Olá, pessoal, bem-vindos ao boletim de IA regular do TechCrunch.

Nesta semana em IA, a Gartner divulgou um relatório sugerindo que cerca de um terço dos projetos de IA generativa nas empresas serão abandonados após a fase de prova de conceito até o final de 2025. Os motivos são muitos - má qualidade dos dados, controles de risco inadequados, custos de infraestrutura crescentes, entre outros.

Mas uma das maiores barreiras para a adoção de IA generativa é o valor de negócio não claro, segundo o relatório.

Adotar a IA generativa em toda a organização vem com custos significativos, variando de $5 milhões a até $20 milhões, estima a Gartner. Um assistente de codificação simples tem um custo inicial entre $100.000 e $200.000 e custos recorrentes de até $550 por usuário por ano, enquanto uma ferramenta de busca de documentos alimentada por IA pode custar $1 milhão inicialmente e entre $1,3 milhão e $11 milhões por usuário anualmente, descobre o relatório.

Essas etiquetas de preço são difíceis de engolir para as corporações quando os benefícios são difíceis de quantificar e podem levar anos para se materializarem - se é que se materializam.

Uma pesquisa da Upwork neste mês revela que a IA, em vez de aumentar a produtividade, na verdade se mostrou um fardo para muitos dos trabalhadores que a utilizam. De acordo com a pesquisa, que entrevistou 2.500 executivos, funcionários em tempo integral e freelancers, quase metade (47%) dos trabalhadores que utilizam a IA afirmam que não têm ideia de como alcançar os ganhos de produtividade que seus empregadores esperam, enquanto mais de três quartos (77%) acreditam que as ferramentas de IA diminuíram a produtividade e aumentaram a carga de trabalho de alguma forma.

Parece que a fase de lua de mel da IA pode estar chegando ao fim, apesar da robusta atividade no lado dos VC. E isso não é chocante. Anedota após anedota revela como a IA generativa, que possui questões técnicas fundamentais não resolvidas, frequentemente traz mais problemas do que benefícios.

Apenas na terça-feira, a Bloomberg publicou um artigo sobre uma ferramenta alimentada pela IA do Google que analisa os registros médicos dos pacientes, agora em testes nos hospitais da HCA na Flórida. Usuários da ferramenta com os quais a Bloomberg conversou disseram que ela não consegue entregar informações de saúde confiáveis de forma consistente; em um caso, falhou em notar se um paciente tinha alergias a remédios.

As empresas estão começando a esperar mais da IA. Exceto por avanços na pesquisa que abordem o pior de suas limitações, cabe aos fornecedores gerenciar as expectativas.

Vamos ver se eles têm a humildade para fazer isso.

Notícias

SearchGPT: A OpenAI anunciou na última quinta-feira o SearchGPT, um recurso de pesquisa projetado para fornecer respostas "oportuna" a perguntas, baseando-se em fontes da web.

Bing recebe mais IA: Para não ficar para trás, a Microsoft na semana passada apresentou sua própria experiência de pesquisa alimentada por IA, chamada de Bing generative search. Disponível apenas para uma "pequena porcentagem" de usuários no momento, o Bing generative search - assim como o SearchGPT - agrega informações de toda a web e gera um resumo em resposta às consultas de pesquisa.

X inscreve usuários: A X, anteriormente Twitter, silenciosamente implementou uma mudança que aparentemente define os dados do usuário em seu pool de treinamento para o chatbot Grok da X, uma medida que foi percebida pelos usuários da plataforma na sexta-feira. Reguladores da União Europeia e outros rapidamente se manifestaram contra. (Está se perguntando como cancelar a inscrição? Aqui está um guia.)

UE pede ajuda com a IA: A União Europeia iniciou uma consulta sobre regras que se aplicarão a fornecedores de modelos de IA de propósito geral no âmbito do AI Act do bloco, seu quadro de regulação baseado em riscos para a regulamentação de aplicações de IA.

Detalhes de licenciamento de perplexidade do editor: O mecanismo de busca de IA Perplexity em breve começará a compartilhar receitas publicitárias com editoras de notícias quando seu chatbot exibir seu conteúdo em resposta a uma consulta, uma medida que parece ser projetada para acalmar críticos que acusaram a Perplexity de plágio e raspagem de sites não ética.

Meta lança AI Studio: A Meta anunciou na segunda-feira que está disponibilizando sua ferramenta AI Studio para todos os criadores nos EUA para permitir que eles criem chatbots alimentados por IA personalizados. A empresa lançou o AI Studio pela primeira vez no ano passado e começou a testá-lo com criadores selecionados em junho.

Departamento de Comércio endossa modelos "abertos": O Departamento de Comércio dos Estados Unidos emitiu um relatório na segunda-feira em apoio a modelos de IA generativa "abertos" como o Llama 3.1 da Meta, mas recomendou que o governo desenvolva "novas capacidades" para monitorar tais modelos em relação a riscos potenciais.

$99 Friend: Avi Schiffmann, um drop-out de Harvard, está trabalhando em um dispositivo alimentado por IA de $99 chamado Friend. Como o nome sugere, o pingente usado no pescoço é projetado para ser tratado como uma espécie de companheiro. Mas ainda não está claro se funciona conforme anunciado.

Artigo de pesquisa da semana

O aprendizado por reforço a partir do feedback humano (RLHF) é a técnica dominante para garantir que os modelos de IA generativa sigam instruções e respeitem diretrizes de segurança. Mas o RLHF requer recrutar um grande número de pessoas para avaliar as respostas de um modelo e fornecer feedback, um processo demorado e caro.

Por isso, a OpenAI está adotando alternativas.

Em um novo artigo, pesquisadores da OpenAI descrevem o que chamam de recompensas baseadas em regras (RBRs), que usam um conjunto de regras passo a passo para avaliar e orientar as respostas de um modelo. RBRs dividem os comportamentos desejados em regras específicas que são então usadas para treinar um "modelo de recompensa", que guia a IA - "ensinando" a, de certa forma, sobre como ela deve se comportar e responder em situações específicas.

A OpenAI afirma que os modelos treinados com RBR demonstram melhor desempenho de segurança do que aqueles treinados apenas com feedback humano, reduzindo a necessidade de grandes quantidades de dados de feedback humano. Na verdade, a empresa diz que tem usado RBRs como parte de sua pilha de segurança desde o lançamento do GPT-4 e planeja implementar RBRs em futuros modelos.

Modelo da semana

O DeepMind do Google está progredindo em sua missão de resolver problemas matemáticos complexos com IA.

Há alguns dias, o DeepMind anunciou que treinou dois sistemas de IA para resolver quatro dos seis problemas da Olimpíada Internacional de Matemática (IMO) deste ano, a prestigiosa competição de matemática do ensino médio. O DeepMind afirma que os sistemas, AlphaProof e AlphaGeometry 2 (o sucessor do AlphaGeometry de janeiro), demonstraram aptidão para formar e recorrer a abstrações e planejamento hierárquico complexo - todos os quais historicamente têm sido desafiadores para os sistemas de IA fazerem.

AlphaProof e AlphaGeometry 2 trabalharam juntos para resolver dois problemas de álgebra e um problema de teoria dos números. (As duas questões restantes de combinatória ficaram sem solução). Os resultados foram verificados por matemáticos; é a primeira vez que sistemas de IA foram capazes de alcançar um desempenho de medalha de prata em questões da IMO.

Há algumas ressalvas, no entanto. Levou dias para os modelos resolverem alguns dos problemas. E enquanto suas capacidades de raciocínio são impressionantes, o AlphaProof e o AlphaGeometry 2 não necessariamente podem ajudar com problemas abertos que têm muitas soluções possíveis, ao contrário daqueles com uma resposta certa.

Vamos ver o que a próxima geração traz.

Saco de surpresas

A startup de IA Stability AI lançou um modelo de IA generativa que transforma um vídeo de um objeto em vários clipes que parecem ter sido capturados de ângulos diferentes.

Chamado de Stable Video 4D, o modelo poderia ter aplicações no desenvolvimento de jogos e edição de vídeo, diz a Stability, bem como na realidade virtual. "Antecipamos que as empresas adotarão nosso modelo, ajustando-o ainda mais para atender às suas necessidades exclusivas", escreveu a empresa em um post no blog.

Para usar o Stable Video 4D, os usuários carregam o vídeo e especificam os ângulos desejados da câmera. Após cerca de 40 segundos, o modelo gera oito vídeos de cinco quadros cada (embora a "otimização" possa levar mais 25 minutos).

A Stability diz que está trabalhando ativamente na melhoria do modelo, otimizando-o para lidar com uma variedade maior de vídeos do mundo real além dos conjuntos de dados sintéticos atuais em que foi treinado. “O potencial desta tecnologia na criação de vídeos realistas de vários ângulos é vasto, e estamos empolgados para ver como ela evoluirá com a pesquisa e desenvolvimento contínuos,” continuou a empresa.