dados. Seu diferencial é a integração com diversos aplicativos, como WhatsApp, Salesforce, GitHub, LinkedIn, HubSpot, Gmail e Trello.

O Bardeen oferece um plano gratuito e planos profissionais, que custam a partir de US$ 10 por mês.

SheetAI

O aplicativo automatiza tarefas comuns a planilhas, como preenchimento automático, detecção de valores duplicados, análise e classificação de dados. Pode ser integrado ao Google Sheets.

As mensalidades do SheetAI começam em US$ 2.

Github Copilot

O plugin desenvolvido pelo Github sugere trechos de código para desenvolvedores. A sugestão é feita a partir de um comando de texto ou de partes de código pré-existente.

A ferramenta é paga, com mensalidades a partir de US$ 10.

Midjourney

Outro sistema de geração de imagens a partir de descrições textuais. Para acessá-lo, é preciso ter uma conta no Discord.

Há uma conta de testes gratuita que permite a criação de 25 imagens. Depois, é preciso assinar um plano para continuar usando a ferramenta. As mensalidades são cobradas em dólar.

DALL-E

Sistema da OpenAI voltado à criação de imagens a partir de descrições textuais. Também possibilita gerar uma imagem a partir do upload de um arquivo.

Descrições feitas em inglês geram resultados melhores. Para usar, é preciso fazer login na OpenAI Labs.

Para usar a ferramenta, é preciso adquirir DALL-E Credits. Usuários que criaram uma conta na OpenAI antes de abril de 2023 recebem créditos gratuitos mensalmente. Já quem criou uma conta após essa data precisa pagar US$ 15 para receber 115 creditos.

Tela inicial do DALL-E. Reprodução/OpenAI

Para saber mais sobre IA generativa

Antes de explorar toda a potencialidade da IA generativa, é preciso conhecer as limitações dessa tecnologia e usá-la com responsabilidade.

Aprofunde seus conhecimentos em inteligência artificial com os cursos rápidos e especializações da Pós PUCPR Digital! As aulas são 100% online e ministradas por quem é referência na área.

Confira o que você vai aprender: