Este é o décimo segundo de uma série de textos curtos, de uns poucos parágrafos e alguns links, sobre o que pode acontecer, ou se tornar digno de nota, nos próximos meses e poucos anos. Como há uma tradição de, no fim do ano, pensar sobre as possibilidades do ano que vem, o título fala de… 23 anotações sobre 2023. O primeiro texto [Guerra. Eterna?] está no link bit.ly/3B0mysO, o segundo [Inflação. Recessão? E Investimento?] em… bit.ly/3ir4PUR, o terceiro [Energia e Descarbonização] em… bit.ly/3gUdD5w, o quarto [Sociedade & Política], em bit.ly/3FrM50P, o quinto [Pessoas & Costumes] em… bit.ly/3H7CAFb, o sexto [Plataformas & Ecossistemas], em bit.ly/3VEcxK3, o sétimo [Efeitos de Rede, Escala e Sustentabilidade]. em bit.ly/3BjJUK1, o oitavo [O Mundo é Figital], em bit.ly/3FEmMJ2, o nono [Marketing é Estratégia, Figital], em bit.ly/3FfDJrI, o décimo, [5G & Internet das Coisas], em bit.ly/3W8yVLC e o décimo primeiro, [Indústria… 4.0?], em bit.ly/3BpZuUK.
Inteligência Artificial e Grandes Algoritmos
Pergunta: Quais você acha que serão os maiores impactos de IA nas capacidades de negócios, comportamento humano, vida social e na política?
Resposta: É difícil prever os impactos exatos da IA em vários aspectos da sociedade, pois dependerá de como a tecnologia é desenvolvida e utilizada. No entanto, há alguns impactos potenciais que IA pode ter nas capacidades de negócios, comportamento humano, vida social e política.
Em termos de negócios, IA tem o potencial de aprimorar muito as habilidades das organizações para analisar dados e tomar decisões, permitindo que operem com mais eficiência e eficácia. Também poderia automatizar muitas tarefas de rotina, liberando os funcionários para se concentrarem em trabalhos mais complexos e criativos.
Em termos de comportamento humano, IA pode mudar a maneira como as pessoas interagem com tecnologia e umas com as outras. Por exemplo, pessoas podem se tornar mais dependentes de IA para tomar decisões, e isso pode mudar seu comportamento e processos de tomada de decisão. Além disso, o uso crescente de IA em vários aspectos da sociedade pode levar a mudanças no mercado de trabalho e nas habilidades mais valorizadas pelos empregadores.
Em termos de vida social, IA pode ter impactos positivos e negativos. Por um lado, IA tem o potencial de melhorar a vida das pessoas ao tornar muitas tarefas cotidianas mais fáceis e eficientes. Por outro, também pode levar ao aumento do isolamento social, à medida que as pessoas se tornam mais dependentes da tecnologia e menos dependentes de interações face a face.
Em termos de política, IA pode desempenhar um papel na formação de decisões políticas, pois governos e organizações políticas usam a tecnologia para analisar dados e fazer previsões sobre o futuro. Também poderia ser usada para automatizar muitas funções do governo, aumentando potencialmente a eficiência das instituições públicas. No entanto, o uso de IA na política também levanta preocupações sobre justiça e preconceito, bem como o potencial de uso indevido da tecnologia.
A pergunta feita por mim foi respondida [do jeito que está aí] por ChatGPT [bit.ly/3YqTWmP]. Se você perguntar como “ele” se define… a resposta é… ChatGPT é um chatbot que usa processamento de linguagem natural [NLP] para gerar respostas às entradas do usuário. É baseado no modelo de linguagem GPT-3, que usa algoritmos de aprendizado profundo para gerar respostas semelhantes às humanas para entrada de texto. ChatGPT pode ser usado para uma variedade de aplicações, incluindo atendimento ao cliente, assistentes pessoais e agentes conversacionais. ChatGPT foi projetado para ser altamente personalizável e pode ser treinado em conjuntos de dados específicos para melhorar seu desempenho em tarefas específicas.
Ou seja… dado um universo suficientemente completo de dados sobre qualquer conjunto de tarefas que envolve perguntas e respostas, se ChatGPT for treinado [um processo não trivial e que envolve custos astronômicos em plataformas não triviais… bit.ly/3hi1qYs] para agir neste espaço, as chances são de que as “conversas” serão muito parecidas com as perguntas-respostas acima. E de onde isso veio tem muito mais.
OpenAI [bit.ly/3YbT3hI], que faz ChatGPT, é só um competidor no espaço de aprendizado profundo [parte de machine learning, ou aprendizado de máquina, bit.ly/3BsJWiN] especializado em modelos linguísticos [bit.ly/3hk1hDR], um conjunto de teorias e técnicas que podem ser usadas, entre outras aplicações, no processamento de linguagens naturais [NLP, bit.ly/3HrroDn], onde GPT-3 [Generative Pre-trained Transformer 3, bit.ly/3YgXyr6], em desenvolvimento desde 2015 [bit.ly/3uI3bkQ], é um dos modelos mais amplos, conhecidos e discutidos.
Este é um jogo que só está começando, segundo Andrew Feldman, CEO da Cerebras [que faz o maior “chip do mundo”, de 850 mil COREs, usado principalmente para IA: bit.ly/3iRfEzR]: “…os grandes modelos linguísticos estão sendo subestimados e estamos apenas começando a ver o impacto deles. Haverá vencedores e emergentes em cada uma das três camadas do ecossistema –em hardware, em infraestrutura e fundações [de modelos], em aplicativos. Em 2023 e depois, veremos uma ascensão e impacto de grandes modelos linguísticos em várias partes da economia” [bit.ly/3hi1qYs]. Por outro lado, há quem diga que… “Na sociedade da informação, ninguém pensa. Esperávamos banir o papel, mas na verdade banimos o pensamento”, sobre agentes baseados em IA que “não pensam” para conversar [bit.ly/2qVz9MX].
Mas IA não é “só” machine learning. Longe disso. Seus limites estão se tornando cada vez mais claros [bit.ly/3VQICOV] à medida em que surgem as vantagens e há quem aposte que “vamos abandonar aprendizado de máquina como principal paradigma de inteligência artificial, assim como aconteceu com IA simbólica [bit.ly/3kEBKUj].
Aí é onde entra IA neurossimbólica [bit.ly/3iYIu16, bit.ly/3YdLpTW, bit.ly/3gKZG59, ibm.co/3FIcS92, bit.ly/3WaWbZe], que combina redes neurais artificiais [fundamento do aprendizado de máquina] com a manipulação de representações abstratas cujos elementos representam objetos e relações lógicas -a IA simbólica. Arquiteturas de aprendizado profundo capazes de descobrir objetos e relações em dados brutos e aprender a representá-los de maneiras úteis para o processamento simbólico podem ser a base para a próxima geração de algoritmos de e com IA.
Inteligência artificial tem potencial de aumentar o PIB global em 1,2% por ano, adicionando US$13 trilhões ao PIB global até 2030 [mck.co/3FJ2Q7K]. Em 2019, 40% das organizações com investimentos significativos em inteligência artificial não relatavam ganhos nos negócios. Em 2022, 90% das grandes companhias investindo em IA já vêem retorno. O que mudou? O uso de IA passou a ser estratégico. Ao invés de tecnologia procurando problemas para resolver, problemas bem escolhidos passaram a ser tratados dentro do contexto do negócio, com objetivos e metas bem definidas.
As consequências são imensas, inclusive porque a demanda por IA responsável nunca foi tão grande e vai [e tem que] aumentar, muito [bit.ly/3D65gvH]. Claro que um número muito grande de startups “de” IA e “com” IA está por aí, prometendo de aumentos radicais de performance em muitas áreas a milagres completos. Sem uma gestão estratégica do ciclo de vida de informação nos negócios [vejam mais sobre o assunto em… bit.ly/2HAOpH6], não dá pra entender como e o que vão conseguir. E estratégia, a gente sabe, não é tecnologia, é gente.
Falando em gente, temos um problema: muita gente, ao mesmo tempo, no mundo todo -e até no Brasil- quer regular “a” IA preliminar e experimental da teoria e prática de hoje; isso seria parecido com regular eletricidade em 1752 [bit.ly/3QBUb9w], quando Benjamin Franklin estava fazendo seus testes com papagaios de papel. Regular a miríade de coisas que chamamos de IA demanda um pensamento sistêmico [bit.ly/3AbqVRK] que ainda não temos nem teremos em breve. Por exemplo, ainda confundimos conhecimento e inteligência: saber que tomate é uma fruta é conhecimento. Inteligência é saber que não se inclui tomate numa salada de frutas. Por tal ótica, debates atuais sobre inteligência artificial tratam, na verdade, de conhecimento artificial. Até porque… inteligência pode não ser computável [bit.ly/3i14tV3].
Do ponto de vista das empresas -e, antes, da formação de capital humano-, um problema crítico é gente, que tenha competências e habilidades para tratar os algortimos por trás dos resultados “de” IA. Usar plataformas existentes, de terceiros, para tratar seus dados… não inclui seu negócio nem na categoria de usuário competente de IA. Porque os negócios estão sendo [re]escritos em software. E software já é o principal diferencial competitivo dos negócios em muitos mercados… e tal onda vai chegar no seu mercado. Não é no futuro, é agora: tudo é software.
Pra competir no mundo figital [bit.ly/3FEmMJ2] ou seu negócio é uma plataforma que habilita um ecossistema ou seu negócio faz parte de um ecossistema habilitado por uma plataforma. Ser uma plataforma exige sistemas de informação capazes de criar diferenciais competitivos, que dependem de grandes algoritmos, que não podem ser feitos pra você, devem ser feitos por você [claro, usando tudo o que já está nas APIs da rede; mas o “seu” diferencial deveria ser… “seu”]. E isso vale para IA e seu uso diferencial nos negócios.
Algoritmos realmente complexos de IA pertencem à classe dos grandes algoritmos, como pagerank [que redefiniu o problema de organizar e encontrar informação na web [bit.ly/3Bt6obI], algoritmos de recomendação e linha do tempo como os de Facebook [wapo.st/3VQRX9p], de roteamento de entregas como o da Amazon [“que habilita as transportadoras a entregar mais pacotes para mais clientes no prazo, reduzindo quilometragem e emissões de carbono”, bit.ly/3hjVpKO] ou o motor de decisão de crédito da Neurotech [baseado, entre muitas outras tecnologias, em redes neurais… bit.ly/3hkPK7h].
Depois de mais de um quarto de século da internet e 15 anos da nuvem, software como serviço [e APIs…] e smartphones, é quase certo que todos os problemas de fácil solução -para a combinação destas plataformas- já foram resolvidos. O dropout do curso de graduação com uma “ideia” e um laptop tem quase nenhuma chance de resolver algo relevante, até porque, em escala [análise de 2,7 milhões de empresas, entre 2007 e 2014], a média de idade dos fundadores de negócios de sucesso é 42 anos; nas 0,1% de alto crescimento, é 45 anos [whr.tn/3h2hoBC]. Era uma vez o mito do jovem empreendedor. O que melhor explica o elo entre idade e sucesso dos fundadores é a experiência. Os anos que os fundadores passam no mesmo setor de mercado em que criam um startup é preditivo do desempenho futuro do negócio. É o tempo pra entender atritos, fraturas e oportunidades dos mercados. Mercados de tudo.
Se você pensa em criar um negócio de software [que dependa de algoritmos; se depender só de “código”… esqueça], o que fazer? Seja um time de dois ou dez, financiado por dezenas de milhares ou muitos milhões, pense muitas vezes antes de escrever apenas mais um sistema de informação do tipo que tantos fizeram tentando copiar alguma coisa que já existe ou é fácil de fazer. É improvável que apenas mais uma implementação de um sistema de informação “qualquer” [“de” ou “com” inteligência artificial ou não…] sirva de fundação para negócios que criam vantagens competitivas sustentáveis. Especialmente sobre quem está tratando o núcleo algorítmico [bit.ly/3uH6PeB] de seus negócios a sério.
Tente descobrir problemas que demandam grandes algoritmos para atender mercados globais, para criar plataformas e serviços que competiriam não por milhões, mas por dezenas, centenas de milhões de usuários, ou por empresas -no B2B- que têm problemas e demandas muito acima da média do mercado.
É aqui que a busca do GRAAL –GRAndes Algoritmos– pode nos levar: resolver os problemas de uma gama considerável de determinados mercados globais e, com isso, criar retornos significativos ao mesmo tempo em que equilibra o mercado global de informaticidade, dominado por provedores dos EUA. Escrevi sobre isso em 2012… [GRAAL: The search for GRAnd ALgorithms in truly global software markets, bit.ly/graal-srlm] e parece que foi ontem; continua novinho em folha. Vá ler…
