Quando Rodney Brooks fala sobre robótica e inteligência artificial, você deveria ouvir. Atualmente professor emérito de robótica da Panasonic no Instituto de Tecnologia de Massachusetts, ele também é cofundador de três grandes empresas, incluindo Rethink Robotics, iRobot e Robust.ai, nas quais está trabalhando atualmente. Brooks dirigiu o Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL) por 10 anos, começando em 1997.
Na verdade, ele gosta de fazer previsões sobre o futuro da IA e mantém um scorecard de suas realizações em seu blog.
Ele sabe do que está falando e acha que talvez seja hora de frear o hype que grita sobre a IA generativa. Brooks acha que é uma ótima tecnologia, mas pode não ser tão capaz quanto muitas pessoas sugerem. “Não estou dizendo que os LLMs não sejam importantes, mas você precisa ter cuidado.” [with] Ele contou ao TechCrunch como os avaliamos.
O problema com a IA generativa, disse ele, é que embora seja perfeitamente capaz de executar um conjunto específico de tarefas, não pode fazer tudo o que um ser humano pode fazer, e os humanos tendem a sobrestimar as suas capacidades, diz. “Quando os humanos veem um sistema de IA realizar uma tarefa, eles rapidamente a generalizam para coisas semelhantes e fazem inferências sobre as capacidades do sistema de IA”, disse Brooks. “E geralmente são otimistas demais porque usam um modelo de desempenho individual no trabalho.”
O problema, acrescentou ele, é que a IA generativa não é humana nem mesmo semelhante a humanos, e tentar atribuir-lhe capacidades humanas é falho. Ele diz que as pessoas o consideram tão capaz que até querem usá-lo para aplicações inúteis.
Brooks oferece um exemplo: sua mais recente empresa, Robust.ai, um sistema robótico de armazém. Recentemente, alguém sugeriu a ele que seria legal e eficiente construir um LLM para o sistema e dizer aos robôs do armazém para onde ir. Mas, na sua opinião, este não é um caso de uso razoável para IA generativa e, na verdade, tornaria as coisas mais lentas. Na verdade, é muito mais fácil conectar o robô a um fluxo de dados do seu software de gerenciamento de armazém.
“Se você acabou de receber 10.000 pedidos e precisa despachá-los em duas horas, é preciso otimizar para isso. A linguagem não ajuda. Apenas retarda as coisas”, disse ele. “Temos processamento de dados em grande escala e tecnologia e planejamento de otimização de IA em grande escala, para que possamos concluir pedidos rapidamente.”
Outra lição que Brooks aprendeu sobre robôs e IA é que você não deve tentar fazer muito. Você precisa resolver um problema solucionável que possa integrar robôs facilmente.
“Você precisa automatizar em locais que já estão limpos. No exemplo da minha empresa, estamos indo muito bem em armazéns, mas os armazéns são bastante restritos. Mesmo em edifícios grandes, a iluminação não muda. Hmm. Não há coisas espalhadas pelo chão porque alguém empurrando um carrinho pode bater nele. E não há má vontade em relação aos robôs. Na maioria das vezes, isso nem é do interesse das pessoas”, disse ele.
Brooks disse que também se trata de robôs e humanos trabalhando juntos, então sua empresa não constrói robôs que se parecem com humanos, mas usa esses robôs para fins práticos relacionados ao trabalho de armazém. Neste caso, parece um carrinho de compras com alças.
“Portanto, o formato que usamos não é um humanóide ambulante, embora eu tenha construído e entregue mais humanóides do que qualquer outra pessoa. Parecem carrinhos de compras.” “Ele tem guidão, então se houver algum problema com o robô, as pessoas podem agarrar o guidão e fazer o que quiserem”, disse ele.
Ao longo dos anos, Brooks aprendeu que é importante tornar a tecnologia acessível e desenvolvida para um propósito específico. “Sempre tento tornar a tecnologia fácil de ser entendida pelas pessoas, para que possamos implantá-la em escala e sempre considerar o caso de negócios também é muito importante.”
Ainda assim, Brooks diz que temos de aceitar que, quando se trata de IA, sempre haverá casos atípicos que são difíceis de resolver e podem levar décadas para serem resolvidos. “Se não considerarmos cuidadosamente como implantamos sistemas de IA, sempre haverá casos extremos que levarão décadas para serem descobertos e corrigidos. Paradoxalmente, todas essas correções são resultado da própria IA.”
Brooks acrescentou que existe uma falsa crença de que sempre haverá crescimento exponencial quando se trata de tecnologia, em grande parte graças à Lei de Moore. Isso significa que se o ChatGPT 4 for tão bom, imagine como será o ChatGPT 5, 6 e 7. Ele reconhece a falha na lógica de que, apesar da Lei de Moore, a tecnologia não cresce necessariamente exponencialmente.
Ele usa o iPod como exemplo. Na verdade, dobramos o tamanho do armazenamento de 10 GB para 160 GB em algumas iterações. Se continuássemos nessa trajetória, ele pensava que veríamos um iPod com 160 TB de armazenamento até 2017, mas é claro que não foi o caso. Os modelos vendidos em 2017 tinham, na verdade, 256 GB ou 160 GB. Porque, como ele ressaltou, ninguém realmente precisava de mais.
Brooks reconhece que o LLM poderá um dia apoiar robôs domésticos que possam realizar certas tarefas, especialmente à medida que a população envelhece e há escassez de pessoas para cuidar dos robôs. Mas mesmo isso pode trazer desafios únicos, diz ele.
“As pessoas dizem: 'Ah, grandes modelos de linguagem permitem que os robôs façam coisas que não podiam fazer antes. Essa não é a questão. A questão é se eles podem fazer alguma coisa. , sobre teoria de controle e todos os tipos de otimização matemática séria, ” ele disse.
Brooks explica que isso poderia eventualmente levar a robôs com interfaces de linguagem úteis para pessoas em ambientes de cuidados. “Em um armazém, não é útil dizer aos robôs individuais para irem buscar uma coisa para um pedido. Mas no atendimento domiciliar a idosos, as pessoas podem dizer algo ao robô. “Pode ser útil fazer isso”, disse ele.
