O que todos os seres inteligentes compartilham?Segundo Yann LeCun, principal cientista de IA da Meta, existem quatro características essenciais. No AI Action Summit em Paris, no início deste ano, líderes políticos e especialistas em IA se reuniram para discutir o desenvolvimento da inteligência artificial. Durante o evento, LeCun transmitiu sua definição fundamental de inteligência ao líder de IA da IBM, Anthony Annunziata. “Existem quatro características essenciais do comportamento inteligente que todo animal — ou animal relativamente inteligente — e, certamente, os humanos possuem, ” explicou ele. “São elas: compreender o mundo físico, ter memória persistente, a capacidade de raciocinar e a habilidade de planejar, especialmente ações complexas através de planejamento hierárquico. ” LeCun destacou que a IA, especialmente os grandes modelos de linguagem, ainda não atingiram esse nível e que integrar essas habilidades exigiria uma mudança nos métodos de treinamento. Isso explica por que muitas empresas de tecnologia líderes estão atualmente acrescentando novas capacidades aos modelos existentes enquanto competem para liderar o campo da IA. “Para entender o mundo físico, você treina um sistema de visão separado e depois o conecta ao grande modelo de linguagem. Para memória, usa-se geração com recuperação aumentada (RAG), adiciona-se alguma memória associativa ou simplesmente aumenta-se o tamanho do modelo, ” disse ele.

(RAG é uma técnica desenvolvida na Meta para melhorar grandes modelos de linguagem ao incorporar fontes externas de conhecimento. ) No entanto, LeCun considera que todos esses esforços são meras “gambiarras. ” Ele tem discutido repetidamente uma abordagem alternativa chamada modelos baseados no mundo, que são treinados em cenários do mundo real e exibem habilidades cognitivas superiores à mera reconhecimento de padrões. Na conversa com Annunziata, ele detalhou esse conceito. “Você começa com uma ideia do estado do mundo em um determinado momento T, imagina uma ação e, então, o modelo do mundo prevê como o estado do mundo mudará em resposta a essa ação, ” explicou ele. No entanto, como o mundo evolui por meio de inúmeras possibilidades imprevisíveis, a única maneira viável de treinar esses modelos é por abstração. A Meta já está explorando esse conceito com o V-JEPA, um modelo lançado publicamente em fevereiro. Ele é descrito como um modelo não generativo que aprende ao prever segmentos ausentes ou mascarados em vídeos. “A ideia central é que você não prevê diretamente no nível de pixel. Em vez disso, treina um sistema para operar sobre uma representação abstrata do vídeo, permitindo que faça previsões dentro dessa abstração. Idealmente, essa representação filtra detalhes imprevisíveis, ” disse LeCun. Essa abordagem espelha a forma como os químicos estabeleceram uma hierarquia fundamental para os blocos da matéria. “Criamos abstrações: partículas, sobre as quais existem átomos, depois moléculas e, por fim, materiais, ” disse ele. “Cada camada superior filtra muitas informações irrelevantes das camadas inferiores, dependendo da tarefa em questão. ” Em essência, o que isso significa é que entendemos o mundo físico ao construir hierarquias, o que é fundamental para a inteligência.