Afinal, o que impede as IAs Generativas de avançar ainda mais?
Empresas globais têm investido bilhões de dólares em inteligência artificial generativa, visando a melhorar suas operações. No entanto, a promessa de retorno sobre o investimento ainda não se concretizou para a maioria, exceto em casos isolados de uso. Segundo Jensen Huang, CEO da Nvidia, em sua palestra no GTC (Graphics Technology Conference), as transformações essenciais na computação estão remodelando todos os setores, não apenas o tecnológico.
A Nvidia está no centro da revolução da IA Generativa, impulsionada pelo lançamento do ChatGPT pela OpenAI em 2022, que impressionou o mercado com suas habilidades de imitar a comunicação humana. Apesar do rápido crescimento da indústria e dos substanciais investimentos de grandes tecnológicas como Microsoft, Amazon e Google, o desafio permanece na capitalização do potencial da GenAI.
A Nvidia, dominando mais de 90% do mercado de hardware para treinamento de modelos de linguagem, destaca-se como uma das poucas beneficiadas até agora.
Entre expectativas e realidades
Expansão em software e serviços: centenas de fornecedores de software otimizaram seus produtos para integração com a GenAI, enquanto investidores de risco direcionaram bilhões para startups emergentes.
Projeções financeiras otimistas: segundo um relatório da McKinsey publicado em 2023, estima-se que a GenAI pode adicionar anualmente entre US$ 2,6 trilhões e US$ 4,4 trilhões à economia global, principalmente em automação de operações de clientes, marketing, vendas, engenharia de software e P&D.
Compromisso empresarial com GenAI: segundo pesquisa da KPMG, que atua no Brasil como firma de Auditoria Externa, 97% dos líderes empresariais planejam investir em GenAI nos próximos 12 meses, com investimentos substanciais previstos em diversas faixas monetárias.
Inovação em modelos de linguagem: Amr Awadallah, CEO e cofundador da Vectara, destaca a evolução dos grandes modelos de linguagem, que agora são capazes de entender, raciocinar e analisar em múltiplos idiomas e campos do conhecimento, superando a simples repetição de informações.
Desafios técnicos e éticos: existem várias barreiras que impedem a eficácia total dos LLMs (Large Language Models), incluindo alucinações dos modelos, falta de transparência nos resultados, problemas de direitos autorais e questões de segurança. Esses desafios são cruciais para empresas como a Vectara e outras no setor.
Burocracias regulatórias
Legislação europeia sobre IA: a União Europeia aprovou a Lei de IA, que proíbe certas aplicações e exige aprovação prévia para outras, refletindo preocupações regulatórias crescentes.
Ações corporativas cautelosas: o Google interrompeu a geração de imagens no seu modelo Gemini devido a preocupações com a precisão histórica das imagens. A OpenAI, por sua vez, optou por não lançar publicamente seu novo Voice Engine, que pode clonar vozes com apenas uma amostra de 15 segundos, devido aos riscos potenciais, especialmente em contextos sensíveis como anos eleitorais.
Escassez de hardwares
No aspecto de hardware e latência, a demanda explosiva por GPUs, impulsionada pelo desenvolvimento de LLMs, levou a uma escassez e aumento de preços dos chips.
Empresas como Nvidia, Intel e AMD, bem como novos entrantes como Cerebras e Hailio, estão intensificando a produção para atender a essa demanda.
Veio para ficar ou é apenas “hype”?
Ainda é incerto se a comunidade de computação conseguirá superar todos os desafios e realizar plenamente o potencial da IA Generativa.
Críticas recentes indicam que a tecnologia pode ter sido superestimada inicialmente. Por exemplo, uma análise da Sequoia, publicada pelo Wall Street Journal, revelou que os retornos financeiros de investimentos significativos em GPUs Nvidia por parte de empresas de IA ainda são modestos.Gary Marcus, professor da NYU, e Demis Hassabis, líder do Google DeepMind, também expressaram preocupações sobre a sustentabilidade e as práticas no setor de IA. Apesar dessas incertezas, os LLMs e a IA Generativa apresentam promessas revolucionárias para a interação humano-computador, embora o alcance e o tempo dessas mudanças permaneçam indefinidos.
