Por Gabriel Cunha, especialista em inteligência artificial na Oracle
A inteligência artificial vive um momento de transição. Depois de anos em que o avanço dos grandes modelos de linguagem, os chamados LLMs, foi impulsionado pelo aumento da capacidade computacional, pela disponibilidade de dados e pelo crescimento dos modelos, a indústria começa a enfrentar uma questão mais complexa: até onde essas arquiteturas conseguem evoluir e se elas serão suficientes para alcançar a Inteligência Artificial Geral (AGI).
Os grandes modelos de linguagem estão no centro da transformação que levou a inteligência artificial generativa a um novo patamar. Sistemas como o ChatGPT demonstraram uma capacidade cada vez maior de compreender comandos, produzir textos, escrever códigos, resumir informações e executar tarefas que antes exigiam intervenção humana. A mesma evolução alcançou imagens, vídeos e áudios, ampliando significativamente o potencial de aplicação da tecnologia.
Mas executar tarefas complexas com eficiência não significa necessariamente reproduzir capacidades mais amplas da inteligência humana. Os modelos atuais são capazes de processar grandes volumes de informação, identificar padrões e estabelecer relações a partir dos dados utilizados em seu treinamento. O desafio para os próximos anos será desenvolver sistemas capazes de aprender de maneira mais contínua, lidar com diferentes tipos de informação, compreender contextos mais amplos e se adaptar a situações novas.
