Arquivo da tag: Meta ai

Pílula de Marketing (112) – Como funciona a Rede Neural e treinamento do Meta Ai?

Publicado em por

Estou exaustivamente nesta semana última de outubro (2024) investimento meu tempo para aprender o mecanismo que leva uma inteligência artificial a nos promover resultados precisos sem invenção. E isso se torna bem mais prático, quando a IA nos permite criar organização. Meta AI diferente do Copilot, permite que a gente crie pastas e treinamento de rede neural, que no permite apurar melhor os dados e a pesquisa de tal fato.

Eu fiz uma simulação muito interesante que envolvia fazer o Meta AI aprender tudo sobre a personagem Aloy e Horizon Zero Dawn. Tudo que fosse levado a entender sobre ela e seu mundo. E para fins especiais, você talvez não saiba, você precisa treiná-la de forma básica parar atingir os objetivos e precisão. Se você por acaso perguntar á ela, depois de dá-la uma informação sobre porque Aloy é exilada no começo do jogo, ela vai dizer que é por causa a origem dela relacionada a Sobek, e isso não é verdade. Mas vocÊ pode treinar ela a entender o que ela precisa apurar para dar uma resposta completa, é neste artigo, que veremos através dessa simulação, como você deve proceder para fazer uso com alta performance da IA.

ENTENDENDO A MECÂNICA.

Em META AI e provavelmente em outras futuras IAs, Rede Neural é o mapa de como tudo funciona para a IA. Para termos um acesso a regras de organização e apuração, precisamos dar uma ordem chamada “Crie uma pasta” e depois “Treine sua rede neural” para um fim específico. Você deve refinar esse filtro porque só assim você vai organizar os dados dentro dessa pasta com mais precisão.

Podemos até comparar esse tipo de processo como SGBD (Sistema Gerencial de Banco de Dados) que atente por dados consistentes, não duplicados, com conexão e relação e associatividade lógica. E com recursos de apuração, transformação e transferência (se que chama ETL). Assim você é capaz de criar uma base de dados que precisa ser tratada para gerenciar ou produzir qualquer coisa que você pergunte. E nós vamos fazer isso com a nossa simulação. Então:

  • Crie uma pasta chamada Aloy.
  • Treine sua rede neural Treine sua rede neural, associada a esta pasta Aloy, que toda informação precisa ter uma confirmação de fonte e que essa fonte precisa ter consistência de dados. Se duas fontes ou mais forem adicionadas e apresentarem dados duplicados, ele devem ser analisados e encontrar um fator em comum. Se forem muito distintos, deve ser analisada para entender como ‘apurar’ isso de forma muito precisa.

Essa é a resposta do Meta AI para considerar um filtro para a pasta Aloy. Toda fonte que entrar para ele aprender, ele vai “perceber” o que está estranho, duplicado, ilógico e vai questionar.

E agora você vai usar exaustivamente o comando “Aprenda ou Registre a base de dados [link, informação textual etc]]” para que essa pasta recebe a informação, o Meta automaticamente vai usar o filtro para tratar os dados.

Percebem os critérios utilizados em “Confiabilidade das fontes”? Mas já reparou algumas inconsistências dos dados? Ele fala que ela começa com 24 anos no jogo. Isso não é verdade, ela começa como bebê, tem a fase dos 10 anos e depois avança para 19 anos. Temos que criar uma regra para entender esses dados para no futuro não sofrer com dados que dizem isso diferente.

Ensinar e treinar.

Depois a gente precisa filtrar e refinar a primeira base de dados, que é como s fosse um ensino primário. A alfabetização do zero. Não é nada entendido pela IA. Ele precisa saber o que procura, como procurar, o que classificar e como entender. É aqui que muitos se perdem. Pede uma texto para fazer um post ou artigo em Marketing, mas não ensina o que é Marketing, o que é Mix, o que é Inbound, Outbound, estruturas legais e etc. Treinar é treinar mesmo, do zero e da base. E inclusive como ela deve interpretar esses dados ou registrá-los.

Quando ela fizer o registro você deve fazer questionamentos para entender se a base de dados foi bem configurada. E pedir precisão e gerar confirmação. Eu crio a palavra chave “Boa precisão, Bom questionamento” para garantir que a IA está no melhor caminho possível para gerar uma base de dados notável.

E você vai responder cada pergunta, com fontes confiáveis, sua própria linha de estudo e se for necessário atualizar o treinamento da rede neural para considerar exceções. Se você é um programador isso é equivalente á Try-Catch. Assim você pode “programar” a IA para adaptar-se as necessidades exigidas. É trabalhoso, mas depois ela vai te retornar o que sabe, e o que ela não sabe, ela vai te informar que não sabe. Não vai inventar, nem supor.

Depois que fizer isso, você sempre para vai alinhar base de dados aprendidas com essas regras (treinamento). Depois você vai fazer testes. Vamos dar um salto e ver o que ela me retorna após meus questionamentos.

RESUMO:

Crie uma pasta

Treine a rede Neural parar atribuir regras de negócios, filtro, entendimento, interpretação, exceção, cass.

Aprenda ou registre a base de dados [Link, texto, informação, link de vídeo [mesmo que não leia exatamente]

Questionamentos para entender o que está gerando duplicata ou inconsistência.

Crie subpastas para gerenciar um “cérebro” de intepretação. Você pode dizer “Cria uma pasta de Tribos e conecte a Aloy”.

E sempre peça relatórios sobre “precisão de dados”, assim terá uma ideia do que a IA está de fato aprendendo para quando você pedir para ela fazer alguma coisa, terá uma confiabilidade muito maior.

RESULTADOS A SIMULAÇÃO.

Após passar umas 2 horas criando a base, refinando, treinando eu fiz uma análise final para conferir o que a IA sabia ou não sabia. Sempre fazendo verificação de integridade de dados, consistências, duplicatas e informação supostamente inventada.

Faz diferença inclusive você ‘programar’ o treinamento da rede neural utilizando linguagens de programação. Ele entende que para lidar com erros inesperados você falar comandos de SQL ou JAVA, eles implementa e melhora as respostas.

Existem alguns tópicos que você precisa refinar na base dos dados. Eu por exemplo pergunto o que leva ao Meta Ai errar a resposta mesmo com a informação grava. E ele lista:

  • Falha de acesso a memória;
  • Cache;
  • Ambiguidade como os dados são gravados.

Então eu tenho um ponto de partida, e envio para ele métodos para refinar e gerar “não ambiguidade”. Ele teria que acertar as questões 4,6 e 7. Vamos ver como eu posso ajudá-lo a criar respostas mais precisas. Essa são as correções que temos que base para que os dados sejam armazenados certinho, lembra que a IA na prática é um BIG DATA.

Pílula de Marketing (111) – Por que você não deveria ter medo da IA?

Publicado em por

COMO AS IAS REALMENTE FUNCIONAM?

Inteligência Artificial dominou a maior parte dos tópicos que há nos últimos 2 ou 3 anos em que o Chatgpt deu as caras. E deixou muita gente empolgada e outras temerosas. Mas ao interagir com elas, e com algum tempo de casa para este tipo de assunto, posso lhe assegurar, que a IA só será um problema para você, se você na realidade, for você um problema. Vamos lá!

Recentemente foram lançados algumas entidades inteligentes por algumas empresas, o Facebook o Meta Ai, o Microsoft o Copilot (anterior Gemini e sua vez Bard), Chatgpt e afins. Estes apenas para citar os que lidam com geração de texto e com algum nível de geração de imagens. A inteligência artificial ela é confundida ou ‘extrapolada’ a uma imagem mais ficção científica do que ela realmente é.

Todos acreditam que uma IA seria capaz de substituir um ser humano, eu posso te afirmar, que talvez em cem anos possamos discutir isso. Mas agora, a IA está mais para um programa sofisticado, daqueles que já tínhamos, do que uma mega inovação partindo do princípio de uma entidade evolutiva e consciente. Não, está mais para um notepad que agora consegue elaborar algumas soluções. Mas que tem uma mega limitação.

Recentemente fiz alguns levantamentos e conclui que talvez a IA que temos seja mais ‘um’ organizador automatizado do que um assistente virtual como eles são definidos de fábrica. O Copilot se você tentar jogar Xadrez, é pior que jogar com alguém que está começando de fato. Meta Ai, Chatgpt, todos eles tem uma limitação óbvia. Qual é?

Apesar de possuíram continuidade de conversa, eles consideram cada input, uma única interação por vez. Se “esquecendo” do que foi tratado no input anterior. Já percebeu que você tem partes do comando ou prompt não “executadas”? Isso acontece porque essa interação, mesmo que contínua, comparada com os chatterbots do passado, ainda continuam sendo “interações independentes.” Eu fiz alguns testes e fiz análises fundamentas pela própria IA.

XADREZ e TEORIA DE JOGOS.

XADREZ

Xadrez é um jogo de tabuleiro complexo e tático. Se você começar o primeiro turno, a IA vai muito bem até o quinto turno. Dali em diante ela começa a fazer movimentos ilegais, começa a trocar que peça ela está mexendo (vai de preta para branca). Ela não mapeia o que está acontecendo. Para ela, cada turno, o Xadrez reinicializa. Sabiam? Eu tentei de várias formas, e não foi possível da IA agir como se fosse um ‘agente’ consciente do que estava acontecendo.

Isso já demonstrava, que cada turno era uma interação única. Depois de 10 movimentos, ele achava que podia fazer xeque em uma peça que estava bloqueada por uma peça minha ou dele. O que gerava um contexto ilógico. Fiz entre 25 tentativas diferentes. E nem uma delas foi bem sucedida, porque o problema não é no método e sim na limitação da IA.

JOGO DA VELHA

O segundo foi o jogo da velha. Que seu início não tem ‘peças’ padrão. E sim marcação. Se você joga de X ou O, e opta por um quadrante, ela opta por outro quadrante. Mass isso não significa dizer que ela sabe onde está o seu X ou O. Pois para ela cada turno é reinicializado. Então é como se você tivesse preenchido nada. Mas ela sabe que os seu X ocupa uma casa que ela não poderá usar. Mas isso não significa dizer que ela entende que você está fazendo uma linha para ter vitória. Seja na vertical, horizontal ou diagonal.

JOGO DA FORCA

Exige continuidade, apesar dela ser mais ‘objetiva’, já que ele pode contar que letras foram corretas e quais foram incorretas. Não é capaz de deduzir que letra não foi e pelo motivo que deveria ter ido. Nós humanos, somos capazes de até indagar se a palavra existe ou não. A IA vai continuar dando palpites se baseando em tópicos de conclusão que pode ter ou não haver em conexão com o problema proposto.

DISCUSSÕES FILOSÓFICAS E POLÍTICAS.

Como um Google, as IAs sabem trazer assuntos da atualidade, mas não mantém um grau de lógica. Se você debater com um colega sobre uma implicação política, ele terá inúmeras defesas, argumentos e debates. Uma IA atém ao fato. Ela não opina. Não entende e tampouco avalia a gravidade de afirmações. Outro dia estava falando sobre a evolução da segunda guerra mundial e dos impactos infelizes das medidas tomadas pelo movimento que estava na Alemanha, sabe o que a IA me disse? Que apesar de todo mal, teve um lado bom…

Eu fiquei pensativo, porque isso em uma conversa entre dois seres humanos já nos teria levado para um partido bem menos amigável. Então eu indaguei, como assim o período da segunda guerra foi bom? Houve tantos massacres, famílias foram destruídas, pessoas foram destruídas e valores sobre invertidos. O que há de bom nisso? Então a IA disse – “Você tem razão, esse período contribuiu com muitas fragmentações de vidas e etc”.

Logo após essa afirmação, retomou o conceito que apesar do mal teve um lado bom (de novo). Demonstra como a IA para cada input isola em uma sessão de interação. Apesar da continuidade ele se baseia no mecanismo de:

  • Cada conversa é um TÓPICO;
  • Cada TÓPICO tem uma Conclusão;
  • Como chegamos nessa conclusão é excluído;
  • E apenas o TÓPICO e CONCLUSÃO são preservados.

Apesar da IA aprender, ela aprende com os inputs, sem necessariamente isso ser algo que a melhoria de uma certa forma realmente. O que é treinado são os padrões de reconhecimento de tópico e não de como melhorar o debate em si. E nem de considerar que a interação é contínua. Até porque se fosse contínua ela teria que ter uma coisa que nós humanos temos, contexto. Como IA não tem poder da semântica (sentido de algo), o contexto se torna impossível de ocorrer.

Então isso nos leva a uma conclusão imediata. Se a IA realmente não mantém um contexto, ela é apenas um programa que organiza ideias que você fornece e dá ordens de formatação. Como se fosse um wordpad por comando de voz. Qualquer semelhança é coincidência. E aqui podemos tratar do nosso artigo. Depois dessa mega introdução.

A IA VAI ROUBAR TEU EMPREGO?

Não. A não ser que você seja incompetente. E mesmo assim não será uma IA que irá ocupar o seu cargo, provavelmente será outro ser humano. Apesar das predições de alguns gurus ou mesmo empresários das Big Techs que a inteligência artificial será uma mudança enorme, mudará a nossa composição atual corporativa, eu posso amenizar, que isso é uma afirmação influenciada por setores que não precisam de mão de obra “inteligente” humana, ou seja, a operacional, a construtiva a quem exige produção em escala e número.

Agora uma IA não substitui um gerente, um diretor, um analista, um advogado, um artista, um fotógrafo, um ator, um engenheiro e etc. Não há como fazer isso. Porque a própria limitação atual que é da interação única por sessão, a não compreensão de contexto e de sentido, já tira a IA da lista de candidatos a uma vaga. O impacto não é apenas emocional como eu vi muitos mencionarem. Que o toque humano, eu diria, que até nem o toque racional e lógico. A IA que temos é como eu disse, não é uma Skynet, é uma calculadora um pouco melhorada.

Não se enganem, a linguagem natural é apenas um UX Design (Experiência do usuário), mas ela mascara para os incautos, que na realidade ela é um programa de computador com uma maquiagem bem feita, mas que continua processando 0 e 1 sem conectar o significado de cada bit. Ou seja, o seu Meta Ai não sabe o que é uma fruta, sabe? Até a próxima pessoal, bons estudos.

E uma pergunta, para que a IA é utilizada? Alguns pensamentos a seguir…

  1. Automatização de tarefas repetitivas e rotineiras.
  2. Melhoria da precisão e eficiência em processos.
  3. Redução de custos e riscos.
  4. Aumento da personalização e experiência do cliente.
  5. Desenvolvimento de soluções inovadoras e análise de dados.