A IA ainda não é mais inteligente que um bebê

Se você pensa um inteligência artificial modelo rodando em milhares de computadores de última geração fichas é inteligente, permita-me apresentar o conceito de criança de 1 ano.

OK, então os bebês podem não ser capazes de escrever programas de computador, resolver problemas matemáticos avançados ou debater ideias filosóficas. Mas, diferentemente dos modelos de IA atuais, que consomem um oceano de dados de treinamento e tanta energia quanto um pequeno paísos bebês aprendem a entender o mundo com incrível eficiência. Eles identificam novos objetos depois de vê-los uma ou duas vezes e aprendem por meio de observações fugazes e interação física.

Quando se trata de melhorar a IA, os bebés – e a arquitetura dos seus cérebros – podem conter informações cruciais. Construir uma versão mais infantil da IA ​​poderia tornar os modelos de fronteira menos dispendiosos e menos intensivos em energia, e também poderia ser valioso se os robôs alimentados por IA pudessem aprender sobre os seus ambientes de uma forma mais natural.

Para explorar esta nova e ousada fronteira, investigadores da Meta, da Universidade de Stanford, da Universidade de Tóquio e da École Normale Supérieure de França desenvolvido um novo teste que destaca as habilidades de aprendizagem dos bebês e incentiva os pesquisadores de IA a projetar algoritmos que correspondam a elas.

O Desafio EgoBabyVLM avalia quão bem os modelos de linguagem de visão, ou VLMs, que aprendem tanto com texto quanto com imagens, podem dar sentido ao mundo como um bebê o vê. Requer um modelo para descrever o mundo depois de ingerir cerca de mil horas de vídeo coletados de câmeras presas às cabeças de bebês e crianças pequenas. (Sim, realmente.)

Acontece que os modelos de última geração falham miseravelmente quando alimentados com essas imagens realistas e confusas, o que sugere que pode haver algo diferente no design do cérebro do bebê que lhe permite aprender tão rapidamente com tão pouca informação.

Em vez de conjuntos de dados selecionados, os bebés aprendem a partir de uma visão caleidoscópica das coisas: os pais falam sobre objetos que já não são visíveis, indicam coisas através do olhar ou de um gesto, ou discutem eventos do passado ou do futuro, em vez do que quer que esteja a acontecer naquele momento. Os bebés aprendem não apenas com a linguagem, mas também com uma rica experiência multimodal e táctil, diz Michael Frank, cientista cognitivo da Universidade de Stanford, especializado na aprendizagem de línguas e que esteve envolvido no desenvolvimento do EgoBabyVLM.

O teste mostra que, quando se trata de IA, “está claro que é necessário mais (do que apenas linguagem)”, diz Frank.

Aprendizagem de línguas

EgoBabyVLM é apenas o exemplo mais recente de como os cientistas estão usando IA para explorar a inteligência humana. Um desafio chamado BebêLMlançado em 2023, encarregou os modelos de IA de aprender a sintaxe da linguagem usando aproximadamente a mesma quantidade de dados que uma criança de 10 anos absorve – dezenas de milhões de palavras, em comparação com trilhões para modelos de IA. Surpreendentemente, verifica-se que os modelos de IA baseados em transformadores – que processam a linguagem prestando atenção à relação entre palavras em diferentes frases – podem fazer isso muito bem, uma descoberta que desafia As ideias de Noam Chomsky sobre como a sintaxe pode ser incorporada ao cérebro humano.

Ryan Cotterell, linguista da ETH Zurique que primeiro desenvolveu o BabyLM, diz que a situação é diferente quando se trata de compreender o mundo físico. “Não haverá um grande corpus de interações humanas – não haverá internet de interações humanas”, diz 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, a dinâmica social ou a teoria da mente.

“Os transformadores são muito bons em encontrar padrões em dados”, diz Tenenbaum. “Mas parece que apenas os sistemas de aprendizagem de padrões puros não são capazes de pegar o tipo de dados que um bebê ou uma criança recebe e aprender todas as coisas que eles fazem.”

Source link