Em português Arvind Krishna: If AI can replace labour, it’s a good

Arvind Krishna: Se a IA pode substituir o trabalho, isso é uma coisa boa

O CEO da IBM vê casos de uso práticos para inteligência artificial e computação quântica em apenas alguns anos.

Arvind Krishna liderou alguns dos projetos mais pioneiros do século 20 em inteligência artificial e supercomputação, incluindo o desenvolvimento do sistema de xadrez Deep Blue, que se tornou o primeiro a derrotar o campeão mundial Garry Kasparov, em 1997. Em 2010, o sistema de IA Watson da IBM para responder perguntas em linguagem natural foi testado no programa de quiz da TV americana Jeopardy e ganhou o prêmio principal. No entanto, nos anos que se seguiram, a falha em dar continuidade a esses projetos fez com que a empresa ficasse para trás. Agora, o CEO Arvind Krishna está buscando maneiras de usar a IA para oferecer soluções que economizem trabalho para grandes empresas, além de tornar os computadores quânticos poderosos e sem erros uma realidade.

Aqui, ele conta ao editor da costa oeste do FT, Richard Waters, por que a IBM teve dificuldades para transformar os avanços do Watson em um sucesso comercial e como ele está tentando capitalizar em uma nova era da IA.

Richard Waters: Quero começar direto com a IA. O ChatGPT [chatbot de inteligência artificial da OpenAI] focou a mente de todos… Algo significativo aconteceu e, se sim, o que é isso?

Arvind Krishna: Acho que o momento de marketing oferecido pelo ChatGPT é incrível. Já vimos esses momentos antes: uma empresa chamada Netscape trouxe o navegador da web à atenção de todos. Quero dizer, a Netscape não foi a vencedora final, mas a internet certamente foi. Acho que o que o ChatGPT fez foi ajudar a tornar a IA real para muitas pessoas que estavam cientes dela, mas talvez não vissem exatamente qual seria o poder da IA. Então, todo o crédito ao que eles fizeram lá.

Para ser um pouco mais geek, a tecnologia subjacente é baseada em duas coisas: uma são os grandes modelos de linguagem e a outra é a geração. Quando olhamos para isso, tenho que dar crédito a muitas pessoas. O Google tem trabalhado nisso por provavelmente quase uma década… O Facebook tem trabalhado nisso, muitas universidades têm trabalhado nisso, de Stanford a MIT, Berkeley, Illinois, posso continuar e continuar - incluindo algumas, Richard, do seu país natal e Cambridge e Oxford, provavelmente outras ao redor do mundo também. E nós também trabalhamos nisso.

Os casos de uso em que trabalhamos não são de consumo, então o consumo é muito mais fácil de explicar: eles digitam algo e, algumas vezes em 10, você obtém uma resposta interessante, intrigante e no campo certo. O que ninguém pode dizer com certeza é quão provável é obter uma resposta completamente incorreta, como pelo menos uma das duas demonstrações mostrou. Se você está usando isso para busca de consumo, tudo bem. Se estou usando isso para responder a uma pergunta sobre a transação financeira de alguém, isso é realmente um problema. Ou, se está sendo usado para responder a uma pergunta sobre qual tratamento de saúde eles podem procurar. Então, para casos de uso empresarial, ainda acho que há uma oportunidade maciça fora do espaço puramente de consumo.

Mas, para responder à sua pergunta principal, acredito que a IA é realmente importante e não sou novo em dizer isso. Dentro da IA, acho que passamos por essas fases… de aprendizado de máquina para aprendizado profundo… Eu realmente acho que o grande modelo de linguagem é a peça mais importante. A verdadeira vantagem desses modelos é que você treina o modelo uma vez e a primeira vez é bastante cara, mas, depois disso, você pode gerar 100 ou 1.000 modelos muito facilmente. Isso é uma vantagem de custo massiva e uma vantagem de velocidade massiva. Acho que as empresas vão entender isso muito rapidamente e trabalhar com aqueles que podem guiá-las nesse caminho.

RW: Quando você fala com empresas e CEOs e eles perguntam ‘O que fazemos com essa coisa de IA?’, o que você diz a eles?

AK: Sempre aponto para duas ou três áreas, inicialmente. Uma é qualquer coisa relacionada ao atendimento ao cliente, respondendo perguntas das pessoas… é uma área realmente importante onde acredito que podemos ter uma resposta muito melhor a talvez metade do custo atual. Com o tempo, pode ficar ainda mais baixo que a metade, mas pode tirar metade rapidamente. Uma segunda é em torno de processos internos. Por exemplo, toda empresa de qualquer tamanho se preocupa com a promoção de pessoas, contratação de pessoas, movimentação de pessoas, e esses processos precisam ser razoavelmente justos. Mas 90% do trabalho envolvido nisso é reunir as informações. Acho que a IA pode fazer isso e, então, um humano pode tomar a decisão final. Existem centenas de processos como esse dentro de cada empresa, então acho que o trabalho clerical de colarinho branco vai poder ser substituído por isso. Então penso no trabalho regulatório, seja no setor financeiro com auditorias, seja no setor de saúde. Uma grande parte disso poderia ser automatizada usando essas técnicas.  Acho que há outros casos de uso, mas são provavelmente mais difíceis e um pouco mais distantes… coisas como descoberta de medicamentos ou tentar finalizar a química.

Temos uma escassez de mão de obra no mundo real e isso é por causa de um problema demográfico que o mundo está enfrentando. Então, temos que ter tecnologias que ajudem… os Estados Unidos estão agora com 3,4% de desemprego, o mais baixo em 60 anos. Então, talvez possamos encontrar ferramentas que substituam algumas partes do trabalho, e isso é uma coisa boa desta vez.

RW: Sim, lembro-me muito claramente, há seis ou sete anos, ouvindo de muitas empresas de tecnologia que dominamos a linguagem, dominamos o assistente inteligente. Vimos muitos chatbots naquela época. Começamos a ouvir muito sobre Siri e Alexa e Google Assistant - e como esses afetariam o atendimento ao cliente e algumas das aplicações de que você está falando. Nada disso pareceu dar certo. Por que aquela onda de IA em torno da linguagem não funcionou - e por que devemos acreditar que isso será diferente?

AK: Eu poderia ter uma posição ligeiramente diferente. Acho que funcionou, mas em um caso de uso muito estreito, não no sentido amplo que as pessoas estão se empolgando hoje. A empolgação hoje é porque podemos perguntar: ‘Devo ir a Paris? Em qual mês? Planeje uma viagem para mim!’ - e ele pode fazer algo. A geração anterior realmente não podia fazer isso. Mas, se você perguntasse: ‘Posso marcar um horário entre 9h e 10h?’ ele poderia verificar se havia um horário livre, poderia verificar se você é elegível para aquele horário, e poderia fazer algumas perguntas para esclarecer isso, e então marcar aquele horário para você. Então, acho que, na geração anterior, tivemos muitos clientes onde cerca de metade das chamadas do call center poderiam ser completamente tratadas pela IA. E, na verdade, em muitos casos, as pessoas estão mais felizes. A IA sempre tem um tom agradável, não fica irritada com você, responde 24/7. Então, não vejo isso como: ‘Não funcionou’. Acho que funcionou - mas no contexto daqueles sistemas de IA. Agora, o escopo se abre para responder a perguntas muito mais amplas e talvez malformadas. Porque, anteriormente, sua pergunta tinha que ser bastante precisa… Este é meio que o próximo patamar.

Na maioria dos sistemas que são implantados na vida real, não é um grande estouro único. Esses são muito raros. Mesmo se você pegar os smartphones hoje. As pessoas costumavam andar com PCs de bolso e pequenos dispositivos. Todo mundo esqueceu do PalmPilot! As pessoas não estão dando crédito ao fato de que, na engenharia real, você tem esses passos. Cada passo é um passo muito grande. E, então, finalmente, há um passo e todo mundo diz: ‘Uau, é isso que eu estava esperando!’ - esquecendo que, na verdade, você precisava daqueles 10 passos anteriores porque cada um trouxe uma peça do quebra-cabeça mais perto.

RW: Sim, se voltarmos um pouco, a própria IBM recebeu muita atenção por coisas como [o supercomputador] Deep Blue derrotando Garry Kasparov no xadrez e o sistema de computador de IA Watson ganhando o jogo Jeopardy: essas foram demonstrações muito avançadas de IA em várias etapas. Então, o que aconteceu? A IA seguiu uma direção diferente do que a IBM estava explorando? O que mudou?

AK: Não, acho que talvez tenhamos seguido um caminho que era muito difícil e o mercado não estava exatamente pronto… Talvez estivéssemos mais de 10 anos adiantados.

Duas coisas… não foram bem para nós. Uma foi pensar que o mundo não estava pronto para fazer isso sozinho, [então] seguimos o caminho de tentar construir soluções de IA ‘caixa preta’. Mas essas eram muito monolíticas e o mundo não estava pronto para engolir isso. As pessoas queriam saber ‘O que estou construindo?’. Elas queriam as peças. Era mais um mundo de construtores. A segunda é que, quando olhamos para alguns desses problemas - por exemplo, em torno da saúde - acho que fomos talvez um pouco ingênuos. Você tem que ter a expertise certa, tem que trabalhar com reguladores, tem que realmente entender o que eles precisam para ficar satisfeitos. Então, se eu juntar os dois, ir atrás da saúde é talvez uma jornada de 15 anos, não uma jornada de cinco anos. Eu realmente acredito que isso vai acontecer e você pode ver alguns primeiros exemplos.

Versão original do Financal Times em   https://bit.ly/47KJ4VT