Diogo Cortiz é um palestrante referência em tecnologia, inovação, educação e inteligência artificial. Participou do evento de comemoração de 10 anos do Centros de Estudos sobre Tecnologias Web, com a palestra “IA Generativa e Modelos de Linguagem: Fundamentos e Uso Prático”.
Dá para cravar os impactos da IA na economia e no mercado de trabalho?
Acho difícil, por muitos motivos. Nas minhas aulas e palestras, sempre trago um panorama que não olha apenas para a IA, mas para a história econômica e da inovação tecnológica.
Existe a ideia no senso comum de que o aumento de produtividade sempre produzirá salários mais altos e uma sociedade mais igualitária. Então, se a IA aumentar a produtividade, teríamos muitos mais benefícios do que problemas, correto?
Sim, mas não é isso que a história econômica nos conta.
Dados compilados pelo “Economic Policy Institute” mostram que, entre 1980 e 2022, a produtividade aumentou 64,7% puxada por uma forte automação, enquanto os salários subiram apenas 14,8% no mesmo período. Ou seja, uma concentração ainda maior.
Outra ideia no senso comum que simplifica as coisas é a de que uma nova tecnologia, embora possa destruir postos de trabalhos, ela sempre cria novas posições – em quantidades ainda maiores.
De fato, isso acontece, mas nem sempre na mesma velocidade, nem no mesmo período, nem na mesma magnitude. E é isso que pode fazer com que a desigualdade cresça com a inovação.
Nesta semana, Daron Acemoglu e Simon Johnson foram laureados com o prêmio Nobel de Economia. E o livro mais recente deles, “Poder e Progresso” nos dá pistas interessantes.
Um dos problemas é como definimos a métrica de produtividade. A definição padrão assume a produtividade como a produção média por trabalhador. Neste caso, basta pegar a produção total e dividir pela quantidade de empregados.
Mas para uma empresa avaliar se vale a pena contratar mais funcionários, o que importa é uma outra medida, a produtividade marginal, que mede a contribuição adicional de um novo funcionário no aumento da produção.
Este é um conceito complicado, então cabe um exemplo para facilitar. Imagine uma padaria com apenas um funcionário que produz 10 pães por hora. Se o dono contratar um segundo empregado, e a produção total passar para 18 pães por hora, isso quer dizer que a produtividade marginal do segundo padeiro é de 8 pães.
Uma das hipóteses com o avanço da IA é que a produtividade padrão aumentaria ainda que a produtividade marginal se mantivesse constante ou até diminuísse, o que não é um incentivo para as empresas contratarem mais.
Então, já deu pra sacar que o jogo é mais bruto do que imaginamos. E para complicar, o desenvolvimento da IA não segue um caminho linear.
No começo do ano, o FMI publicou um relatório mostrando que 40% dos postos de trabalhos estão expostos à IA. Uma parte sofrerá o impacto da automação enquanto a outra poderá se beneficiar da IA.
Então, embora ainda não entedemos todas as consequências concretas no mercado de trabalho, já sabemos que é mandatório requalificar a nossa força de trabalho para IA. Essa deveria ser o primeiro passo de qualquer política pública.
Recentemente, eu escrevi um artigo para minha coluna no UOL aprofundando mais sobre o tema. Deixo o link aqui.
Diogo Cortiz foi o entrevistado pelo Pedro Bial sobre inteligência artificial. Você pode ver o programa na íntegra neste link.
A convite da Meta, estou nesta semana no escritório da empresa em Londres participando do Open Innovation AI Research. A ideia é discutir inovação aberta a partir do Llama, modelo de IA de código aberto, além das várias aplicações que estão sendo desenvolvidas ao redor do mundo.
Só hoje de manhã conheci um grupo de pesquisa ligado ao escritório do Presidente da África do Sul que usa IA para ajudar a formular políticas públicas.
Também conheci uma aplicação para investigar tráfico humano, um outro projeto de match de ensaio clínico de pacientes com câncer e outro que usa IA para estudar formação de grupos sociais.
IA de código aberto é o maior motor de inovação aberta para as próximas décadas. Go Open!
Diogo Cortiz é professor da PUC-SP, colunista do UOL e palestrante especializado em tecnologia, inovação e ciência cognitiva.
Uma pergunta em aberto sobre IA generativa é se ela é capaz de fazer novas descobertas. Em um artigo que acaba de ser publicado na Nature, pesquisadores da DeepMind demonstram que sim, que os Modelos de Linguagem (LLMs), como o ChatGPT ou Bard, podem ajudar a descobrir novos conhecimentos.
Talvez não do jeito que você esteja pensando. Então vem comigo que eu explico.
Galera, aconteceu!!! 📣❗ 😀
Acabei de publicar o curso gratuito de IA generativa. Durante a pandemia, eu adaptei umas aulas do curso de IA que eu dava na PUC-SP para o YT e foi um sucesso. Desde o começo do ano, muita gente me pede para eu atualizar o conteúdo para explicar mais desse universo novo da IA generativa. Demorou um pouco, porque estou lotado de trampo, mas saiu. Espero que gostem. 🙂
Em 1966 um acontecimento mudou a forma como a gente entende a interação do humano com a máquina. E com o avanço da IA, precisamos voltar novamente ao assunto.
Leia mais
Uma das primeiras pesquisas em larga escala investigou a atitude de estudantes em relação ao ChatGPT no ensino superior. O estudo foi conduzido por pesquisadores da Chalmers University of Technology e contou com a participação de quase 6 mil alunos de universidades na Suécia.
Leia mais
Pesquisadores de Google e Stanford publicaram uma pesquisa sobre “agentes generativos” que mais parece a primeira versão de uma mistura de Matrix com Westworld.
Usando uma simulação baseada em vídeo game, eles criaram uma pequena cidade com 25 personagens em que as coisas começaram a acontecer de forma autônoma. Diferente de um jogo, esses personagens não tinham uma pré-programação, mas seus comportamentos emergiram a partir da interação com o ambiente e outros agentes.
Leia mais