A Revolução dos Modelos de IA Compactos: Desbravando Novas Fronteiras Computacionais
A rápida evolução dos modelos de inteligência artificial (IA) tem sido impressionante. Quando o ChatGPT foi lançado em novembro de 2023, ele só podia ser acessado por meio da nuvem, pois o modelo por trás dele era simplesmente enorme. Hoje, é possível executar um programa de IA com capacidades semelhantes em um Macbook Air, sem que o computador sequer esquente. Essa redução de tamanho mostra como os pesquisadores estão refinando rapidamente os modelos de IA para torná-los mais enxutos e eficientes.
Modelos de IA Menores, Mais Poderosos
O modelo que está infundindo meu laptop com a perspicácia e sabedoria semelhantes ao ChatGPT é chamado de Phi-3-mini. Ele faz parte de uma família de modelos de IA menores recentemente lançados pelos pesquisadores da Microsoft. Embora seja compacto o suficiente para rodar em um smartphone, eu o testei executando-o em um laptop e acessando-o por meio de um aplicativo chamado Enchanted, que fornece uma interface de bate-papo semelhante à do aplicativo oficial do ChatGPT.
De acordo com um artigo descrevendo a família de modelos Phi-3, os pesquisadores da Microsoft afirmam que o modelo que eu usei se compara favoravelmente ao GPT-3.5, o modelo da OpenAI por trás do primeiro lançamento do ChatGPT. Essa afirmação é baseada na medição de seu desempenho em vários benchmarks de IA padrão, projetados para medir o senso comum e o raciocínio. Em meus próprios testes, ele parece tão capaz quanto o ChatGPT.
Modelos Multimodais e Aplicativos de IA Locais
A Microsoft anunciou um novo modelo Phi-3 “multimodal”, capaz de lidar com áudio, vídeo e texto, em sua conferência anual de desenvolvedores, a Build, esta semana. Isso aconteceu apenas alguns dias depois que a OpenAI e a Google anunciaram novos assistentes de IA radicais, construídos sobre modelos multimodais acessados por meio da nuvem.
A família Lilliputiana de modelos de IA da Microsoft sugere que é possível construir todo tipo de aplicativos de IA práticos que não dependem da nuvem. Isso poderia abrir novos casos de uso, permitindo que eles sejam mais responsivos ou privados. Algoritmos offline são uma peça-chave do recurso Recall, anunciado pela Microsoft, que usa IA para tornar tudo o que você já fez em seu PC pesquisável.
Otimizando a Inteligência Artificial
A família Phi também revela algo sobre a natureza da IA moderna e talvez sobre como ela pode ser aprimorada. Sébastien Bubeck, um pesquisador da Microsoft envolvido no projeto, me diz que os modelos foram construídos para testar se ser mais seletivo sobre o que um sistema de IA é treinado poderia fornecer uma maneira de ajustar suas habilidades.
Os grandes modelos de linguagem, como o GPT-4 da OpenAI ou o Gemini da Google, que alimentam chatbots e outros serviços, geralmente são alimentados com grandes quantidades de texto provenientes de livros, sites e praticamente qualquer outra fonte acessível. Embora isso tenha levantado questões legais, a OpenAI e outros descobriram que aumentar a quantidade de texto fornecida a esses modelos e a quantidade de poder computacional usada para treiná-los pode desbloquear novas capacidades.
Educando Modelos de IA com o Conteúdo Certo
Bubeck, interessado na natureza da “inteligência” exibida pelos modelos de linguagem, decidiu ver se curar cuidadosamente os dados fornecidos a um modelo poderia melhorar suas habilidades, sem ter que aumentar seus dados de treinamento. Em setembro passado, sua equipe pegou um modelo aproximadamente 1/17 do tamanho do GPT-3.5 da OpenAI, treinou-o em dados sintéticos de “qualidade de livro didático”, incluindo fatos de domínios específicos, como programação. O modelo resultante exibiu habilidades surpreendentes para seu tamanho.
“Eis que observamos que conseguimos superar o GPT-3.5 em codificação usando essa técnica”, diz ele. “Isso realmente nos surpreendeu.”
Conclusão: O Futuro da Computação é Compacto
Os resultados de Bubeck sugerem que tornar os futuros sistemas de IA mais inteligentes exigirá mais do que simplesmente aumentá-los ainda mais. E parece provável que modelos reduzidos como o Phi-3 serão uma característica importante do futuro da computação. Executar modelos de IA “localmente” em um smartphone, laptop ou PC reduz a latência ou interrupções que podem ocorrer quando as consultas precisam ser enviadas para a nuvem. Isso também garante que seus dados permaneçam em seu dispositivo e pode desbloquear novos casos de uso para a IA, impossíveis no modelo centrado na nuvem.
À medida que a IA se torna cada vez mais onipresente em nosso dia a dia, a capacidade de executá-la de forma local e eficiente será fundamental. Modelos de IA compactos, como os da família Phi, podem ser a chave para desbloqueá-la.
Referência: Modelos de IA de Bolso Destravam uma Nova Era da Computação