Key Takeaways
Inteligência Espacial: A Dra. Fei-Fei Li salienta a importância da inteligência espacial como a próxima fronteira da IA.
Modelos do Mundo: Os modelos do mundo preveem os estados seguintes dos ambientes físicos, contrastando com os modelos de linguagem, centrados no texto.
Desafios dos Dados: A obtenção de dados espaciais é difícil e escassa, representando uma barreira significativa ao desenvolvimento da IA espacial.
Implementação Gradual: É provável que o surgimento da IA espacial seja gradual e específico de cada domínio, diferindo da IA linguística.
Urgência da Preparação: As organizações precisam de começar a preparar-se mais cedo, e não mais tarde, para o impacto da IA espacial, de modo a evitar problemas.
As ferramentas de IA que transformaram o trabalho do conhecimento nos últimos três anos partilham uma limitação comum: existem inteiramente no domínio da linguagem.
Leem, escrevem, resumem e geram. O que não conseguem fazer é compreender o mundo físico, a geometria do chão de um armazém, a lógica espacial de um procedimento cirúrgico ou a dinâmica tridimensional de uma linha de produção.
É nessa lacuna que a Dra. Fei-Fei Li tem desenvolvido a sua carreira.
Ao discursar ontem na HumanX, a cientista informática de Stanford e cofundadora da World Labs defendeu que a inteligência espacial, a capacidade das máquinas para percecionar, raciocinar e agir num espaço tridimensional, representa a próxima fronteira significativa no desenvolvimento da IA. Não é um substituto para os modelos de linguagem, fez questão de salientar. É uma categoria de problema completamente diferente.
A inteligência humana não é apenas linguística. Pense em tudo o que fazemos no nosso dia a dia, bem como no nosso trabalho. Tudo envolve o mundo 3D, envolve o espaço, envolve movimentos, envolve interação.
Para os líderes empresariais que passaram os últimos dois anos a reorganizar fluxos de trabalho em torno de modelos de linguagem de grande dimensão, o argumento de Li é um útil ponto de reavaliação. Os ganhos de produtividade proporcionados pela geração de texto através de IA são reais, mas representam apenas uma pequena parte daquilo que a inteligência, humana ou artificial, faz na realidade.
O trabalho mais difícil e consequente, navegar fisicamente por ambientes, interpretar dados espaciais e operar no mundo em vez de o descrever, continua em grande parte por resolver.
O que fazem os modelos do mundo
Li estabelece uma distinção clara entre modelos de linguagem e aquilo a que chama "modelos do mundo".
Enquanto um modelo de linguagem prevê o próximo elemento de uma sequência, um modelo do mundo prevê o próximo estado de um ambiente físico. Um tenista a responder a um serviço de 120 mph está a fazer algo mais próximo do segundo caso: a interpretar o estado atual da bola e do corpo e a calcular o que acontece a seguir em milissegundos.
"A previsão ou geração de estados é fundamental" para a inteligência espacial,
O modelo da sua empresa, chamado Marble, gera verdadeiros mundos tridimensionais, não vídeos ou imagens planas, mas ambientes 3D persistentes que podem ser explorados, modificados e utilizados como ambientes de treino para aplicações posteriores.
As aplicações imediatas que mencionou são esclarecedoras para os líderes que procuram perceber para onde isto se encaminha.
A formação de robôs é uma delas: os laboratórios já estão a utilizar ambientes 3D gerados como dados sintéticos para treinar robôs físicos, reduzindo a dependência da recolha de dados dispendiosa e morosa no mundo real. A radiologia é outra. O diagnóstico de doenças a partir de dados de imagiologia é, fundamentalmente, um problema espacial. Um nódulo pulmonar existe em três dimensões; uma IA que processe apenas imagens bidimensionais está a trabalhar com informação incompleta.
Os carros autónomos são o exemplo mais visível já existente no mercado. Li apontou a Tesla e a Waymo como empresas que já construíram modelos do mundo funcionais num domínio especializado.
"Desse ponto de vista, neste domínio muito crítico, mas especializado, já temos inteligência espacial", afirmou.
O problema dos dados
Li foi direta quanto à principal limitação ao progresso. A computação é dispendiosa, mas está disponível. A arquitetura dos modelos está a avançar. Os dados são a parte difícil.
Os modelos de linguagem beneficiaram de material de treino essencialmente ilimitado: o texto acumulado da internet, livros digitalizados e conversas transcritas. Os dados espaciais não têm um corpus equivalente. As representações tridimensionais de ambientes físicos são escassas, dispendiosas de produzir e difíceis de uniformizar.
"Se pensa que faltam dados sobre mundos 3D", afirmou Li, "os dados de robótica são ainda mais escassos."
Este não é um problema de investigação abstrato. Para qualquer organização que planeie integrar IA física, seja na indústria transformadora, nos cuidados de saúde, na logística ou na gestão de instalações, a infraestrutura de dados será o fator limitativo.
As empresas que já estão a recolher dados espaciais das suas operações físicas, através de sensores, sistemas de imagiologia ou gémeos digitais, estão a construir um ativo cujo valor talvez ainda não apreciem plenamente.
Não se vislumbra um momento ChatGPT
Uma coisa que Li não se comprometeu a prometer é um momento decisivo comparável ao lançamento do ChatGPT, quando um único produto de consumo levou uma nova classe de capacidade de IA ao conhecimento generalizado de um dia para o outro.
"O chat é um comportamento tão omnipresente entre os consumidores", afirmou, "e quando existe um comportamento tão omnipresente entre os consumidores, temos um momento decisivo."
Ela duvida que a inteligência espacial surja da mesma forma, porque poderá não ter um comportamento de consumo único e simples que lhe sirva de base. Não existe um equivalente óbvio a escrever uma pergunta numa caixa de chat.
Isso significa que a implementação da IA espacial deverá ser específica a cada área e gradual, em vez de súbita e universal. Os laboratórios de robótica, as empresas de imagiologia médica, os criadores de jogos e os estúdios de efeitos visuais encontrar-se-ão com ela muito antes de esta se tornar uma presença habitual no software empresarial generalista.
Para os CHROs e COOs, esse calendário é importante. A pressão para agir relativamente à IA espacial não é a mesma que existia para agir relativamente à IA linguística no início de 2023. Mas o período de preparação também é mais curto do que parece.
O trabalho fundamental — compreender onde a inteligência física poderia transformar as suas operações, fazer o inventário dos seus ativos de dados espaciais e desenvolver literacia na sua equipa de liderança — demora mais tempo do que a adoção de um novo produto SaaS.
Li descreveu o momento atual como uma convergência: as arquiteturas de modelos transformadores desenvolvidas para a linguagem estão agora a encontrar-se com os avanços na visão computacional e na computação 3D que se têm vindo a desenvolver há anos.
"Pela primeira vez, temos a oportunidade de conquistar verdadeiramente alguns dos problemas mais fundamentais da IA", afirmou.
Tratar essa convergência como um problema de terceiros, que basta observar, levará muitas organizações a cometer o mesmo erro que muitas cometeram quando o ChatGPT foi lançado. Partiram do princípio de que tinham mais margem de manobra do que realmente tinham.