Ao buscar informações, os indivíduos podem optar por três métodos: consultar o Google, interagir com um chatbot de inteligência artificial (IA), como ChatGPT, Claude ou Gemini, ou conversar diretamente com uma pessoa. Com a crescente integração da IA na Busca do Google, os dois primeiros caminhos tendem a gerar experiências semelhantes, diferentemente da interação humana, onde o conhecimento reside na mente das pessoas.
A distinção fundamental reside no fato de que um ser humano consultado possui conhecimento real sobre o assunto e pode sanar ou até suscitar novas dúvidas, enquanto a IA não possui esse conhecimento intrínseco. Embora as respostas dos chatbots transmitam uma sensação de credibilidade, sendo bem estruturadas e coerentes, é crucial entender que a plataforma não detém o conhecimento sobre o que está comunicando.
A comunicação entre o ser humano e a IA opera em linguagens distintas. Mesmo que um indivíduo domine todos os idiomas mundiais, ele não falará a mesma língua da máquina. O ser humano utiliza um vocabulário de palavras, ao passo que a máquina processa apenas tokens, que são blocos com designações numéricas.
Fabrício Carraro, Program Manager da Alura, explicou em entrevista ao Olhar Digital que um token equivale a uma subpalavra. Ele exemplificou que as palavras 'feliz', 'triste' e 'divisível' são tokens individuais. Para palavras como 'indivisível' ou 'infeliz', o token 'in' é utilizado, correspondendo a um número específico no vocabulário do modelo de linguagem, que, somado ao token 'feliz', forma a palavra 'infeliz'.
Quando se interage com o ChatGPT, o processo é mais caracterizado como um 'cálculo de palavras' do que como uma articulação de pensamentos. Segundo Carraro, a IA seleciona milhares de tokens do seu vocabulário e atribui uma probabilidade a cada um deles, com base no que foi aprendido durante as fases de treinamento.
O treinamento de um Grande Modelo de Linguagem (LLM) exige volumes imensos de dados; ler diariamente não permitiria atingir a quantidade de dados processada pelo ChatGPT em cerca de cem mil anos. Após o treinamento inicial, ocorre o aprendizado por reforço, momento em que o LLM é ajustado para ser útil aos seres humanos.
Carraro detalhou que, nesse pós-treinamento, o modelo é ensinado a apresentar respostas no formato esperado pelos humanos para uma determinada pergunta. Este aprendizado por reforço também visa instruir a IA sobre quais retornos são desejáveis e quais não são.
Ao responder, a IA executa milhões de operações matemáticas, pois cada neurônio da rede neural é, essencialmente, uma equação matemática. Durante a inferência, a IA escolhe cada palavra com base em seu treinamento, gerando o próximo token conforme as probabilidades estabelecidas no pré-treinamento, pós-treinamento e aprendizado por reforço; em suma, o chatbot está apenas produzindo o que é estatisticamente mais provável.
Embora as plataformas de IA generativa não possuam conhecimento próprio, empresas de tecnologia implementaram recursos para mitigar essa limitação. Um desses recursos é a incorporação da capacidade de pesquisa na internet, o que aumentou a exatidão ao responder questões atuais, como resultados esportivos recentes ou vencedores do Oscar.
Outra técnica é o chamado 'raciocínio' (reasoning). Carraro ressaltou que a máquina não pensa, mas o mecanismo interno simula um processo mental. As empresas como Google e OpenAI adotaram a estratégia de fazer o modelo gerar internamente múltiplas microperguntas e elaborar respostas para elas sem expor esse processo ao usuário. Isso permite que a IA detecte erros, tente abordagens alternativas e forneça uma resposta mais fidedigna, melhorando significativamente a acurácia.
Apesar de a IA não 'saber' nada, sua utilidade permanece inegável para auxiliar na clarificação de dúvidas, geração de conteúdo e melhoria de produtividade. Kenneth Corrêa, especialista em IA e professor da FGV, considera que as plataformas de IA são, teoricamente, calculadoras extremamente avançadas.
Na prática, observam-se LLMs com trilhões de parâmetros capazes de gerar respostas ou completar comandos com habilidades que extrapolam sua base de aprendizado. Essas ferramentas, embora possam 'alucinar', produzem um volume significativo de resultados. Corrêa argumenta que não se deve reduzir a IA a uma mera calculadora sofisticada, pois isso ignora o impacto que ela gera.
O Program Manager da Alura mencionou que algumas descobertas obtidas com esses modelos poderosos podem ser integrações de saberes já existentes, organizados de maneira inédita, exigindo apenas 'força bruta' para serem localizados.
O professor da FGV fez uma advertência importante: essas ferramentas carecem de moral e ética. Elas expressam confiança tanto ao fornecer a resposta correta quanto ao fazê-lo incorretamente. Por essa razão, a supervisão humana é indispensável, pois somente os humanos podem validar as respostas e determinar seu uso.


