Se está a ler este artigo, posso pressupor que já ouviu falar (ou pelo menos está interessado) em saber mais sobre Generative AI. E não está sozinho.
Segundo o Google Trends (Tendências Google), a pesquisa do termo “Generative AI” registou um aumento assinalável de interesse desde o início do ano, o que significa que se trata claramente de um assunto em voga no mundo atual, com impactos em todos os setores da sociedade. (Leu a notícia que a NVIDIA – o principal fabricante de GPUs no mercado – atingiu recentemente uma avaliação de mil milhões de dólares? Fonte: Reuters )
Neste artigo, apresentarei uma breve explicação das principais palavras-chave relacionadas com a Generative AI e como se relacionam entre si, uma visão geral das atuais ofertas de Generative AI em Google Cloud Platform, bem como alguns recursos que pode utilizar no seu próprio percurso de aprendizagem.
Espero que goste deste artigo e que seja útil na sua exploração do mundo de Generative AI!
Comecemos pelo princípio
Atualmente, nos meios de comunicação social, muitos termos relacionados com Inteligência Artificial são utilizados sem contexto ou explicação, por isso permita-me que comece pelo princípio e partilhe algumas definições de termos que certamente já ouviu antes.
Inteligência Artificial (IA) refere-se ao campo de estudo relacionado com sistemas inteligentes (sistemas que simulam o conhecimento humano) que não necessitam de programação explícita para obter conhecimento. Devemos pensar em IA como pensamos na Química, na Física ou na História.
Machine Learning (ou ML) refere-se a um ramo específico de IA em que os sistemas inteligentes obtêm conhecimentos a partir de padrões nos dados subjacentes. Outros ramos bem conhecidos da IA são (mas não se limitam) a otimização, a visão computacional e a robótica.
Deep Learning (ou DL) refere-se a um subconjunto de modelos de ML cuja estrutura é baseada em Redes Neurais Artificiais. Outros subconjuntos de modelos de ML que são bem conhecidos incluem (mas não se limitam a) modelos baseados em árvores (como Random Forests ou XGBoost) ou métodos de clustering.Generative AI (GenAI) refere-se a um tipo de redes neurais artificiais que podem gerar novos dados com base no conjunto de dados de treino que lhe serviu de modelo. Outro tipo de RNA são as RN discriminativas, que atribuem classes ou classificam os novos dados que lhe são apresentados com base nos padrões previamente aprendidos no conjunto de dados de treino.
Em Generative AI, podemos encontrar modelos dedicados à linguagem (por exemplo, LLM – Large Language Models), áudio, vídeo, imagem, 3D, entre muitos outros domínios.
Nota: Embora se refira aos dados subjacentes utilizados para criar estes modelos, outro conceito que vale a pena mencionar é o de dados estruturados versus dados não estruturados. Os dados estruturados referem-se a dados altamente organizados, normalmente de forma tabular, como a organização encontrada nas bases de dados relacionais. Os dados não estruturados referem-se a dados que não são tão facilmente catalogados devido à falta de um formato pré-determinado, como imagens, vídeo ou áudio.
Como é que se pode utilizar modelos de Generative AI em GCP?
No início de maio deste ano, a Google Cloud Platform disponibilizou em antevisão o seu Generative AI Studio incluído na ferramenta Vertex AI. A Google define o Generative AI Studio como sendo “uma ferramenta da consola Google Cloud para criar rapidamente protótipos e testar modelos de Generative AI.” [1] Isto significa que não precisa de desenvolver os seus próprios modelos de Generative AI a partir do zero (o que pode ser uma tarefa bastante complexa e morosa), e pode começar a experimentar e a criar protótipos na GCP com os modelos pré-treinados da Google para avaliar se uma determinada abordagem é verdadeiramente adequada para o seu caso de utilização.
Atualmente, no Generative AI Studio, pode encontrar dois cenários de utilização principais:
- Linguagem: com modelos preparados para resolver tarefas como Sumarização, Classificação, Extração, Escrita e Ideação (que contém o meu favorito pessoal, um Gerador de Memes).
- Discurso: com modelos preparados para resolver tarefas como a conversão de discurso em texto e a conversão de texto em discurso.
Com estes modelos pré-treinados, pode resolver várias tarefas recorrentes, como a análise de sentimentos, a análise de contratos ou mesmo criar um agente de chat capaz de resumir automaticamente interações anteriores e criar listas de acompanhamento. Também pode ajustar estes modelos pré-treinados às necessidades específicas dos seus casos de utilização, sem necessidade de recriar todo o modelo a partir do zero.
Também está disponível em antevisão o novo Model Garden, que contém vários modelos fundamentais que estão prontos para as empresas e são específicos para determinadas tarefas. Pode encontrar modelos proprietários criados diretamente pela Google (como o PaLM 2), modelos de código aberto (como o BERT) em que a comunidade confia e, no futuro, a Google espera disponibilizar também modelos de terceiros.
Num futuro próximo, está a chegar algo verdadeiramente entusiasmante: Cenários relacionados com a imagem. Esperamos ver ofertas na geração de imagens, classificação, pesquisa e recomendação num futuro próximo. Alguns testers já tiveram uma antevisão desta incrível funcionalidade, pelo que esperamos que esteja disponível em breve. Como teaser, incluo uma imagem partilhada pela Google para apresentar esta ferramenta.
Fonte: Vertex AI Image Generation – Imagem gerada utilizando a geração de imagens Vertex AI Image Generation a partir do prompt: 4K video game concept art, urban jungle, cityscape inspired by new york city, detailed rendering.
.
Recursos
Uma vez que Generative AI está a tornar-se amplamente disponível e é um tema tão em voga, a Google está a oferecer, sem custos, um curso próprio (também conhecido como learning path) para o ajudar a adquirir novas competências neste domínio.
Pode encontrar o curso de Generative AI aqui, que abrange tópicos como (mas não só):
- Large Language Models
- IA Responsável
- Geração de imagens
- Mecanismo de atenção
- Modelos transformers
Este curso é uma excelente forma de aprender os conceitos em profundidade com a própria Google e de ter contato direto com estas ferramentas no ambiente da Google Cloud Platform através da realização dos laboratórios.
Conclusão
Antes de mais, obrigado por ter passado os últimos minutos do seu tempo a ler a minha visão geral de Generative AI e das ferramentas da Google Cloud Platform disponíveis nesta àrea. Espero tê-lo deixado com uma compreensão mais clara das palavras-chave e ter estimulado a sua curiosidade sobre este assunto.
A Generative AI está a crescer a um ritmo incrivelmente rápido e, por vezes, parece que todos os dias há um novo produto a chegar ao mercado, o que, por sua vez, significa que todos os dias estão a acontecer novos e empolgantes avanços. Mas, também pode significar que é altura de refletir sobre a ética e a IA responsável.
Sobre este último assunto, deixo-a hoje com o caso de negócio de Responsible AI (IA Responsável) da Google, bem como com as Responsible AI Practices (Práticas de IA Responsável) da Google, que esperamos que leia e implemente na sua utilização quotidiana de Inteligência Artificial.
