Se você acredita que um modelo de inteligência artificial funcionando em milhares de chips de computador de última geração é inteligente, permita-me apresentar-lhe o conceito de um bebê de um ano.
Bebês são máquinas de aprendizado extraordinárias, e avanços importantes para a inteligência artificial podem em breve ser encontrados na arquitetura de seus pequenos cérebros. Enquanto os modelos atuais de IA consomem uma quantidade imensa de dados de treinamento e tanta energia quanto um país pequeno, os bebês aprendem a compreender o mundo com eficiência impressionante. Eles identificam novos objetos após vê-los uma ou duas vezes, e aprendem através de observação breve e interação física.
Para explorar essa nova fronteira promissora, pesquisadores da Meta, da Universidade de Stanford, da Universidade de Tóquio e da École Normale Supérieure, na França, desenvolveram um novo teste que destaca as habilidades de aprendizado dos bebês e desafia os pesquisadores de IA a criar algoritmos que as igualem.
O Desafio EgoBabyVLM avalia quão bem os modelos de visão e linguagem, que aprendem tanto com texto quanto com imagens, conseguem compreender o mundo como um bebê o vê. O teste exige que um modelo descreva o mundo após processar cerca de mil horas de vídeo gravado por câmeras fixadas na cabeça de bebês e crianças pequenas.
Surpreendentemente, os modelos de ponta falham miseravelmente quando alimentados com esse footage realista e caótico, o que sugere que pode haver algo diferente no design do cérebro infantil que permite aprender tão rapidamente com tão pouca informação.
Em vez de conjuntos de dados organizados, os bebês aprendem com uma visão multicolorida das coisas: pais falando sobre objetos que não estão mais visíveis, indicando coisas usando o olhar ou gestos, ou discutindo eventos do passado ou do futuro em vez do que está acontecendo no momento. Os bebês aprendem não apenas da linguagem, mas também de uma experiência rica multissensorial e tátil, afirma Michael Frank, cientista cognitivo da Universidade de Stanford especializado em aprendizado de linguagem e envolvido no desenvolvimento do EgoBabyVLM.
O teste demonstra que, quando se trata de IA, "é claro que há mais [do que apenas linguagem] que é necessário", segundo Frank.
O EgoBabyVLM é apenas o exemplo mais recente de como os cientistas estão usando a IA para explorar a inteligência humana. Um desafio chamado BabyLM, introduzido em 2023, desafiou modelos de IA a aprender a sintaxe da linguagem usando aproximadamente a mesma quantidade de dados que uma criança de 10 anos consome — dezenas de milhões de palavras, em comparação com os trilhões usados pelos modelos de IA.
Notavelmente, os modelos de IA baseados em transformadores — que processam linguagem prestando atenção à relação entre palavras em diferentes frases — conseguem fazer isso muito bem, um resultado que desafia as ideias de Noam Chomsky sobre como a sintaxe pode estar codificada no cérebro humano.
Ryan Cotterell, linguista da ETH Zurich que primeiro desenvolveu o BabyLM, afirma que a situação é diferente quando se trata de compreender o mundo físico. "Não vai existir um grande corpus de interações humanas — não há uma internet de interações humanas", explica ele.
Joshua Tenenbaum, cientista cognitivo do Instituto de Tecnologia de Massachusetts, observa que o BabyLM mostrou que os modelos não adquirem "senso comum" sobre o mundo físico, dinâmicas sociais ou teoria da mente.
"Os transformadores são muito bons em encontrar padrões nos dados", afirma Tenenbaum. "Mas parece que sistemas de aprendizado puramente baseados em padrões não são capazes de receber o tipo de dados que um bebê ou uma criança recebe e aprender todas as coisas que eles aprendem."
Uma questão persistente é se a evolução encontrou uma forma de otimizar certas habilidades de aprendizado em humanos e outros animais, ou se algoritmos simples de aprendizado podem fazer tudo o que fazemos. "Há muito debate na ciência cognitiva e neurociência sobre quanto do cérebro é construído evolutivamente", explica Tenenbaum. "O cérebro é incrivelmente complexo, e há muita estrutura e arquitetura incorporadas."
Em 2024, pesquisadores demonstraram que um modelo básico de visão e linguagem pode aprender coisas simples, como o que é uma bola, apenas consumindo dados gravados da cabeça de um único bebê. Mas isso ainda está longe de raciocinar sobre o mundo de maneiras sofisticadas. "O mistério é como as crianças chegam às capacidades completas que têm mesmo aos 2 anos de idade", afirma Brendan Lake, cientista cognitivo da Universidade de Princeton envolvido no projeto.
Os autores do artigo do EgoBabyVLM sugerem que adaptar diferentes ideias da ciência cognitiva e neurociência poderia permitir progresso em direção a algoritmos de aprendizado mais semelhantes aos humanos. Isso inclui projetar modelos que possam prestar atenção por períodos mais longos e interpretar pistas sociais.
Frank, de Stanford, já demonstrou que abordagens inovadoras podem nos aproximar de uma IA mais parecido com um bebê. Earlier this year, ele e seus colegas testaram um novo tipo de modelo adepto a aprender causalidade e relações visuais e temporais — ou como os objetos afetam uns aos outros ao longo do tempo — usando os mesmos dados de vídeo da cabeça do bebê. Eles descobriram que o novo modelo foi capaz de aprender sobre a dinâmica de diferentes objetos, uma base para raciocínio físico, de forma muito mais eficaz.
É uma possibilidade tentadora: talvez modelos tendenciosos a aprender mais rapidamente sobre coisas como física e relações sociais possam ser aprendizes mais eficientes no geral.
"O EgoBabyVLM é um desafio wonderful", afirma Lake. "Estou animado para ver que tipos de novas arquiteturas, abordagens e ingredientes os pesquisadores vão criar."
Fonte: Feed: All Latest
