- Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) e da Universidade de Harvard avaliaram a compreensão de sistemas de inteligência artificial (IA) em previsões.
- O estudo revelou que, embora esses sistemas sejam eficazes em tarefas específicas, eles não conseguem generalizar para novos problemas.
- A pesquisa foi apresentada na Conferência Internacional sobre Aprendizado de Máquina, em Vancouver, no mês passado.
- Os pesquisadores criaram uma nova métrica chamada “viés indutivo”, que mede a capacidade da IA de refletir a realidade com base em dados.
- Os resultados indicaram que, em situações complexas, como jogos de tabuleiro, os modelos de IA falharam em entender a disposição geral dos elementos, apesar de prever movimentos permitidos.
Pesquisadores do MIT e da Universidade de Harvard apresentaram um estudo que avalia a profundidade da compreensão de sistemas de inteligência artificial (IA) em previsões. Apesar de sua eficácia em tarefas específicas, esses sistemas falham em generalizar para novos problemas. A pesquisa foi divulgada na Conferência Internacional sobre Aprendizado de Máquina, realizada em Vancouver, no mês passado.
O estudo, liderado pelo pós-doutorando Keyon Vafa e outros especialistas, busca entender se os modelos de IA conseguem ir além de previsões precisas e desenvolver um modelo do mundo que permita generalizações. Vafa destacou que, enquanto humanos fazem essa transição com facilidade, a IA ainda não conseguiu alcançar esse nível de compreensão.
Os pesquisadores desenvolveram uma nova métrica chamada “viés indutivo”, que mede a capacidade de um sistema de IA em refletir a realidade com base em dados. Eles testaram diferentes modelos preditivos, observando que, em casos simples, os sistemas conseguiram criar representações realistas. No entanto, à medida que a complexidade aumentava, essa capacidade diminuía significativamente.
Os resultados mostraram que, em problemas mais complexos, como jogos de tabuleiro, os modelos de IA falharam em inferir a disposição geral dos elementos, mesmo prevendo movimentos permitidos. A pesquisa sugere que, embora haja um grande entusiasmo em torno dos modelos de IA, ainda há um longo caminho a percorrer para que esses sistemas adquiram um entendimento profundo do mundo.
Os pesquisadores esperam que a nova métrica ajude a avaliar e otimizar modelos de IA, permitindo avanços em áreas como descoberta científica e previsão de comportamentos em sistemas complexos. A busca por modelos que não apenas realizem tarefas, mas que também compreendam o mundo, é um desafio central na evolução da inteligência artificial.
