CAMBRIDGE - Alerta de spoiler: não vou falar sobre como o ChatGPT responde quando solicitado sobre estratégias de desenvolvimento econômico. Basicamente, ele regurgita ideias razoáveis, mas medíocres, que viu no seu material de treinamento. Mas o design do ChatGPT, que deu a ele capacidades muito maiores do que seus criadores previram, oferece uma lição valiosa para enfrentar as complexidades do desenvolvimento econômico.
Por mais de uma década, as redes neurais profundas (RNPs) superaram todas as outras tecnologias de inteligência artificial, impulsionando avanços significativos em visão computacional, reconhecimento de fala e tradução. O surgimento de chatbots de IA gerativos como o ChatGPT continua esta tendência.
Para aprender, os algoritmos de IA requerem formação, que pode ser alcançada por meio de duas abordagens principais: aprendizado supervisionado e não-supervisionado. No aprendizado supervisionado, os seres humanos fornecem ao computador um conjunto de imagens rotuladas como “cão”, “gato”, “hambúrguer”, “carro” e assim por diante. O algoritmo é então testado para ver quão bem prevê os rótulos associados a imagens que ele ainda não viu.
CAMBRIDGE - Alerta de spoiler: não vou falar sobre como o ChatGPT responde quando solicitado sobre estratégias de desenvolvimento econômico. Basicamente, ele regurgita ideias razoáveis, mas medíocres, que viu no seu material de treinamento. Mas o design do ChatGPT, que deu a ele capacidades muito maiores do que seus criadores previram, oferece uma lição valiosa para enfrentar as complexidades do desenvolvimento econômico.
Por mais de uma década, as redes neurais profundas (RNPs) superaram todas as outras tecnologias de inteligência artificial, impulsionando avanços significativos em visão computacional, reconhecimento de fala e tradução. O surgimento de chatbots de IA gerativos como o ChatGPT continua esta tendência.
Para aprender, os algoritmos de IA requerem formação, que pode ser alcançada por meio de duas abordagens principais: aprendizado supervisionado e não-supervisionado. No aprendizado supervisionado, os seres humanos fornecem ao computador um conjunto de imagens rotuladas como “cão”, “gato”, “hambúrguer”, “carro” e assim por diante. O algoritmo é então testado para ver quão bem prevê os rótulos associados a imagens que ele ainda não viu.