Embora a IA generativa seja uma tecnologia relativamente nova, já está sendo utilizada em aplicativos de consumo e de negócios
Ferramentas de Inteligência Artificial (IA) generativas, como ChatGPT, DALL-E e GitHub Copilot, estão sendo muito noticiados ultimamente. Muita gente está discutindo sobre esse assunto e o potencial dessa tecnologia, a qual está ficando cada vez mais popular, já que permite que qualquer pessoa crie materiais rapidamente, desde assuntos para e-mails ou funcionalidades de programação ou até mesmo arte.
Esse potencial de revolucionar a criação de conteúdo em vários setores torna importante entender o que é IA generativa, como e por quem está sendo utilizada. Para começar, pode-se dizer que as ferramentas dessa tecnologia já estão mudando a forma como as pessoas e as equipes trabalham, especialmente na indústria de desenvolvimento de software.
Leia também: IA generativa pode trazer US$ 1,5 tri ao PIB global até 2030
De acordo com uma pesquisa de 2022, o GitHub Copilot, que usa IA generativa para oferecer sugestões de código aos desenvolvedores, ajudou pessoas desenvolvedoras a escrever código 55% mais rápido e 96% relataram gastar menos tempo em tarefas repetitivas usando a ferramenta, o que permitiu que 74% se concentrassem em trabalhos mais gratificantes, mostrando como essas ferramentas podem complementar o esforço humano.
Para entendermos como a IA generativa está mudando o jogo do desenvolvimento de software, o que reflete na sociedade como um todo, precisamos entender seu conceito e como funciona, além de algumas utilizações no mundo real e como já está alterando a maneira como as pessoas desenvolvedoras trabalham.
Essencialmente, IA generativa se refere a uma classe de modelos e ferramentas de inteligência artificial destinadas à geração de novos materiais, como textos, fotos, vídeos, músicas ou códigos. Algoritmos de aprendizado profundo (deep learning) e redes neurais são apenas duas das ferramentas usadas pela IA generativa para encontrar esses padrões e produzir novos resultados com base neles.
Atualmente, empresas e indivíduos, incluindo as áreas de engenharia ou desenvolvimento de software, estão olhando cada vez mais para essas tecnologias.
E enquanto os sistemas tradicionais de IA são treinados com uma grande quantidade de dados para identificar padrões e se tornam capazes de executar tarefas específicas, a IA generativa vai além, ao utilizar sistemas e modelos sofisticados para criar resultados novos e inovadores em formato de imagem, texto ou áudio, baseados em prompts de linguagem natural.
Os modelos de IA generativa funcionam usando redes neurais para identificar padrões de grandes conjuntos de dados e, em seguida, gerar informações ou conteúdos novos e originais. Em termos simples, as redes neurais usam nós interconectados inspirados nos neurônios do cérebro humano. Essas redes são a base dos modelos de aprendizado de máquina e aprendizado profundo, que usam uma estrutura complexa de algoritmos para processar muitos dados, como texto, código ou imagens.
O treinamento dessas redes neurais envolve o ajuste dos pesos ou parâmetros das conexões entre os neurônios para minimizar a diferença entre as saídas previstas e desejadas, o que permite que a rede aprenda com os erros e faça previsões mais precisas com base nos dados.
Com isso, modelos e aplicativos de IA generativa podem, por exemplo, ser usados para geração de texto, como vemos com o ChatGPT da OpenAI, o qual tem sido treinado com milhares de textos, livros, artigos e repositórios de código, e pode dar respostas completas a comandos e perguntas em linguagem natural.
Mas também há geração de imagens, como o popular DALL-E 2, geração de vídeos, além de programação e produção de código como visto com o GitHub Copilot, geração de dados, e tradução de idiomas, que também inclui linguagens de programação, como traduzir uma função de Python para Java.
Influenciando consistentemente o desenvolvimento de software, o open source está orientando o desenvolvimento da IA. Atualmente, muitos aplicativos de IA são alimentados por estruturas de código aberto, como PyTorch e TensorFlow, e alguns modelos de IA criados com essas estruturas também são open source.
Ao desenvolver bibliotecas, estruturas e ferramentas, as comunidades de open source permitem que as pessoas desenvolvedoras criem, testem e colaborem em modelos generativos de IA sem ter que se preocupar com as barreiras normais de custo. Isso também ajudou a democratizar essa tecnologia, tornando-a mais acessível a consumidores e pequenas empresas que podem não ter recursos para desenvolver seus próprios modelos.
Embora a IA generativa seja uma tecnologia relativamente nova, já está sendo utilizada em aplicativos de consumo e de negócios. Os casos de uso e a quantidade de aplicativos criados com ele, continuarão evoluindo para atender necessidades cada vez mais diversas e específicas.
Recentemente, o GitHub anunciou o GitHub Copilot X, que traz IA generativa para cada etapa da experiência de desenvolvimento no editor, pull requests, documentação, CLI e muito mais. Mas a codificação é apenas um dos muitos usos promissores da IA generativa no mundo real.
Só para citar alguns outros aplicativos com essa tecnologia, há jogos, com a geração de novos personagens, enredos e componentes de design, buscas na web como estamos vendo com o Bing da Microsoft que agora inclui recursos baseados em IA em parceria com OpenAI, e até cuidados de saúde, onde pode ajudar a detectar e diagnosticar doenças.
A acessibilidade é outro ponto importante que também está na lista. Tecnologias e ferramentas assistivas, como produção de áudio text-to-speech e transcrição de speech-to-text, estão abrindo caminho para um futuro mais inclusivo e acessível em tecnologia, pois a IA generativa continuará melhorando a acessibilidade.
Já podemos ver um bom exemplo com “Hey, GitHub”, um experimento para desenvolvedores terem interações baseadas em voz com o Copilot. Na prática, isso permitirá que eles escrevam código apenas com comandos de voz, sem precisar do teclado, como mais uma etapa para melhorar a acessibilidade.
A lista de utilidades no mundo real continua. No entanto, temos desafios. Embora os modelos de IA generativa estejam sendo usados para alimentar aplicativos, há dois desafios principais que qualquer organização, que esteja construindo ou usando um, enfrentará. O primeiro é em relação à capacidade de computação e quantidade/qualidade de dados, já que a IA generativa requer recursos de computação significativos, GPUs poderosas e grandes muita memória.
Esse tipo de hardware é caro, o que, por sua vez, também cria uma barreira à entrada de muitos indivíduos ou organizações para criar soluções internas.
Em segundo lugar, o treinamento de modelos de IA generativa para criar resultados precisos também requer grandes quantidades de dados de alta qualidade. Se os dados de treinamento forem tendenciosos ou incompletos, os modelos podem gerar conteúdo impreciso (e é por isso que as ferramentas de design de IA generativa têm dificuldade em recriar mãos humanas) ou não são úteis.
Ainda assim, apesar dos desafios e desses modelos ainda não estarem perfeitos, a inteligência artificial está melhorando a cada dia, criando um futuro empolgante para pessoas desenvolvedoras, que precisam se atualizar sobre essa nova tecnologia e saber como usá-la de maneira eficiente, de forma que beneficie a sociedade como um todo.
*Julio Viana é gerente regional do GitHub no Brasil
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
