A IA Está Evoluindo de Pensar Rápido para Pensar Devagar: Por Que Isso Muda Tudo

A Sequoia Capital, uma das mais influentes empresas de capital de risco do setor de tecnologia, acaba de divulgar uma análise importante sobre o futuro da IA generativa. E sua conclusão é clara:

Estamos entrando em uma nova era da IA que pode mudar fundamentalmente como esses sistemas operam—e o que são capazes de fazer.

O que você precisa saber sobre o que está por vir?

Consegui a resposta com Paul Roetzer, fundador e CEO do Marketing AI Institute, no episódio 120 do The Artificial Intelligence Show.

A Evolução do Pensamento em IA

Na análise, os parceiros da Sequoia, Sonia Huang e Pat Grady, observam uma mudança crucial:

“Dois anos após a revolução da IA generativa, a pesquisa na área está progredindo de “pensar rápido”—respostas pré-treinadas rápidas—para “pensar devagar”—raciocínio em tempo de inferência. Essa evolução está desbloqueando uma nova geração de aplicações agentivas.”

Isso diz respeito à diferença entre o pensamento ‘Sistema 1’ e o ‘Sistema 2’, diz Roetzer. Ele oferece a seguinte analogia: 

Pensamento do Sistema 1 é como responder à pergunta “Qual é a capital de Ohio?” (É Columbus.) O Sistema 1 é uma recuperação constante de fatos rápida. 

O Sistema 2 é como explicar por que Columbus se tornou a capital de Ohio, o que requer raciocínio real e múltiplas etapas de pensamento.

A inovação que a Sequoia está observando dá tempo para os sistemas de IA “pensarem”, para que possam engajar no pensamento do Sistema 2.

“A premissa básica é que, quando damos ao machine time para pensar, parece ser capaz de fazer coisas muito mais complexas em matemática, biologia, estratégia de negócios, etc.,” diz Roetzer.

Isso, por sua vez, desbloqueia capacidades completamente novas de IA. E, argumenta a Sequoia, está resultando em uma nova lei de escalonamento emergente: 

Quanto mais tempo de computação em inferência for dado a um modelo, melhor ele pode raciocinar.

A Ascensão das Empresas “Wrapper”

A análise da Sequoia também aponta que a camada fundamental da IA generativa está se estabilizando em torno de players principais como: Microsoft/OpenAI, Google/DeepMind, Meta e Anthropic. Suas previsões anteriores de uma única empresa modelo dominante não se concretizaram. Em vez disso, estamos vendo um padrão onde as empresas se igualam a cada 3-6 meses.

Além disso, ao contrário das previsões anteriores, a Sequoia vê um valor massivo em empresas que constroem aplicações especializadas sobre a camada fundamental—o que chamam de “wrappers”.

Essas empresas:

• Se concentram em domínios específicos (jurídico, atendimento ao cliente, marketing, etc.)
• Aproveitam a expertise no domínio para criar assistentes especializados
• Constroem propriedade intelectual valiosa, apesar de não possuírem os modelos subjacentes

“A Sequoia está dizendo que os wrappers são realmente críticos,” diz Roetzer.

Enquanto um punhado de empresas de modelos de fronteira está testando os limites de quão inteligente a IA pode se tornar, haverá uma necessidade massiva de empresas que desenvolvam ferramentas para aplicar efetivamente essa inteligência a domínios específicos.

“É necessário conhecimento de domínio para construir um assistente jurídico ou um assistente de atendimento ao cliente ou um assistente de agência de marketing,” diz Roetzer. “E é aí que o conhecimento ou o valor realmente se acumulará no mundo do capital de risco: na camada de wrapper para aqueles que desenvolvem essas coisas específicas de domínio.

Para Onde Estamos Indo

Baseando-se na análise da Sequoia, Roetzer prevê que não utilizaremos diretamente os poucos modelos de fronteira dominantes em muitos casos.

Vários modelos “menos” inteligentes são mais do que adequados para muitas tarefas diferentes. IA avançada de Sistema 2—ou até mesmo AGI—simplesmente não será adequada para muitas das coisas que estamos tentando realizar.

“A realidade é que muitos dos casos de uso nos negócios, como nos ajudar a escrever nossos e-mails ou inventar ideias ou construir uma estratégia de marketing, não exigem um modelo de fronteira de $10 bilhões,” diz ele.

Em vez disso, é provável que vejamos de 4 a 5 modelos de fronteira dominantes, todos se aproximando de AGI—ou que a tenham alcançado—nos próximos anos. 

Mas os modelos mais poderosos agirão como “gerentes de projeto”, orquestrando a sinfonia de modelos especializados e agentes que trabalham nos bastidores para alcançar o que estamos tentando fazer quando acionamos a IA.

Em vez de escolhermos os modelos adequados para a tarefa, a IA superior fará isso por nós.

“Quando entrarmos no ChatGPT, em vez de termos que escolher entre 1 de 4 modelos, o que não faz sentido do ponto de vista da experiência do usuário, eu simplesmente colocarei meu prompt e o modelo mais poderoso descobrirá qual modelo é o melhor para resolver isso,” diz ele.

As implicações das previsões de Roetzer e da análise da Sequoia são significativas:

Estamos indo além do simples reconhecimento de padrões para verdadeiras capacidades de raciocínio, e o foco para as empresas de modelos está mudando de um pré-treinamento massivo para inferência escalável. E, conforme vemos a ascensão dos wrappers, a especialização de domínio se tornará cada vez mais valiosa. Finalmente, todos nós utilizaremos uma sinfonia de diferentes ferramentas e modelos para alcançar nossos objetivos como usuários, mas a experiência do usuário será simples—os modelos mais sofisticados escolherão e gerenciarão nossas ferramentas por nós.