Jeffrey Hinton, considerado um dos pais da inteligência artificial, afirmou que a era de escalonamento tradicional da IA está chegando ao fim. Segundo ele, essa limitação não se deve à falta de capacidade computacional, mas sim ao esgotamento dos dados disponíveis na internet, que historicamente foram utilizados para treinar modelos de IA.
Hinton observa que os dados mais valiosos atualmente estão restritos a sistemas corporativos fechados, o que os torna inacessíveis para treinamentos em grande escala. Isso significa que simplesmente aumentar o tamanho dos modelos ou coletar mais dados não é uma estratégia eficaz. Em sua perspectiva, o futuro da IA depende da utilização de dados sintéticos, onde os modelos seriam capazes de gerar seus próprios dados de treinamento como parte do processo de raciocínio.
Ele cita o exemplo do AlphaGo, que superou jogadores humanos ao jogar contra si mesmo, enfatizando que essa abordagem pode ser replicada em grandes modelos de linguagem (LLMs). Hinton acredita que esses modelos podem seguir um caminho semelhante, utilizando dados autoproduzidos para aprimorar seu raciocínio e, eventualmente, superar a inteligência humana.
As declarações de Hinton levantam importantes questionamentos sobre o futuro da inteligência artificial e suas aplicações. No cenário atual de inovação, o desafio será encontrar novas formas de aprendizado que não dependam exclusivamente de dados pré-existentes. Essa mudança de paradigma pode ter um impacto significativo sobre como as empresas e startups desenvolvem soluções baseadas em IA, exigindo um novo olhar sobre a relação entre dados, modelos e capacidade de aprendizado.
Enviado a 7 meses atrás
