A nova família de modelos de inteligência artificial árabes, Jais 3, foi apresentada em Abu Dhabi em outubro. Esses modelos foram desenvolvidos pelo Instituto de Modelos Fundamentais (IFM) da Universidade de Inteligência Artificial Mohammed bin Zayed e pela Inception42 da G42. A tecnologia marca uma mudança na abordagem dos Emirados Árabes Unidos para o desenvolvimento de IA árabe.
As versões anteriores do Jais focavam principalmente na geração e compreensão de linguagem. No entanto, os novos modelos combinam o reconhecimento de fala árabe com a capacidade de seguir instruções, usar ferramentas de software e executar sequências de tarefas.
Segundo Haonan Li, pesquisador sênior do IFM, essa diferença é criticamente importante, pois os falantes de árabe não devem mudar seu modo de comunicação apenas para que a tecnologia os entenda. Li observou que a língua árabe varia significativamente em diferentes regiões, e as pessoas transitam livremente entre dialetos, árabe padrão moderno e outros idiomas.
Ele cita um exemplo em que uma pessoa pode falar árabe dos Emirados, mudar para o inglês para usar um termo técnico e depois voltar ao árabe. O modelo deve ser capaz de entender toda essa complexa alternância no contexto, em vez de tratar cada mudança como um problema.
Mais de 400 milhões de pessoas falam árabe, mas ele não é homogêneo. O árabe formal, usado em documentos oficiais e jornais, pode diferir muito da fala cotidiana em cidades como Abu Dhabi, Cairo ou Casablanca. Isso cria dificuldades para sistemas de IA árabe que são treinados predominantemente em materiais escritos formais ou dados traduzidos do inglês.
Pesquisas publicadas este ano na Conferência sobre Recursos e Avaliação de Linguagem analisaram 19 modelos de IA abertos em cinco dialetos árabes, incluindo o emiratense, saudita, egípcio, sírio e marroquino. Os cientistas descobriram diferenças significativas de desempenho entre os dialetos, o que destaca o quão longe esta área está de alcançar uma compreensão estável.
O Jais 3 visa resolver esse problema através de treinamento focado em dialetos árabes, conhecimento cultural e métodos de alternância de idiomas. Seu modelo de fala associado, Jais Speech, foi projetado para transcrever várias variantes da língua árabe usadas em 19 países árabes. Ele é capaz de identificar dialetos e manter terminologia em inglês ou francês em sua escrita original ao mudar de idioma pelo falante.
Para residentes e organizações nos EAU, isso pode tornar as ferramentas de IA mais úteis locais de trabalho onde árabe e inglês são usados simultaneamente. No entanto, a transcrição precisa é apenas parte do desenvolvimento. Haonan Li deu um exemplo em que um funcionário público conclui uma reunião realizada em árabe dos Emirados. O funcionário pode pedir ao Jais 3 para transcrever a conversa, identificar as decisões tomadas, atribuir tarefas às equipes apropriadas e preparar uma apresentação com um resumo dos resultados.
O sistema pode coordenar o trabalho através de ferramentas de software relacionadas, em vez de processar cada etapa separadamente. Li explicou que isso demonstra a direção da IA agente: a transição de simplesmente responder a uma pergunta para executar uma sequência completa de tarefas. Ele acrescentou que os passos exatos dependem das ferramentas disponíveis e integrações durante a implementação, bem como do nível de verificação humana exigido.
O Jais 3 está disponível em seis tamanhos, variando de 900 milhões a 375 bilhões de parâmetros, que são valores numéricos absorvidos pelo modelo durante o treinamento. As versões menores são destinadas a hardware mais modesto, potencialmente incluindo telefones celulares, enquanto os sistemas maiores visam aplicações organizacionais exigentes. Li observou que essa faixa permite que as organizações escolham entre custos computacionais, desempenho e local de processamento de informações. Um modelo implantado localmente também pode fornecer maior controle sobre dados confidenciais, dependendo das medidas de segurança.
Os modelos, seus pontos de controle de treinamento e código de avaliação foram publicados publicamente, permitindo que desenvolvedores adaptem a tecnologia e verifiquem sua eficácia por conta própria. Essa abordagem é particularmente relevante à luz do plano nacional dos EAU para implementar IA agente em 50% dos setores, serviços e operações governamentais federais em dois anos.
A concorrência agora não se limita a um único modelo dos Emirados. Existem vários sistemas de IA árabes na região, incluindo ALLaM da Arábia Saudita, Fanar do Catar e Falcon Arabic dos EAU, juntamente com modelos internacionais cada vez mais capazes. IFM e Inception42 relatam que o Jais 3 apresenta fortes resultados em comparação com modelos abertos concorrentes no campo da compreensão da língua árabe e execução de tarefas. Os pesquisadores também auditaram benchmarks árabes existentes e publicaram materiais de avaliação para estudo por outros.
No entanto, suas comparações publicadas mostram que alguns modelos proprietários líderes ainda superam o Jais 3 em tarefas complexas. Em um teste de processamento de arquivos árabes, o maior modelo Jais 3 obteve cerca de 64%, em comparação com aproximadamente 96% para o principal modelo fechado. Li admitiu que as lacunas restantes são significativas. Ele enfatizou que o progresso na IA árabe não significa que todos os defeitos foram eliminados; os modelos fechados avançados ainda lideram em tarefas de agentes complexas, como trabalhar com documentos e arquivos árabes, bem como na profundidade do conhecimento cultural. Dialetos permanecem a fronteira mais difícil para qualquer modelo, e a confiabilidade é outro problema aberto nesta área.
Para os pesquisadores, isso levanta a questão: o modelo realmente entende o árabe, ou ele apenas aprendeu a reproduzir padrões linguísticos familiares? Li acredita que avaliar essa diferença requer perguntas originalmente escritas em árabe, incluindo materiais regionais e dialetais, em vez de depender exclusivamente de testes traduzidos para o inglês. As implicações práticas vão além dos benchmarks. Um assistente de IA que ocasionalmente mal entende um dialeto pode ser inconveniente em uma conversa casual. Esse mesmo mal-entendido torna-se mais sério quando afeta um documento governamental, um registro médico ou uma instrução comercial. Portanto, na opinião de Li, o progresso dependerá tanto do aumento da confiabilidade e avaliação quanto da criação de modelos maiores. O objetivo não é apenas criar mais modelos árabes, mas desenvolver sistemas que funcionem de forma confiável para falantes de árabe no mundo real. A próxima fase do desenvolvimento da IA árabe, portanto, pode ser avaliada não tanto por quão naturalmente a máquina pode manter uma conversa, mas por se as pessoas podem confiar nela para entender suas instruções e realizar o trabalho.
