Como sistemas de IA que aprender imitando os mecanismos do cérebro humano Proceed avançando, estamos testemunhando uma evolução em modelos, desde a regurgitação mecânica até o raciocínio genuíno. Essa capacidade marca um novo capítulo na evolução da IA - e o que as empresas podem ganhar com ele. Mas, para explorar esse enorme potencial, as organizações precisarão garantir que tenham a infraestrutura certa e os recursos computacionais para apoiar a tecnologia avançada.
A revolução do raciocínio
“Os modelos de raciocínio são qualitativamente diferentes dos LLMs anteriores”, diz Prabhat Ram, arquiteto da AI/HPC da Microsoft, observando que esses modelos podem explorar diferentes hipóteses, avaliar se as respostas estão consistentemente corretas e ajustar sua abordagem de acordo. “Eles criam essencialmente uma representação interna de uma árvore de decisão com base nos dados de treinamento a que foram expostos e exploram qual solução pode ser a melhor”.
Essa abordagem adaptativa para a solução de problemas não é sem trade-offs. O LLMS anterior forneceu saídas em milissegundos com base na correspondência de padrões estatísticos e na análise probabilística. Isso foi – e ainda é – eficiente para muitas aplicações, mas não permite a IA tempo suficiente para avaliar completamente vários caminhos de solução.
Em modelos mais recentes, o tempo prolongado de computação durante a inferência – secos, minutos ou até mais – permite que a IA empregue um aprendizado de reforço interno mais sofisticado. Isso abre a porta para a solução de problemas em várias etapas e a tomada de decisão mais sutil.
Para ilustrar casos de uso futuros para IA com capacidade para raciocínio, Ram oferece o exemplo de um rover da NASA enviado para explorar a superfície de Marte. “As decisões precisam ser tomadas a cada momento em que caminho a seguir, o que explorar e deve haver um trade-off de recompensa de risco. A IA precisa ser capaz de avaliar: ‘Estou prestes a pular de um penhasco? Ou, se eu estuda essa rocha e, no ultimate, é que eu tenho uma quantidade de tempo e, no ultimate, é um dos resultados que são mais bem-sucedidos.
Os recursos de raciocínio também são um marco na proliferação de sistemas de IA agênticos: aplicativos autônomos que executam tarefas em nome dos usuários, como agendar compromissos ou reservar itinerários de viagem. “Se você está pedindo à IA que faça uma reserva, forneça um resumo da literatura, dobre uma toalha ou pegue um pedaço de rocha, ela precisa primeiro entender o ambiente-o que chamamos de percepção-compreende as instruções e depois se mude para uma fase de planejamento e tomada de decisão”, explica Ram.
Aplicações corporativas de sistemas de IA com capacidade para raciocínio
Os aplicativos corporativos para IA com capacidade para raciocínio são abrangentes. Nos cuidados de saúde, o raciocínio de sistemas de IA pode analisar dados do paciente, literatura médica e protocolos de tratamento para apoiar as decisões de diagnóstico ou tratamento. Em pesquisa científica, os modelos de raciocínio podem formular hipóteses, projetar protocolos experimentais e interpretar resultados complexos – acelerando potencialmente descobertas entre os campos da ciência dos materiais aos produtos farmacêuticos. Na análise financeira, o raciocínio da IA pode ajudar a avaliar oportunidades de investimento ou estratégias de expansão do mercado, além de desenvolver perfis de risco ou previsões econômicas.
Armado com essas idéias, sua própria experiência e inteligência emocional, médicos humanos, pesquisadores e analistas financeiros poderiam tomar decisões mais informadas, mais rapidamente. Mas antes de definir esses sistemas na natureza, as estruturas de salvaguardas e governança precisarão ser de ferro, particularmente em contextos de alto risco, como cuidados de saúde ou veículos autônomos.