Getty Images
Acessibilidade
Algumas horas antes da abertura da WWDC, seu principal evento para desenvolvedores, nesta segunda-feira (9), seis engenheiros e pesquisadores associados à Apple divulgaram um paper questionando a eficiência dos modelos de linguagem que impulsionam ferramentas como ChatGPT, Gemini e outras.
De acordo com o estudo, intitulado “A Ilusão do Raciocínio”, as IAs superavançadas, conhecidas como LLMs (Large Language Models – Grandes Modelos de Linguagem), são projetadas para pensar passo a passo antes de gerar uma resposta. Segundo os pesquisadores, esses modelos conseguem resolver tarefas matemáticas e de programação, mas a questão central levantada é: elas realmente entendem o que estão fazendo ou apenas repetem padrões pré-existentes?
O Experimento e os Resultados
Para investigar essa dúvida, os cientistas desenvolveram um método diferente de teste para as IAs. Em vez de avaliações convencionais, elas foram submetidas a quebra-cabeças de diferentes níveis de complexidade, permitindo que os pesquisadores analisassem não apenas a resposta final, mas também o processo de raciocínio utilizado.
Os resultados indicam que, no curto prazo, o desenvolvimento de uma superinteligência artificial ainda é inviável. Entre as surpresas da pesquisa, destacam-se:
“Pane” na IA
Quando o quebra-cabeça se tornava extremamente difícil, a IA simplesmente travava e cometia erros graves, incapaz de encontrar uma solução eficiente.
Cansaço inesperado
Após certo número de tentativas, a IA desistia de continuar processando, apesar de ainda ter capacidade computacional para buscar respostas.
Comparação entre Modelos de IA
A pesquisa comparou as IAs “pensantes”, que simulam processos cognitivos, com modelos mais simples e descobriu padrões interessantes:
Ações fáceis
As IAs mais simples superaram as IAs pensantes, executando tarefas básicas com maior precisão.
Ações médias
Neste nível, as IAs pensantes tiveram vantagem, pois o raciocínio adicional as ajudou a encontrar respostas.
Ações difíceis
Nenhum dos modelos apresentou desempenho satisfatório—tanto as IAs simples quanto as pensantes falharam completamente.
Matemática inconsistente
As IAs pensantes demonstraram dificuldades em cálculos exatos e apresentaram inconsistência no raciocínio, sem seguir uma lógica clara e uniforme.
O estudo reforça que, embora as IAs “pensantes” sejam úteis para resolver problemas de complexidade média, elas apresentam limitações significativas. Elas não pensam como os humanos e não operam com lógica e consistência em todas as situações.
A pesquisa levanta questões fundamentais sobre o real potencial das IAs avançadas e coloca em xeque a ideia de que esses modelos já estejam prontos para substituir o pensamento humano em cenários altamente complexos.
