O poder do processamento de linguagem natural

Até recentemente, a sabedoria convencional era de que, embora a TI fosse melhor do que os seres humanos em tarefas de tomada de decisões orientadas por dados, ainda era inferior aos seres humanos em tarefas cognitivas e criativas. Mas, nos últimos dois anos, a IA baseada em linguagem avançou a passos largos, mudando as noções comuns do que essa tecnologia pode fazer. Os avanços mais visíveis ocorreram no que é chamado de "processamento de linguagem natural" (PNL), o ramo da IA que se concentra em como os computadores podem processar a linguagem como os seres humanos fazem. A TI foi usada para escrever um artigo para o The Guardian, e postagens de blog de autoria da IA se tornaram virais - feitos que não eram possíveis há alguns anos. A TI se destaca até mesmo em tarefas cognitivas, como programação, em que é capaz de gerar programas para videogames simples a partir de instruções humanas. No entanto, embora essas façanhas possam chamar a atenção, elas são realmente indicativas do que essa tecnologia pode fazer pelas empresas? O que a PNL pode fazer A ferramenta de processamento de linguagem natural mais conhecida é a GPT-3, da OpenAI, que usa IA e estatísticas para prever a próxima palavra em uma frase com base nas palavras anteriores. Os profissionais de PLN chamam ferramentas como essa de "modelos de linguagem" e elas podem ser usadas para tarefas analíticas simples, como classificar documentos e analisar o sentimento em blocos de texto, bem como tarefas mais avançadas, como responder a perguntas e resumir relatórios. Os modelos de linguagem já estão remodelando a análise de texto tradicional, mas o GPT-3 foi um modelo de linguagem especialmente importante porque, sendo 10 vezes maior do que qualquer modelo anterior ao ser lançado, foi o primeiro modelo de linguagem de grande porte, o que permitiu que ele realizasse tarefas ainda mais avançadas, como programação e resolução de problemas matemáticos de nível escolar. A versão mais recente, chamada InstructGPT, foi ajustada por humanos para gerar respostas muito mais bem alinhadas com os valores humanos e as intenções do usuário, e o modelo mais recente do Google mostra outros avanços impressionantes em termos de linguagem e raciocínio. Para as empresas, as três áreas em que a GPT-3 se mostrou mais promissora são a escrita, a codificação e o raciocínio específico da disciplina. A OpenAI, a criadora da GPT-3 financiada pela Microsoft, desenvolveu um modelo de linguagem baseado na GPT-3 destinado a atuar como um assistente para programadores, gerando código a partir da entrada de linguagem natural. Essa ferramenta, o Codex, já está alimentando produtos como o Copilot para o GitHub, subsidiária da Microsoft, e é capaz de criar um videogame básico simplesmente digitando instruções. Já era esperado que essa capacidade transformadora mudasse a natureza de como os programadores fazem seu trabalho, mas os modelos continuam a melhorar - o mais recente do laboratório de IA DeepMind do Google, por exemplo, demonstra o pensamento crítico e as habilidades lógicas necessárias para superar a maioria dos humanos em competições de programação. Modelos como o GPT-3 são considerados modelos básicos - uma área emergente de pesquisa de IA - que também funcionam para outros tipos de dados, como imagens e vídeos. Os modelos básicos podem até ser treinados em várias formas de dados ao mesmo tempo, como o DALL-E 2 da OpenAI, que é treinado em linguagem e imagens para gerar renderizações de alta resolução de cenas ou objetos imaginários simplesmente a partir de prompts de texto. Devido ao seu potencial para transformar a natureza do trabalho cognitivo, os economistas esperam que os modelos de base possam afetar todas as partes da economia e levar a aumentos no crescimento econômico semelhantes aos da revolução industrial. Um assistente de pesquisa de IA baseado em linguagem Em meu próprio trabalho, tenho analisado como as ferramentas baseadas em GPT-3 podem ajudar os pesquisadores no processo de pesquisa. No momento, estou trabalhando com a Ought, uma empresa de São Francisco que está desenvolvendo uma ferramenta de raciocínio aberto (chamada Elicit) que tem como objetivo ajudar os pesquisadores a responder perguntas em minutos ou horas, em vez de semanas ou meses. A Elicit foi projetada para um número crescente de tarefas específicas relevantes para a pesquisa, como resumo, rotulagem de dados, reformulação, brainstorming e revisões de literatura. Descobri - o que não é surpreendente - que o Elicit funciona melhor em algumas tarefas do que em outras. Tarefas como rotulagem e resumo de dados ainda são difíceis, com resultados ruidosos e precisão irregular, mas as pesquisas da Ought e da OpenAI são promissoras para o futuro. Por exemplo, a tarefa de reformulação é útil para escrever, mas a falta de integração com aplicativos de processamento de texto a torna impraticável por enquanto. As tarefas de brainstorming são ótimas para gerar ideias ou identificar tópicos negligenciados e, apesar dos resultados ruidosos e das barreiras à adoção, atualmente elas são valiosas para uma variedade de situações. No entanto, de todas as tarefas oferecidas pela Elicit, considero a revisão da literatura a mais útil. Como o Elicit é um assistente de pesquisa de IA, essa é uma espécie de "pão com manteiga" e, quando preciso começar a me aprofundar em um novo tópico de pesquisa, ele se tornou meu recurso preferido. Tudo isso está mudando minha forma de trabalhar. Gasto muito menos tempo tentando encontrar conteúdo existente relevante para minhas perguntas de pesquisa porque seus resultados são mais aplicáveis do que outras interfaces mais tradicionais de pesquisa acadêmica, como o Google Scholar. Também estou começando a integrar tarefas de brainstorming ao meu trabalho, e minha experiência com essas ferramentas inspirou minha pesquisa mais recente, que busca utilizar modelos de fundação para apoiar o planejamento estratégico. Como as organizações podem se preparar para o futuro? Identifique seus ativos de dados de texto e determine como as técnicas mais recentes podem ser aproveitadas para agregar valor à sua empresa. O senhor certamente está ciente do valor dos dados, mas pode estar deixando de lado alguns ativos de dados essenciais se não estiver utilizando a análise de texto e a PNL em toda a organização. Os dados de texto são certamente valiosos para o gerenciamento da experiência do cliente e para a compreensão da voz do cliente, mas pense em outros ativos de dados de texto em sua organização: e-mails, relatórios de analistas, contratos, comunicados à imprensa, arquivos - até mesmo reuniões e chamadas telefônicas podem ser transcritas. Há muitos dados de texto, e o senhor não precisa de modelos avançados como o GPT-3 para extrair seu valor. A Hugging Face, uma start-up de PNL, lançou recentemente o AutoNLP, uma nova ferramenta que automatiza os modelos de treinamento para tarefas padrão de análise de texto simplesmente carregando seus dados na plataforma. Os dados ainda precisam de rótulos, mas muito menos do que em outros aplicativos. Como muitas empresas fizeram apostas ambiciosas em IA, mas tiveram dificuldades para agregar valor ao negócio principal, mantenha-se cauteloso para não ser excessivamente zeloso. Esse pode ser um bom primeiro passo que seus engenheiros de aprendizado de máquina existentes - ou até mesmo cientistas de dados talentosos - podem gerenciar. Para dar o próximo passo, novamente, identifique seus ativos de dados. Muitos setores, e até mesmo divisões dentro de sua organização, usam vocabulários altamente especializados. Por meio de uma combinação de seus ativos de dados e conjuntos de dados abertos, treine um modelo para as necessidades de setores ou divisões específicos. Pense no setor financeiro. O senhor não quer um modelo especializado em finanças. O senhor quer um modelo personalizado para bancos comerciais ou para mercados de capital. E os dados são essenciais, mas agora são dados não rotulados, e quanto mais, melhor. Modelos especializados como esse podem gerar um valor incalculável para sua empresa. Entenda como o senhor pode aproveitar as tecnologias de linguagem baseadas em IA para tomar melhores decisões ou reorganizar sua mão de obra qualificada. A TI baseada em idiomas não substituirá empregos, mas automatizará muitas tarefas, mesmo para os tomadores de decisão. Start-ups como a Verneek estão criando ferramentas semelhantes à Elicit para permitir que todos tomem decisões informadas por dados. Essas novas ferramentas transcenderão o business intelligence tradicional e transformarão a natureza de muitas funções nas organizações - os programadores são apenas o começo. O senhor precisa começar a entender como essas tecnologias podem ser usadas para reorganizar sua mão de obra qualificada. A próxima geração de ferramentas, como o Codex da OpenAI, levará a programadores mais produtivos, o que provavelmente significa menos programadores dedicados e mais funcionários com habilidades modestas de programação usando-os para um número cada vez maior de tarefas mais complexas. Isso pode não ser verdade para todos os desenvolvedores de software, mas tem implicações significativas para tarefas como processamento de dados e desenvolvimento da Web. Comece a incorporar novas ferramentas de IA baseadas em linguagem para uma variedade de tarefas a fim de entender melhor seus recursos. No momento, ferramentas como a Elicit estão apenas surgindo, mas já podem ser úteis de maneiras surpreendentes. Na verdade, a sugestão anterior foi inspirada por uma das tarefas de brainstorming da Elicit, condicionada às minhas outras três sugestões. A sugestão original em si não era perfeita, mas me lembrou de alguns tópicos críticos que eu havia esquecido, e revisei o artigo de acordo. Nas organizações, tarefas como essa podem ajudar no pensamento estratégico ou em exercícios de planejamento de cenários. Embora exista um enorme potencial para esses aplicativos, no momento os resultados ainda são relativamente rudimentares, mas já podem agregar valor em seu estado atual. O resultado final é que o senhor precisa incentivar a ampla adoção de ferramentas de IA baseadas em linguagem em toda a sua empresa. É difícil prever como essas ferramentas poderão ser usadas em diferentes níveis da sua organização, mas a melhor maneira de entender essa tecnologia pode ser o senhor e outros líderes da sua empresa adotarem-na. Não aposte tudo nisso, pois parte da tecnologia pode não dar certo, mas se sua equipe compreender melhor o que é possível, o senhor estará à frente da concorrência. Lembre-se de que, embora a IA atual possa não estar pronta para substituir os gerentes, os gerentes que entendem a IA estão prontos para substituir os gerentes que não a entendem. Não subestime o potencial transformador da IA. Modelos de grandes fundações, como o GPT-3, exibem habilidades de generalização para um grande número de tarefas sem nenhum treinamento específico para a tarefa. O recente progresso nessa tecnologia é um passo significativo em direção à generalização em nível humano e à inteligência artificial geral, que são os objetivos finais de muitos pesquisadores de IA, inclusive os da OpenAI e da DeepMind do Google. Esses sistemas têm um enorme potencial disruptivo que pode gerar um crescimento econômico explosivo impulsionado pela IA, o que transformaria radicalmente os negócios e a sociedade. Embora o senhor ainda possa ser cético em relação à IA radicalmente transformadora, como a inteligência artificial geral, é prudente que os líderes das organizações estejam cientes dos primeiros sinais de progresso devido ao seu enorme potencial disruptivo. Considere que o ex-chefe do Google, Eric Schmidt , espera que a inteligência artificial geral ocorra em 10 a 20 anos e que o Reino Unido recentemente assumiu uma posição oficial sobre os riscos da inteligência artificial geral. Se as organizações tivessem prestado atenção ao alerta de Anthony Fauci em 2017 sobre a importância da preparação para pandemias, os efeitos mais graves da pandemia e a consequente crise da cadeia de suprimentos poderiam ter sido evitados. Ignorar o potencial transformador da IA também acarreta riscos e, de forma semelhante à crise da cadeia de suprimentos, a inação das empresas ou o uso irresponsável da IA poderia ter efeitos amplos e prejudiciais para a sociedade (por exemplo, aumento da desigualdade ou riscos específicos de domínio decorrentes da automação). Entretanto, diferentemente da crise da cadeia de suprimentos, as mudanças sociais decorrentes da IA transformadora provavelmente serão irreversíveis e poderão até mesmo continuar a se acelerar. As organizações devem começar a se preparar agora não apenas para capitalizar a IA transformadora, mas também para fazer sua parte para evitar futuros indesejáveis e garantir que a IA avançada seja usada para beneficiar a sociedade de forma equitativa. As ferramentas de IA baseadas em linguagem vieram para ficar Ferramentas poderosas e generalizáveis de IA baseadas em linguagem, como o Elicit, estão aqui e são apenas a ponta do iceberg; as ferramentas baseadas em modelos de fundação multimodal estão prontas para transformar os negócios de maneiras que ainda são difíceis de prever. Para começar a se preparar agora, comece a entender seus ativos de dados de texto e a variedade de tarefas cognitivas envolvidas em diferentes funções em sua organização. Adote agressivamente novas tecnologias de IA baseadas em linguagem; algumas funcionarão bem e outras não, mas seus funcionários se adaptarão mais rapidamente quando o senhor passar para a próxima. E não se esqueça de adotar essas tecnologias você mesmo - essa é a melhor maneira de começar a entender as funções futuras delas em sua organização.

O poder do processamento de linguagem natural

Resumo.

Partner Center