Regulamentando a IA: Abordagens Viáveis para Abordar Preocupações Crescentes

À medida que a influência das tecnologias de inteligência artificial generativa (IA) continua a se expandir, também aumenta a apreensão em torno de suas consequências potenciais. Essas preocupações abrangem várias questões, desde a proliferação de desinformação e deslocamento de empregos até a perda de controle criativo e até mesmo ameaças existenciais posedas por IA superinteligente.

Em resposta a esses medos crescentes, governos em todo o mundo estão lutando para regulamentar a IA. Este artigo explora várias abordagens para a regulamentação da IA, considerando sua viabilidade tecnológica e econômica.

Restringindo dados de treinamento: Uma abordagem tecnologicamente e parcialmente economicamente viável

Uma abordagem viável para a regulamentação da IA é limitar os dados de treinamento usados pelos modelos de IA a material de domínio público e conteúdo protegido por direitos autorais para o qual permissão explícita foi obtida. Esta abordagem permite que as empresas de IA controlem a qualidade e a legalidade dos dados usados em seus modelos. 

Tecnicamente, essa restrição é totalmente viável, pois os desenvolvedores de IA podem curar com precisão seus conjuntos de dados de treinamento.

Do ponto de vista econômico, há um compromisso entre o uso de dados restritos e a obtenção da mais alta qualidade de conteúdo possível. Os sistemas de IA se beneficiam de dados de treinamento diversos e extensos, mas a adesão às permissões pode limitar a variedade e a riqueza dos dados. 

No entanto, algumas empresas de IA, como a Adobe com seu gerador de imagens Firefly, já estão se comercializando usando apenas conteúdo autorizado, demonstrando que a viabilidade econômica parcial pode ser alcançada.

Atribuir a saída da IA aos criadores: Um empreendimento tecnicamente inviável

Outra possível via para a regulamentação da IA é atribuir a saída da tecnologia de IA a criadores específicos ou grupos de criadores para fins de compensação. No entanto, essa abordagem enfrenta desafios tecnológicos significativos. 

Os algoritmos complexos usados na IA generativa tornam quase impossível determinar quais amostras de entrada influenciaram diretamente a saída. Mesmo que tal atribuição fosse possível, determinar a extensão em que cada amostra de entrada contribuiu para a saída permanece uma tarefa desafiadora.

A complexidade dos sistemas de IA e a falta de uma ligação clara entre a entrada e a saída tornam essa forma de regulamentação tecnicamente inviável. Esta é uma preocupação crítica, pois a capacidade de atribuir conteúdo gerado por IA pode determinar se os criadores e seus detentores de licenças abraçam ou se opõem à tecnologia de IA.

Distinguir conteúdo gerado por humanos de conteúdo gerado por IA: Um desafio tecnologicamente em evolução

As preocupações com campanhas de desinformação geradas por IA destacaram a necessidade de distinguir entre conteúdo gerado por humanos e conteúdo gerado por IA. Embora startups de tecnologia estejam ativamente desenvolvendo soluções para abordar essa questão, o estado atual da tecnologia está atrás dos avanços da IA generativa.

As abordagens existentes baseiam-se principalmente na identificação de padrões específicos da IA generativa, mas esse método é semelhante a perseguir um alvo em movimento. Tecnicamente, ainda é um desafio diferenciar de forma confiável entre conteúdo gerado por humanos e conteúdo gerado por IA. No entanto, o rápido progresso nesta área sugere que uma solução pode surgir no futuro próximo.

Atribuir a saída da IA às empresas de IA: Uma regulamentação tecnicamente e economicamente viável

Uma abordagem alternativa é atribuir o conteúdo gerado por IA ao fornecedor de IA específico responsável por sua criação. Isso pode ser feito por meio de assinaturas criptográficas, uma tecnologia bem compreendida e madura. 

As empresas de IA poderiam assinar criptograficamente toda a saída de seus sistemas, permitindo que qualquer pessoa verificasse a autenticidade da origem do conteúdo.

Esta regulamentação é tecnicamente e economicamente viável, pois a tecnologia necessária já está embutida na infraestrutura computacional básica. 

No entanto, isso levanta questões sobre se é desejável depender exclusivamente de conteúdo gerado por um número limitado de fornecedores bem estabelecidos cujas assinaturas podem ser verificadas.