Reivindicações antrópicas Ai não está paralisando, está de acordo com os benchmarks

Modelos de linguagem de grande escala (LLMs) e outras tecnologias de IA generativa estão fazendo avanços significativos em autocorreção, o que está abrindo caminho para novas aplicações, incluindo o que é conhecido como "IA agente", segundo Michael Gerstenhaber, Vice-Presidente da Anthropic, uma desenvolvedora líder de modelos de IA.

"Está ficando muito bom em autocorreção, autorreflexão," compartilhou Gerstenhaber, que lidera as tecnologias de API na Anthropic, durante uma entrevista em Nova York com Anurag Rana, da Bloomberg Intelligence. A Anthropic, criadora da família de LLMs Claude, é concorrente direta dos modelos GPT da OpenAI. "A cada poucos meses, lançamos um novo modelo que expande as capacidades dos LLMs," ele acrescentou, destacando a natureza dinâmica da indústria, onde cada revisão de modelo desbloqueia novos usos potenciais.

Novas Capacidades em Modelos de IA

Os modelos mais recentes da Anthropic introduziram capacidades como planejamento de tarefas, permitindo que realizem tarefas em um computador de maneira semelhante a um humano, como pedir pizza online. "Planejar etapas intermediárias, algo que não era viável ontem, agora está ao alcance," observou Gerstenhaber sobre essa execução de tarefas passo a passo.

A discussão, que também contou com Vijay Karunamurthy, Tecnólogo-Chefe da startup de IA Scale AI, fez parte de uma conferência de um dia inteiro organizada pela Bloomberg Intelligence intitulada "Gen AI: Pode cumprir a promessa de produtividade?"

Desafiando o Ceticismo sobre IA

As perspectivas de Gerstenhaber desafiam as visões dos céticos sobre IA, que argumentam que a IA generativa e o campo mais amplo da IA estão "atingindo um muro", sugerindo retornos decrescentes a cada nova iteração de modelo. O estudioso de IA Gary Marcus, por exemplo, tem sido vocal sobre suas preocupações desde 2022, alertando que simplesmente aumentar o tamanho dos modelos de IA (mais parâmetros) não melhorará proporcionalmente seu desempenho.

No entanto, Gerstenhaber afirma que a Anthropic está expandindo os limites além do que os benchmarks atuais de IA podem medir. "Mesmo que pareça que o progresso está desacelerando em algumas áreas, é porque estamos desbloqueando funcionalidades completamente novas, mas saturamos os benchmarks e a capacidade de realizar tarefas mais antigas," ele explicou. Isso torna cada vez mais difícil avaliar a extensão total do que os modelos de IA generativa atuais podem alcançar.

Escalabilidade e Aprendizado

Tanto Gerstenhaber quanto Karunamurthy enfatizaram a importância de escalar modelos de IA generativa para aprimorar suas capacidades de autocorreção. "Definitivamente, estamos vendo cada vez mais escalabilidade da inteligência," observou Gerstenhaber. Karunamurthy acrescentou, "Uma razão pela qual acreditamos que não estamos atingindo um muro com planejamento e raciocínio é que ainda estamos aprendendo como estruturar essas tarefas para que os modelos possam se adaptar a ambientes novos e variados."

Gerstenhaber concordou, afirmando, "Estamos nos estágios iniciais, aprendendo com desenvolvedores de aplicativos sobre suas necessidades e onde os modelos falham, o que podemos então integrar de volta ao modelo de linguagem."

Aprendizado e Adaptação em Tempo Real

Muito desse progresso, segundo Gerstenhaber, é impulsionado pelo ritmo rápido da pesquisa fundamental na Anthropic, bem como pelo aprendizado em tempo real a partir de feedback da indústria. "Estamos nos adaptando ao que a indústria nos diz que precisa, aprendendo em tempo real," ele disse.

Os clientes frequentemente começam com modelos maiores e depois reduzem para modelos mais simples para atender a propósitos específicos. "Inicialmente, eles avaliam se um modelo é inteligente o suficiente para realizar uma tarefa bem, depois se é rápido o suficiente para atender às necessidades de sua aplicação e, finalmente, se pode ser o mais econômico possível," explicou Gerstenhaber.