A implantação do ChatGPT da OpenAI pela Microsoft tem sido extremamente popular, e sua implementação surpresa desse sistema avançado de IA generativa pegou empresas como Google e Apple cochilando.
O Google está respondendo agressivamente à ameaça e desenvolvendo sua própria solução de IA generativa, Bard, mas tanto o Google quanto a OpenAI estão enfrentando ações coletivas alegando violações de direitos autorais relacionadas ao treinamento de suas IAs com base nas enormes quantidades de dados usadas para treinar esses sistemas.
Os demandantes nesses processos provavelmente não entendem as implicações para suas carreiras caso sejam bem-sucedidos. Não estou falando sobre repercussões da Microsoft, Google ou outros, mas a forma como eles próprios foram treinados também pode se enquadrar em qualquer decisão relacionada e resultar em processos futuros por outras pessoas de quem aprenderam.
Vamos explorar o processo de empresas de IA generativa esta semana e encerraremos com meu Produto da semana, um novo laptop da HP que pode ser perfeito para você que viaja muito a trabalho.
Litígio é perigoso
Infelizmente, tive muita experiência em litígios. Fui designado para o jurídico da IBM por um tempo em contratos, gerenciei meu próprio litígio por algumas décadas e fui selecionado como testemunha especialista em várias ocasiões. Eu também treinei para ser um advogado antes de mudar para uma carreira muito diferente.
Aprendi que o litígio não é nada parecido com o que é retratado na TV. Ambos os lados entram no tribunal com visões opostas da realidade, e o juiz e/ou júri ouvem ambos os lados antes de escolher o argumento mais convincente como vencedor. O lado vencedor, que pode estar errado, sente-se justificado, e o lado perdedor geralmente se sente enganado.
O resultado pode ter consequências terríveis e não intencionais para o lado perdedor, que podem ser muito piores do que se eles tivessem deixado tudo sozinho em primeiro lugar ou resolvido sem julgamento. Os recursos geralmente custam cerca de US$ 40.000 e raramente são bem-sucedidos. Os custos iniciais do julgamento podem variar de mais de $ 10.000 a centenas de milhares de dólares antes do julgamento, e os julgamentos podem ser muito caros além disso.
Portanto, antes de processar alguém, você precisa fazer não apenas uma avaliação honesta sobre a probabilidade de ganhar, mas cobrir quaisquer possíveis consequências não intencionais de ganhar ou perder. É aqui que acho que as pessoas que estão processando as plataformas de IA generativa estão com problemas porque não apenas é improvável que ganhem, mas, se vencerem, o resultado pode custar-lhes suas carreiras.
Deixe-me explicar.
Como a IA generativa é treinada
A IA generativa é treinada observando grandes quantidades de dados e padrões, que podem ser transformados no que chamamos de inferência, que é um conjunto de dados muito menor e amplamente federado (onde os contribuidores do conjunto de dados foram removidos) que é usado como a base para a operação da IA.
Dito de outra forma, as IAs observam dados digitalizados em uma escala massiva que torna os contribuidores individuais não identificáveis. Esse processo de observação leva à formação de um conhecimento amalgamado que constitui o cérebro da IA.
Dependendo do tamanho do conjunto de dados resultante, deve ser impossível – sem ferramentas de transparência que existem em alguns dos Ais mais recentes – rastrear o comportamento de qualquer indivíduo que tenha fornecido intencionalmente ou não os dados de treinamento.
Por exemplo, aprender a ser um comediante pode exigir um conjunto de treinamento de muitas transmissões de áudio e vídeo de comediantes. Com base no feedback do público ou de um operador de treinamento, a IA aprenderia quais piadas eram e quais não eram engraçadas. Em seguida, derivaria sua rotina de comédia do que aprendeu, sem depender exclusivamente de nenhum colaborador.
A questão a ser respondida é se o resultado infringe os direitos autorais de qualquer pessoa que, sem intenção e sem permissão, ajudou a criar o conjunto de dados de treinamento.
O problema inesperado
O problema inesperado é que, como as IAs, não nascemos com um conhecimento intrínseco de como fazer quase tudo. Aprendemos observando os outros, e nossa educação vem da leitura sobre eventos e pessoas que já foram vivas ou criadas ficcionalmente para entreter ou enfatizar um ponto específico.
Quando se trata de um negócio como comédia stand-up, tendemos a aprender assistindo outros quadrinhos. A comédia é uma carreira que pode ser usada para copiar colegas. A diferença é que os humanos não têm capacidade mental ou tempo para aprender com mais do que um punhado de mentores intencionais ou não intencionais, enquanto um computador pode consumir informações de milhares de indivíduos em um momento.
Então, se o aprendizado de computador de muitos comediantes acaba sendo ilegal, então um comediante humano real aprendendo com um número muito menor também estaria infringindo os direitos de seus colegas comediantes? A única diferença real entre como a IA aprende atualmente e como as pessoas aprendem é a velocidade com que o aprendizado é realizado e a quantidade de dados de treinamento observados.
Se aqueles que processam a OpenAI e o Google forem bem-sucedidos, a mesma jurisprudência pode ser usada contra eles, resultando no que provavelmente seriam multas caras.
Como a maior parte do trabalho geralmente é aprendida pela observação de outras pessoas e é potencialmente derivada, ninguém poderia processar outra pessoa que foi treinada com dados originados do autor da ação?
Em outras palavras, usando a premissa do comediante, se esses autores forem bem-sucedidos, outros comediantes não poderiam processá-los por causa de metodologia de treinamento semelhante, e alguns comediantes seriam potencialmente impedidos de atuar por infração caso suas piadas parecessem ter vindo de outras pessoas quem agora também quer ser compensado?
Empacotando
A IA generativa agora está aprendendo de forma autônoma e avançando em um ritmo incrível e quase inacreditável. Ele é treinado em vastos armazenamentos de dados que podem conter informações críticas sobre você e seu cônjuge. Este processo de treinamento provavelmente está em questão porque esses sistemas começarão a substituir muitas das pessoas que contribuíram involuntariamente com seus dados para treinamento.
Mas dado que todo o conhecimento humano e como ele é transmitido efetivamente vem de outra pessoa, esse conceito de processar por uma parte do resultado parece mal concebido e pode ter um impacto adverso em qualquer um que aprenda com os outros no futuro.
Finalmente, o conjunto de treinamento não tem vida útil, o que significa que o conhecimento coletado terá uma vida que pode durar séculos após a morte do colaborador, garantindo uma forma muito limitada de imortalidade digital.
Como resultado, duvido que os demandantes nesses casos prevaleçam e, caso o façam, que o julgamento possa ter implicações muito mais prejudiciais sobre como somos treinados do que o previsto.
Notebook HP Dragonfly G4
Meu laptop favorito de todos os tempos continua sendo o laptop HP Folio com tecnologia Qualcomm por causa de sua enorme duração de bateria de 21 horas. A HP seguiu com um Folio baseado em Intel e focado nos negócios com apenas cerca de seis horas de duração da bateria, o que partiu meu coração. O novo Dragonfly G4 da HP também é baseado em Intel, mas salta para cerca de 13 horas de duração da bateria, o que deve ser muito melhor.
Por cerca de $ 1.300 para uma configuração básica, o HP Dragonfly G4 oferece desempenho decente, mas não opressor, para um notebook de classe premium. Este é um notebook de classe empresarial e possui a solução vPro da Intel para garantir a conformidade com os padrões corporativos.
Este laptop tem um ajuste e acabamento muito limpos, um dos melhores teclados que já experimentei, uma webcam decente, alto-falantes impressionantes e uma precisão de cores de exibição surpreendentemente boa. O Dragonfly G4 possui dois recursos exclusivos: “controle automático da câmera” e “distorção automática”.
O primeiro permite que você use várias câmeras simultaneamente ao transmitir, permitindo que tanto seu rosto quanto o(s) objeto(s) que a outra câmera vê sejam mostrados na mesma imagem. O outro permite que você visualize os itens em um ângulo com a segunda câmera, mas faça com que pareçam que a câmera estava diretamente acima.
Dada a quantidade de pessoas que lutam em reuniões de videoconferência para mostrar conteúdo, esses dois recursos são uma dádiva de Deus. Estou surpreso que outros OEMs de PC não tenham feito nada semelhante.
Com 2,2 libras, o Dragonfly G4 da HP se enquadra na categoria ultraleve e não deve fazer você se sentir como um Quasimodo ao carregá-lo na mochila. Ele também possui uma seleção de telas opcionais, opções de WAN e alguns processadores Intel opcionais.
Embora eu ainda prefira a sensação e a aparência dos laptops HP Folio, este HP Dragonfly G4 não é nada feio. Por causa de todas as suas melhorias e maior duração da bateria, é o meu Produto da Semana.
