Inteligência Artificial nos Negócios: Aberto ou Fechado?
No meu último post, mencionei que muitas pessoas estariam acompanhando de perto os resultados do segundo trimestre da NVIDIA. A razão para isso é que a NVIDIA está atualmente liderando a carga de hardware que está lidando com grande parte da carga computacional necessária pelos Modelos de Linguagem de Grande Escala (LLMs) que impulsionam a frenesi atual da IA. Esse artigo esclarece por que a NVIDIA está nessa posição dominante por enquanto. Mas os concorrentes não estão parados.
Quanto ao tópico dos LLMs, um aspecto fundamental que provavelmente levará anos para se desenrolar é se os LLMs de código aberto (como o ChatGPT ou o Bard) manterão sua liderança inicial ou se os LLMs de código aberto, como o Llama 2 da Meta, os superarão. O debate sobre aberto ou fechado provavelmente continuará, pois é um tópico tão complexo. Como exemplo, o suposto documento interno vazado 'We Have No Moat...' argumentou que os LLMs de código aberto eventualmente vencerão, enquanto o CEO do DeepMind, da própria Google, discorda dessa premissa.
Além da natureza aberta ou fechada dos LLMs, o outro aspecto-chave que as empresas estão considerando é a personalização dos LLMs por algumas razões: 1) eles desejam limitar o foco de uma ferramenta de IA (maior nem sempre é melhor) ou 2) desejam treinar LLMs usando seus próprios conjuntos de dados internos (pense em ferramentas internas eficientes de suporte ao cliente como exemplo).
Há elementos da corrida entre aberto e fechado também quando se trata de personalização. É por isso que a OpenAI recentemente lançou o GPT-3.5 Turbo e por que a IBM anunciou recentemente que disponibilizaria uma versão do Watsonx alimentada pelo Llama 2 para clientes e parceiros selecionados.
Embora ainda estejamos nos primeiros dias do ciclo de hype da IA, está claro que o apetite das empresas para implementar a IA de diversas maneiras não mostra sinais de desaceleração.
