Ep. 154 - A tal da inteligência artificial

Neste episódio do Love the Problem, a apresentadora Maria recebe Rafael Kensky e Michel Fernandes para discutir a inteligência artificial e seu impacto no trabalho e na sociedade. Rafael, originalmente jornalista e ex-editor da Superinteressante, migrou para a área de programação há cerca de dez anos, estudando álgebra linear, probabilidade e estatística por conta própria, e hoje desenvolve projetos de IA, incluindo o Kensky IA, voltado à educação em inteligência artificial. Michel, engenheiro elétrico com mestrado em IA na área de educação acadêmica, leciona visão computacional na FIAP e atua como gerente de engenharia de software na John Deere.

Rafael conta que sua jornada começou no jornalismo de ciência, mas percebeu que a área estava em transformação. Passou por inovação, novos formatos de mídia, pesquisa de mercado e gestão de inovação, com mestrado em Londres. O denominador comum era programação e dados. O plot twist foi a transição de humanas para exatas: em humanas, cada vez que se estuda, se sabe menos porque se questiona tudo; em exatas, há feedback imediato e a sensação de progresso concreto. Depois, caiu em projetos de inovação na S-Tiank, onde estudou IA mais a sério, trabalhando com jurimetria e projetos com Michel, como um robô para ler sentenças e acordos da Justiça Trabalhista.

Michel começou sua relação com IA por volta de 2001, numa grande empresa de telecomunicações, monitorando falhas de telefone e acesso à internet. Usava algoritmos simples de estatística, como controle estatístico do processo, para detectar problemas antes que os clientes ligassem ao call center. O impacto financeiro e na experiência do cliente foi enorme. Depois, trabalhou em fiscalização de serviços terceirizados, mapeando atributos como dia da semana, horário e se o serviço foi prestado no almoço ou no fim do expediente para identificar casos mal executados. Cada enxadada era uma minhoca: o número de penalizações aumentava e o objetivo era reciclar profissionais, não punir. Essa experiência na aurora da computação em nuvem, antes da AWS em 2006, o incentivou a fazer mestrado em 2011, na área de pesquisa de imagens médicas, estudando a antecipação da doença de Alzheimer pela análise de ressonância magnética cerebral. A grande vantagem da IA versus o humano, segundo Michel, é a capacidade de análise multivariada: enquanto o ser humano se entende bem com duas ou três dimensões, a IA lida com imagens volumétricas e extrai insights que seriam muito difíceis para um especialista.

Sobre a definição de inteligência artificial, Rafael a descreve como o uso de máquinas para resolver problemas difíceis que não podem ser solucionados com uma equação ou otimização direta, num espaço de possibilidades às vezes infinito, buscando uma solução satisfatória. Isso envolve interpretar uma imagem com milhões de pixels, ordenar uma frota de caminhões, gerar texto. Ele é extremamente cético em relação a comparações com o cérebro humano ou à ideia de que a IA vai superar a inteligência humana, citando a frase de que dizer que computador sabe pensar é mais ou menos equivalente a dizer que submarino sabe nadar. Michel concorda: a IA tenta mimetizar o aprendizado humano, mas os modelos são fechados após o treinamento e não aprendem coisas novas ao mesmo tempo que inferem. Há limitações e riscos de vieses, pois os modelos aprendem com os dados fornecidos pelos humanos. Quanto mais dados e diversidade de exemplos, melhor o resultado, mas ainda não se chegou ao valor ótimo.

Sobre o impacto no trabalho, Rafael afirma que a IA é uma revolução tecnológica que vai mudar várias indústrias e tarefas. Toda grande transformação mexe no status quo: é ameaça para quem está se dando muito bem e oportunidade para quem não está. A mudança mais imediata é saber lidar com a ferramenta, incorporá-la ao trabalho para aumentar produtividade e escala. Uma pessoa sozinha quase consegue fazer um filme inteiro, um desenvolvedor sozinho quase vira um departamento de TI com ferramentas como o GitHub Copilot. O custo de fazer qualquer coisa caiu muito, permitindo que indivíduos enfrentem empresas que antes exigiam capital forte. Michel traz o exemplo da John Deere em Horizontina, no Rio Grande do Sul, onde pessoas que começaram no chão de fábrica evoluíram para engenharia de produto, criando instrumentos que combinam IA e visão computacional para inspeções visuais. A cidade, com 20 mil habitantes, hoje tem uma faculdade de engenharia para prover recursos capacitados. Michel também lembra que, na transição da Revolução Industrial do vapor para a eletricidade, as empresas que mais se beneficiaram foram as que não tinham a base cara de caldeiras. Os profissionais que hoje entram em contato com a tecnologia só precisam entender como tirar proveito dela. Ele conta que, no passado, rejeitou o Google em favor da Alta Vista e rejeitou a Amazon em 2008 por não entender cloud computing, e conclama: não seja o Michel do passado. Estejamos abertos para as mudanças, porque já mudaram.

Sobre habilidades necessárias, Rafael aponta que existe uma competência técnica mínima de IA, comparável ao que era saber usar o pacote Office em 2002, um bilhete de entrada. A grande competência que vai ser exigida é saber definir o problema, saber exatamente o que se quer, porque o custo de execução caiu drasticamente. A profissão do momento é a de engenheiro de prompt: mudar a pergunta, o ângulo, para obter o resultado esperado. Em geração de imagens, isso exige conhecimento de história da arte e técnicas de fotografia avançadas. Em texto e software, é a mesma lógica: saber qual conteúdo se quer, onde se quer chegar, e dar feedback à máquina. Michel concorda, mas diz que não gosta do termo prompt engineering, achando um exagero e um hype. O essencial é saber se expressar. Ele dá o exemplo de pedir ao MidJourney uma imagem de uma pessoa com uma máquina de escrever: em português, a IA entende como qualquer máquina; ao trocar para typewriter, a imagem converge. A IA é um copiloto, um assistente que acelera, mas a entrega efetiva, a criatividade e o gut feeling são humanos. Michel reforça que as ferramentas de IA estão se tornando o novo pacote Office, já em fase de licenciamento e integração com ferramentas como o Photoshop.

Sobre responsabilidade, Rafael destaca que nenhum sistema de IA assume responsabilidade pelo resultado. Quem assina o clima no final do processo é o ser humano. É preciso ter bom senso e conhecimento para avaliar se o que a IA produziu faz sentido. Ele cita um post no LinkedIn em que alguém perguntou ao chat quem era e a IA respondeu que era sócio da Cavalier, uma informação completamente equivocada. Maria observa que nenhuma dessas habilidades exigidas pela IA é nova: comunicar-se, expressar-se, fazer boas perguntas, ter comunicação assertiva são competências que já se desenvolviam independentemente da tecnologia, o que tranquiliza.

No campo ético, Maria menciona o caso do robô da Microsoft em 2016 que, em poucas tweetadas, virou nazista. Rafael defende um nível bem maior de regulamentação, em especial em termos de transparência. O GPT-4, o mais avançado da OpenAI, é um sistema sobre o qual se sabe nada: não se conhece os dados de treinamento, se há conteúdo roubado, copyright violado ou bases problemáticas. É inevitável que os sistemas tenham vieses, pois são treinados em conteúdos produzidos por humanos. Precisam-se sistemas de controle para detectar e mitigar esses vieses, diálogos sobre categorias representadas e grupos testados. Michel acrescenta a questão jurídica dos direitos autorais em arte generativa: se uma IA copia o estilo de um artista, deve-se pagar direitos autorais? Não há consenso. Ele cita o exemplo do Elon Musk, que abriu o código de um de seus modelos, e deixa o desafio para a OpenAI fazer o mesmo. A IA está fazendo parte da sociedade e precisa de abertura e debate para que todos possam colaborar e minimizar vieses. O episódio encerra com a convicção de que a evolução vai ser boa e que quem se adaptar vai se beneficiar enormemente.