Por Gustavo Jaccottet
Advogado
[email protected]

O Deep Blue representou um marco no desenvolvimento da IA, contudo era uma máquina que só tinha uma finalidade: jogos de xadrez. Alavancou a IBM ao derrotar um campeão humano. Este evento não só capturou a atenção da mídia global, de emissoras como a CNN e até a MTV, mas também demonstrou o potencial das Big Techs em penetrar em diferentes estratos da sociedade com suas inovações.

Um aspecto notável introduzido pelo Deep Blue foi a NNUE (rede neural eficiente e adaptativa), uma forma avançada de IA desenvolvida para analisar e prever movimentos de xadrez. A aplicação dessa tecnologia, no entanto, estende-se muito além dos limites do tabuleiro, influenciando diversos campos que requerem análise preditiva e tratamento de dados complexos.

Em 1997, quando o Deep Blue fez história, o cenário tecnológico era dominado por buscadores como Yahoo e Alta Vista, com o Google ainda em seus estágios iniciais. Naquela época, o conceito de uma IA como o ChatGPT era inimaginável. Apesar de o Deep Blue não ser construído com a NNUE, o sucesso do modelo da IBM sublinhou o impacto exponencial dos avanços em hardware na capacidade de processamento e armazenamento de dados.

O Deep Blue, limitado a uma capacidade de processamento de 300 Megaflops, focava exclusivamente em armazenar e analisar jogadas de xadrez. Comparativamente, o PlayStation 3, lançado em 2006, alcançava 230 Gigaflops, demonstrando um salto significativo em capacidade de processamento disponível para o consumidor médio. O computador do Deep Blue era especializado em executar um conjunto específico de tarefas - predizer e analisar jogadas de xadrez contra Garry Kasparov, proporcionando um exemplo claro de uma aplicação direcionada de IA.

Diferentemente do simples processamento de dados, o modelo de IA generativa se adapta ao contexto específico apresentado. Por exemplo, ao questionar um modelo de IA sobre estratégias de xadrez com o adicional de controlar o centro do tabuleiro, o cenário e a resposta se modificam significativamente. Este conceito, conhecido como “prompts”, será explorado em detalhes em futuros artigos. É essencial compreender que uma IA bem instruída pode não só catalogar informações, mas também selecionar a melhor resposta com uma precisão que supera a capacidade humana, seja para jogadas de xadrez, receitas de bolo ou cálculos complexos.

A NNUE exemplifica uma “aprendizagem contínua”, por isso ela é adaptável ao contexto e “se permite” atualizar, comparável a uma cabeleireira experiente que conhece profundamente suas clientes. Assim como a profissional antecipa as preferências de uma cliente habitual, a NNUE ajusta suas respostas com base no conhecimento acumulado, maximizando eficiência e precisão.

No entanto, a eficácia de qualquer modelo de IA depende crucialmente do seu treinamento e da qualidade dos dados inseridos. Assim como uma cabeleireira iniciante que melhora com a experiência acumulada de cada cliente, um modelo de IA aprimora suas predições e padrões à medida que interage com mais dados.

Portanto, instruir eficazmente uma IA como o ChatGPT é mais do que apenas fornecer dados; trata-se de entender e moldar esses dados de forma que o modelo possa aprender e responder com a máxima precisão possível. ​