AI Digest, um resumo do que mais importante está a acontecer no campo da Inteligência Artificial
Espaço suficiente para o próximo salto
Os novos modelos (EX 560 e SP 560) foram desenhados para reduzir esse possível desperdício. A promessa é clara: reduzir as limitações quer nos lotes de treino (batches) quer nas “fotografias” (checkpoints) que geram, normalmente, volumes massivos de dados. Estas unidades prometem 6,6 vezes mais eficiência no pré-processamento e poupanças de 85,2% no espaço físico dos clusters. Enquanto os discos rígidos continuam relevantes no armazenamento em data centers, por questões de custo por gigabyte favoráveis, prevê-se que até 2028 os SSD conquistem 20% desse mercado. O fornecimento global continua nas mãos de fabricantes bem conhecidos neste espaço – Samsung, SK Hynix, Micron, SanDisk e Kioxia –, mas a Huawei tenta abrir espaço ao mostrar que não se trata apenas de vender unidades maiores: é oferecer o combustível que falta para que o treino dos modelos da IA não abrande por armazenamento insuficiente, ou inadequado. E o pano de fundo dá a medida: treinar um modelo com 671 mil milhões de parâmetros requer 3,5 petabytes de dados. O universo digital já vai em 154 zettabytes. Uma escala tranquila, claro, desde que alguém descubra o equivalente a enfiar o Rossio na Rua da Betesga. IA também já combate a gripe
Investigadores do MIT decidiram encurtar a margem de adivinhação. Criaram o VaxSeer, um sistema de inteligência artificial que antecipa quais as estirpes mais prováveis de se tornarem dominantes e avalia a eficácia potencial das vacinas contra elas. Para isso, treinaram modelos de deep learning em décadas de sequências virais e resultados laboratoriais, simulando como o vírus poderá evoluir e como os anticorpos irão responder. Num estudo retrospetivo de dez anos, o VaxSeer superou as recomendações da Organização Mundial da Saúde em nove das dez temporadas da estirpe A/H3N2, e igualou ou superou na A/H1N1 em seis. Chegou mesmo a identificar uma estirpe em 2016 que só seria escolhida oficialmente no ano seguinte. A correlação com dados reais de eficácia foi robusta, reforçando que o sistema não se limita a resultados teóricos. A abordagem difere dos modelos clássicos: em vez de avaliar mutações isoladas, o VaxSeer usa modelos de linguagem proteica para captar efeitos combinatórios e mudanças dinâmicas na dominância viral — precisamente o tipo de detalhe que complica a vida a quem toma decisões hoje para surtos de amanhã. O projeto foca-se na proteína HA do vírus da gripe, mas os autores já pensam em expandir a outras proteínas e a outros patógenos. Porque, convenhamos, esperar que a evolução viral abrande para nos dar tempo não parece uma estratégia particularmente fiável. Robôs comandados por intenção
Hoje, as interfaces cérebro-computador mais eficazes são as invasivas, implantadas cirurgicamente — tecnologia promissora, mas que em mais de 20 anos não passou de ensaios clínicos muito limitados, por causa do risco e do custo da cirurgia. Já os dispositivos externos, mais seguros, têm falhado na fiabilidade. O sistema da UCLA tenta resolver precisamente essa lacuna, mostrando que é possível obter ganhos de desempenho sem abrir crânios. Os investigadores falam agora em próximos passos: co-pilotos mais ágeis, capazes de mover braços robóticos com mais velocidade e precisão, e algoritmos treinados em larga escala para lidar com tarefas complexas. Vale a pena notar o subtexto: não se trata apenas de ajudar a mover blocos numa mesa. O que está em causa é devolver autonomia a pessoas com paralisia ou doenças neurológicas. E, num mundo saturado de promessas tecnológicas, é raro ver uma demonstração que traduz de forma tão concreta o impacto humano da IA. |