A inteligência artificial generativa (GenAI) é uma tecnologia capaz de aprender a lidar com padrões complexos de comportamento, a partir de uma base ampla de dados. Em suma, trata-se de uma evolução da inteligência artificial, que se utiliza da aprendizagem de máquina (machine learning, em inglês), para se desenvolver e aperfeiçoar comandos.
Hoje já é possível utilizar a IA generativa para a criação de novos conteúdos, como simular conversas, criar textos, elaborar imagens e escrever músicas, entre outras aplicações. Por isso, a solução vem sendo adotada – e ampliada – nos mais diversos setores produtivos, desde a saúde até indústrias de base e o setor de mídia.
Navegue pelos tópicos abaixo para saber mais sobre o tema.
- Histórico e perspectivas da GenAI
- Como funciona a IA generativa?
- Machine Learning
- Assistentes virtuais
- Aplicações da inteligência artificial na saúde
- Diagnóstico médico
- Telemedicina
- Desenvolvimento de medicamentos
- Vigilância epidemiológica
- Gestão de sistemas de saúde
- Evolução da inteligência artificial generativa
- Exemplos de IA generativa
- Ética na IA generativa
- 3 pontos de atenção ética para a GenAi
Histórico e perspectivas da GenAI
De acordo com o professor Doutor Antônio Marcos Alberti, coordenador do Information and Communications Technologies Laboratory, do Instituto Nacional de Telecomunicações (ICT – Inatel), a inteligência artificial vem sendo estudada desde a conferência em Dartmouth, que aconteceu em 1956, quando se cunhou o termo, mas se popularizou recentemente com o aparecimento do ChatGPT.
Segundo o Gartner, 92% dos CIOs indicam crescimento de investimentos em inteligência artificial generativa nos próximos anos. Em contrapartida, a consultoria pondera que, no Brasil, 72% dos executivos entrevistados declararam que seus colaboradores têm resistência em incluir a GenAI no dia a dia de trabalho e, para 47%, as iniciativas com a tecnologia ainda não geraram retorno sobre o investimento (ROI) esperado.
Como funciona a IA generativa?
Enquanto as tecnologias de IA tentam imitar a inteligência humana para a execução de tarefas simples em computadores, a IA generativa tem a capacidade de, após receber o devido treinamento, aprender não só a linguagem humana, mas também linguagens de programação, de artes e de uma infinidade de temas relacionados aos mais diversos assuntos e setores.
Em outras palavras, uma IA generativa pode se utilizar de um modelo de machine learning para aprender padrões e identificar as relações em um conjunto de dados criados por humanos. O passo seguinte da solução é utilizar esses padrões aprendidos para gerar novas informações.
Na prática, a IA generativa absorve dados e, com eles, gera novas informações, de maneira original. Segundo definição do Canaltech, ela também pode gerar informações únicas a partir de cada interação. “Sua construção técnica permite ir além do aprendizado convencional, o que possibilita uma evolução constante, por conta própria, sem necessidade de programação humana”, destaca a matéria.
Ou seja, para o desenvolvimento da IA generativa é necessário um volume considerável de informações, sejam textos, vídeos ou imagens. Isso é o que garantirá o processamento por parte da máquina. Depois de abastecida, ela passa por processos internos de compreensão e, a partir de comandos, a própria tecnologia responderá por si.
Machine Learning
Quando o assunto é inteligência artificial generativa, machine learning (ML), ou aprendizado de máquina, é um capítulo necessário. No cenário atual, a otimização de processos via dados de qualidade permite a tomada das melhores decisões. Assim, o aprendizado de máquina conquista seu espaço e sua relevância.
O ML é considerado uma subcategoria da IA, uma vez que é responsável por alimentar as máquinas com dados, para que a própria inteligência artificial possa interpretá-los e gerar novas informações. Em outras palavras, trata-se da capacidade do sistema aprender com os dados processados.
O conceito de machine learning está associado à ideia de que os equipamentos são, sim, capazes de aprender com seus próprios dados, reconhecendo padrões e tomando decisões. Ao identificar esses padrões em conjuntos de dados, isso pode passar a ser aplicado em uma variedade de tarefas.
Assistentes virtuais
As possibilidades de criação a partir da IA generativa são praticamente ilimitadas. Em constante evolução, uma IA generativa é capaz de criar algo novo e inesperado, tendo como base os dados inseridos na máquina. E, hoje, as empresas estão se beneficiando disso.
É sabido que uma empresa pode usar a IA generativa para várias finalidades, como a criação e o desenvolvimento de chatbots, criação de mídia, desenvolvimento e design de produtos, entre tantas outras coisas.
Setores antes tradicionais, como o da saúde, também estão sendo impactados pela onda de inteligência artificial generativa. Hoje ela é utilizada, inclusive, como apoio para diagnósticos mais complexos, fazendo a identificação de padrões em exames médicos, por exemplo.
Aplicações da inteligência artificial na saúde
Diagnóstico médico
O uso de IA na análise de imagens médicas permite identificar padrões em radiografias, tomografias e ressonâncias magnéticas. A tecnologia amplia a precisão e a velocidade do diagnóstico, reduzindo a carga de trabalho dos médicos. O objetivo é complementar a análise clínica e otimizar a tomada de decisão.
Telemedicina
A IA aprimora plataformas de telemedicina com triagem automatizada, chatbots e algoritmos de diagnóstico. A tecnologia amplia o acesso à saúde, especialmente em regiões remotas, e permite o monitoramento de sinais vitais em tempo real.
Desenvolvimento de medicamentos
A IA generativa acelera a pesquisa farmacêutica ao analisar grandes bases de dados sobre compostos químicos e estruturas moleculares. A tecnologia permite prever quais substâncias têm potencial terapêutico, reduzindo tempo e custos na descoberta de novos medicamentos. Sistemas também auxiliam na verificação de interações medicamentosas e na personalização de tratamentos.
Vigilância epidemiológica
O cruzamento de dados de sintomas, mobilidade populacional e testes laboratoriais permite prever surtos de doenças. Modelos de aprendizado de máquina identificam padrões e contribuem para a alocação de recursos de saúde. A tecnologia viabiliza respostas mais rápidas a crises sanitárias e facilita a implementação de medidas preventivas.
Gestão de sistemas de saúde
A GenAI melhora a eficiência operacional ao detectar fraudes em sinistros e contas hospitalares. Algoritmos identificam padrões suspeitos e minimizam pagamentos indevidos. O resultado é a otimização dos recursos financeiros e a redução de custos para pacientes e seguradoras.
Evolução da inteligência artificial generativa
A ascensão da IA generativa foi impulsionada pelo aumento do poder de processamento computacional e o grande volume de dados (fundamental para treinar modelos de IA). Mais ainda, a escalabilidade é um aspecto importante, proporcionada pela computação em nuvem.
Não sem motivo, os grandes bancos, como o Itaú, estão migrando seus sistemas computacionais 100% para a nuvem. Isso viabiliza maior uso de assistentes de inteligência artificial, nos quais os robôs e os algoritmos estão saindo dos laboratórios para interagir com clientes em serviços. Segundo publicação do Valor, a proposta é reduzir o tempo de tarefas repetitivas, tendo como meta a hiperpersonalização de serviços e produtos aos clientes.
Exemplos de IA generativa
Nos últimos anos, novas ferramentas surgiram e vêm se popularizando, como o NotebookLM, lançado pelo Google no Brasil em 2024. Em resumo, a ferramenta amplia o uso do Gemini, IA generativa do Google, para que o usuário selecione até 50 fontes – incluindo PDFs, páginas da web, textos e apresentações no drive –, que servem de base para obter insights e reformular conteúdos.
Além de funções como sumários, linhas do tempo, análises e resumos em áudio, as respostas indicam as fontes de cada trecho, facilitando a verificação da origem das informações.
Segundo publicação do Seja Relevante, da Fundação Dom Cabral, as listas de fontes podem ser ajustadas conforme a necessidade. Observações e comentários também podem ser convertidos em fontes e incorporados ao repertório utilizado na geração das respostas.
Outros modelos mais conhecidos de IA generativa estão:
- Bing Chat: lançado em fevereiro de 2023, ficou famoso pela criação de imagens. Ele atribuiu uma nova funcionalidade ao motor de pesquisa do Bing. Agora, ele permite falar com o chatbot de IA em vez de simplesmente escrever nas consultas de pesquisa.
- ChatGPT: Generative Pre-trained Transformer (GPT). Trata-se do grande responsável pela popularização da IA no mundo. O GPT traz um modelo de linguagem natural e foi desenvolvido pela OpenAI.
- DALL-E: um sistema que cria imagens a partir de descrições textuais. Foi criado e desenvolvido pela OpenAI.
- Github Copilot: é plugin que foi desenvolvido pelo Github e tem a função de sugerir trechos de código. Ou seja, é basicamente usado por desenvolvedores.
- Jasper: é um sistema que cria textos de marketing, venda de produtos e textos específicos para mídias sociais.
- Midjourney: muito semelhante ao DALL-E, é uma ferramenta acessada através do Discord, mas que também cria imagens a partir de descrições de texto.
- Perplexity: Semelhante ao ChatGPT, o Perplexity AI é uma plataforma de GenAI, que busca informações em diversas fontes, incluindo artigos acadêmicos, e fornece resumos rápidos com citações acessíveis para aprofundamento. Sua diferença é a realização de buscas em tempo real, para tornar as informações mais atualizadas.
Ética na IA generativa
Com o avanço da GenAI, as questões éticas ganham relevância, conforme explicou Kay Firth-Butterfield, uma renomada advogada inglesa e especialista em IA durante entrevista para o jornal Valor, realizada pelo advogado Ronaldo Lemos. “Precisamos definir agora o que nós, humanos, queremos em nossas vidas com a IA”, resumiu.
Para Kay, é imperativo que as discussões éticas acompanhem o ritmo acelerado das inovações tecnológicas, garantindo que a IA seja desenvolvida e utilizada de maneira responsável.
Um exemplo da especialista é a aplicação da IA em processos de recrutamento. Embora possa otimizar a seleção de candidatos, há riscos significativos de vieses que podem perpetuar discriminações. Contra isso, ela defende que as empresas invistam em treinamento adequado para que seus colaboradores compreendam tanto as capacidades quanto as limitações da tecnologia, assegurando uma implementação ética e eficaz.
Kay ressalta, ainda, a importância de uma infraestrutura robusta para suportar a IA de forma ética. Isso inclui bases de dados de qualidade, conectividade eficiente e segurança cibernética sólida. Para ela, sem esses pilares, torna-se inviável estabelecer padrões elevados de governança.
Por fim, a especialista também destaca a necessidade de diversidade nas equipes que desenvolvem IA, alertando que a falta de inclusão pode resultar no desenvolvimento de algoritmos enviesados.
3 pontos de atenção ética para a GenAi
Além das considerações de Kay Firth-Butterfield, o Próximo Nível lista, a seguir, as três principais questões éticas envolvidas na inteligência artificial generativa:
- Deepfakes: criação de vídeos falsos realistas que podem ser usados para desinformação.
- Propriedade intelectual: questões sobre direitos autorais de conteúdos gerados por IA.
- Viés algorítmico: riscos de perpetuação de preconceitos presentes nos dados de treinamento.
