No panorama dinâmico da inteligência artificial, a combinação da IA tradicional com a IA generativa está a emergir como uma estratégia promissora. A primeira destaca-se em tarefas estruturadas e de precisão, enquanto a segunda demonstra uma criatividade excecional. Ao combinar estas duas abordagens, é possível obter uma simbiose em que a lógica e a criatividade se juntam, abrindo caminho a aplicações mais robustas e inovadoras. Esta combinação oferece um potencial significativo para resolver problemas complexos e ultrapassar os limites atuais da IA.

É, por exemplo, o que acontece em alguns casos no setor bancário relativamente à análise dos mercados financeiros para efeitos da prestação de informações sobre a empresa e o seu desempenho financeiro. As organizações pretendem combinar o valor acrescentado dos seus sistemas analíticos tradicionais de IA com os resultados do processamento de sínteses generativas de IA de dados não estruturados da Web (por exemplo, análise de sentimentos). Este sistema apoia o financeiro na estruturação da informação, oferecendo-lhe uma visão resumida e consolidada das informações das várias fontes, para cada interveniente no mercado (resumo consolidado e atualizado periodicamente) e, se necessário, facilitando-lhe a recuperação de informação-chave, através da referência às suas fontes (sistema dinâmico de perguntas e respostas).

Combinação de LLM genéricos com LLM mais pequenos e especializados

Os LLM (do inglês large language models) genéricos têm dominado a IA, mas a sua combinação com LLM mais pequenos e especializados representa uma evolução crucial. A utilização de grandes modelos genéricos permite decompor problemas complexos numa soma de problemas mais elementares, que são submetidos a modelos especializados. Estes podem ser adaptados a domínios específicos e, até, altamente exigentes, oferecendo maior eficiência e precisão. Combinando o poder dos LLM genéricos com a especialização direcionada de modelos mais pequenos em recursos, cria-se uma solução equilibrada que responde às diversas necessidades das aplicações de IA.

Outro exemplo, aplicado ao setor dos seguros, diz respeito à retenção de clientes numa situação de stress e insatisfação, na sequência de um sinistro. O potencial reside na combinação de vários "pequenos" LLM altamente especializados para tarefas específicas, onde se torna possível reconstruir a história da relação com o cliente com base em todas as suas interações (multicanal e redes sociais), oferecer um resumo ilustrado de todos os elementos de conhecimento sobre o cliente (contratos, eventos importantes) e apresentar sugestões de ação ao comercial, ou realizar algumas delas.

Muitas pessoas ainda não estão conscientes de que integrar a IA generativa no seu sistema de informação implica a implementação de um ciclo de melhoria contínua da solução para manter o seu desempenho. Um elemento essencial para otimizar o desempenho dos LLM é a aplicação do princípio do autoaperfeiçoamento. Este conceito revolucionário permite que os prompts e os modelos melhorem progressivamente ao longo do tempo. Ao incorporarem mecanismos de otimização contínua, os modelos podem ajustar os seus parâmetros de acordo com o feedback, assegurando uma adaptação constante à evolução das necessidades das aplicações.

Em conclusão, a combinação da IA tradicional com a IA generativa e dos LLM genéricos com os LLM especializados representam um avanço significativo na utilização da IA para resolver os casos mais complexos, de uma forma ética e responsável. Esta abordagem tira o máximo partido das diferentes capacidades para criar sistemas mais inteligentes e versáteis, mas sobretudo responsáveis.

Miguel Guedes
Director of Consulting Expert, CGI

Publicado no Sapo Tek,Online. 12 agosto 2024