Entenda o que são dados sintéticos: empresas de tecnologia usam a IA para treinar seus modelos

• Análise: Como as gigantes de tecnologia usam atalhos para coletar dados para a IA
• Conheça a nova aposta da IA: 'Influenciadores' virtuais mais reais que os humanos

Isso porque as empresas de tecnologia podem esgotar o texto de alta qualidade que a internet tem a oferecer para o desenvolvimento da inteligência artificial. E as empresas estão enfrentando processos de direitos autorais de autores, organizações de notícias e programadores de computador por usarem seus trabalhos sem permissão. Em uma dessas ações, o New York Times processou a OpenAI e a Microsoft.

Eles acreditam que os dados sintéticos ajudarão a reduzir os problemas de direitos autorais e aumentarão o fornecimento de materiais de treinamento necessários para a IA. Veja abaixo o que você deve saber sobre isso.

São dados gerados pela inteligência artificial.

• Você agradece a IA? Saiba por que (e por que não) deveríamos dizer 'obrigado' ou 'bom dia' a ferramentas de IA

Em vez de treinar modelos de IA com textos escritos por pessoas, empresas de tecnologia como Google, OpenAI e Anthropic esperam treinar sua tecnologia com dados gerados por outros modelos de I.A.

Não exatamente. Os modelos de IA erram e inventam coisas. Eles também demonstraram que captam os vieses que aparecem nos dados da Internet com base nos quais foram treinados. Portanto, se as empresas usam a IA para treinar a IA, elas podem acabar ampliando suas próprias falhas.

Não. As empresas de tecnologia estão fazendo experiências com eles. Mas, devido às possíveis falhas dos dados sintéticos, eles não são uma grande parte da forma como os sistemas de IA são construídos atualmente.

As empresas acreditam que podem refinar a forma como os dados sintéticos são criados. A OpenAI e outras empresas exploraram uma técnica em que dois modelos diferentes de IA trabalham juntos para gerar dados sintéticos mais úteis e confiáveis.

• Sora: Treinamento do IA de vídeo com YouTube violaria regras da plataforma, afirma CEO

Um modelo de IA gera os dados. Em seguida, um segundo modelo julga os dados, da mesma forma que um ser humano faria, decidindo se os dados são bons ou ruins, precisos ou não. Os modelos de IA são, na verdade, melhores para avaliar o texto do que para escrevê-lo.

— Se você der duas coisas à tecnologia, ela é muito boa em escolher qual delas parece melhor — disse Nathan Lile, executivo-chefe da start-up de inteligência artificial SynthLabs.

A ideia é que isso forneça os dados de alta qualidade necessários para treinar um chatbot ainda melhor.

Mais ou menos. Tudo se resume ao segundo modelo de IA.

A Anthropic tem sido a mais explícita em seus esforços para fazer isso funcionar. Ela ajusta o segundo modelo de IA usando uma "constituição" selecionada pelos pesquisadores da empresa. Isso ensina o modelo a escolher textos que apoiem determinados princípios, como liberdade, igualdade e senso de fraternidade, ou vida, liberdade e segurança pessoal. O método da Anthropic é conhecido como "I.A. Constitucional".

• Meta: Empresa identificará em suas redes sociais áudios, imagens e vídeos gerados por IA

Mesmo assim, são necessários humanos para garantir que o segundo modelo de IA permaneça no caminho certo. Isso limita a quantidade de dados sintéticos que esse processo pode gerar. E os pesquisadores discordam sobre se um método como o da Anthropic continuará a aprimorar os sistemas de I.A.

Os modelos de IA que geram dados sintéticos foram treinados com dados criados por humanos, muitos dos quais protegidos por direitos autorais. Portanto, os detentores de direitos autorais ainda podem argumentar que empresas como a OpenAI e a Anthropic usaram textos, imagens e vídeos protegidos por direitos autorais sem permissão.

• Antigo Twitter: X 'devolve' selo azul sem custos para contas com muitos seguidores; entenda

Jeff Clune, professor de ciência da computação da Universidade da Colúmbia Britânica, que trabalhou anteriormente como pesquisador da OpenAI, disse que os modelos de IA podem se tornar mais poderosos do que o cérebro humano em alguns aspectos.

Mas eles farão isso porque aprenderam com o cérebro humano.

—Tomando emprestado de Newton: A I.A. enxerga mais longe por estar sobre os ombros de conjuntos de dados humanos gigantescos — disse ele.