Os desenvolvimentos em torno da Inteligência Artificial estão acontecendo tão rapidamente que é difícil fazer previsões. Em vez de tentar prever o que vai acontecer em 2024, a pergunta é: de onde vem esse ritmo impressionante?
Os especialistas da Neo4j, provedora líder da tecnologia de bancos de dados de grafos, analisam os impulsionadores atuais, as consequências para o ecossistema de IA e as falhas que ainda precisam ser resolvidas.
#1: Investimentos a todo vapor
O setor de IA está em pleno crescimento. É verdade que as empresas têm investido muito dinheiro na tecnologia há muito tempo. No entanto, as cifras dos últimos anos são insignificantes em comparação com os valores que as empresas de tecnologia investiram em startups e soluções nos últimos 12 meses. Até mesmo as principais empresas de análise mal conseguem acompanhar suas previsões. O Gartner, por exemplo, previu no meio deste ano que, até 2026, mais de US＄ 10 bilhões (ou R＄ 49,3 bilhões de reais) seriam investidos em startups de IA. Ao final do ano, essa estimativa já pode ser considerada desatualizada diante dos investimentos massivos atuais, como os feitos pela Amazon e Google na startup de IA Anthropic (aproximadamente US＄ 4,5 bilhões ou R＄ 22,2 bilhões de reais pela cotação atual).
#2: Capacidades limitadas impulsionam a corrida de IA
Os investimentos não apenas impulsionam a pesquisa em IA, mas também arrastam todo o ecossistema da tecnologia – desde a nuvem até os sistemas de banco de dados e a indústria de semicondutores. O treinamento de aprendizado de máquina (Machine Learning) e grandes modelos de linguagem (LLM) requer grande poder computacional e capacidade de armazenamento. Novas séries de processadores e super GPUs estão claramente empurrando os limites do que é possível. No entanto, as instalações de fabricantes de chips como a Nvidia estão totalmente reservadas por anos, e os preços estão subindo exorbitantemente. Na batalha pela melhor performance de IA, gigantes de tecnologia de software, como a Microsoft, planejam entrar no negócio de semicondutores nos próximos anos.
#3: Efeito “bola de neve” atinge desenvolvedores e TI
O frenesi em torno da IA não está sendo alimentado apenas fora das empresas, Como a tecnologia de automação inerente, a IA impulsiona seu próprio desenvolvimento. Modelos de IA ajudam a criar modelos melhores em si mesmos. Desenvolvedores delegam tarefas demoradas aos sistemas, geram código automaticamente e encurtam significativamente os ciclos de inovação. De acordo com estimativas da McKinsey, os desenvolvedores podem aumentar seu desempenho de geração de código em até 45% com o apoio da inteligência artificial generativa. Ferramentas inteligentes de gerenciamento de TI, por sua vez, otimizam a potência computacional na nuvem e no data center da empresa para operações de IA no ambiente corporativo. Isso significa que a tecnologia de IA está crescendo continuamente.
#4: Democratização da IA nas empresas
Além da automação e otimização, a IA também está mudando o uso de dados – especialmente na combinação de LLMs e interfaces de usuário de linguagem natural (LUI, NLUI). Os usuários podem acessar informações mais facilmente do que nunca por meio de chatbots e Experiência de Pesquisa Generativa (SGE). O que costumava ser reservado para cientistas de dados, agora está teoricamente disponível para todos os funcionários da empresa, graças às APIs (Interface de Programação de Aplicação). No futuro, aplicativos específicos por departamento darão lugar a uma solução centralizada de IA alimentada por voz, baseada em uma curadoria de dados corporativos, fornecendo respostas relevantes em qualquer formato (escrito, imagem ou voz) e levando em consideração os direitos de acesso e regulamentações de proteção de dados.
#5 De grafos e vetores a bancos de dados
A democratização de dados requer abordagens especiais para armazenar, vincular, indexar e consultar dados. Bancos de dados vetoriais e sua capacidade de armazenar dados de alta dimensão de maneira eficiente estiveram entre os tópicos de IA mais discutidos em 2023. De acordo com analistas, os bancos de dados vetoriais ainda estão no início do ciclo de hype. No entanto, a busca por vetores agora também está integrada como um recurso padrão em muitos bancos de dados.
Bancos de dados grafos se consolidaram ainda mais como habilitadores de IA. Grafos de conhecimento vinculam dados heterogêneos em um contexto semântico, tratando dados e relacionamentos de maneira igualitária. Isso cria um ambiente ideal para análises de rede, aprendizado profundo e de máquina e IA. Ao lado de LLMs, por exemplo, os grafos estabelecem as fronteiras e prioridades necessárias para tornar os resultados de IA mais precisos, explicáveis e compreensíveis.
#6: Aumento das discussões sobre ética e responsabilidade
Abrir a caixa-preta da IA está se tornando cada vez mais urgente diante da geração de falhas – às vezes engraçadas, às vezes perturbadoras. Alucinações de IA e injeções de prompts indiretas são apenas alguns exemplos de como as soluções se manipulam e permitem serem manipuladas. Com a implementação de dados de maneira crescente, surge a questão da responsabilidade: quem é, em última análise, responsável pelas decisões, previsões e conteúdos gerados pela IA? Os requisitos legais (por exemplo, Lei de Inteligência Artificial da União Europeia) entrarão em vigor daqui a três anos. As empresas não poderão ignorar isso e cada vez mais terão que assumir responsabilidades.
#7: A evolução do chatbot
A IA é considerada uma tecnologia transversal: é altamente dinâmica tecnologicamente e pode ser usada em todas as indústrias. Seu potencial vai muito além de um agente de IA como o ChatGPT. Os chatbots foram a imagem da IA no ano passado. No entanto, os projetos atuais de IA são muito mais diversos – desde previsões sobre o clima global (GraphCast) até a descoberta de estruturas de proteínas no corpo humano (AlphaFold). Mesmo nas empresas alemãs, a IA está sendo usada mais rápido e extensivamente do que muitos esperavam. De acordo com uma pesquisa da Cisco, 42% já estão trabalhando com IA e 8% desenvolveram suas próprias soluções.
#8 O hype de 2024
O Gartner Hype Cycle for Emerging Technologies 2023 mostra que a IA está longe de perder velocidade diante desses desenvolvimentos, com o GenAI ocupando o lugar mais proeminente no topo e, segundo os analistas, em breve descendo para o “vale da desilusão”. No entanto, atrás dele, novas abordagens e soluções de IA já estão se alinhando para desencadear a próxima onda nos próximos anos (por exemplo, IA Aprimorada). Visto dessa forma, o hype não é algo negativo, mas uma fase-chave na exploração das muitas dimensões de uma tecnologia.
