- Inteligência: processo dinâmico, não atributo estático.
- LLMs priorizam a previsão, remodelando a compreensão da IA.
- Shieber redefine a IA, enfatizando sua utilidade como ferramenta.
Em uma crítica ousada e provocativa, Joseph Shieber desafia a narrativa predominante em torno da inteligência artificial (IA) e suas aplicações, propondo uma reavaliação fundamental da terminologia e da conceituação.
Shieber argumenta que a nomenclatura atual distorce a natureza e as capacidades do que é comumente referido como sistemas de “inteligência artificial”, particularmente os Modelos de Linguagem de Grande Escala (LLMs).
Redefinindo LLMs: Ferramentas genuínas, não artificiais
A primeira contenda de Shieber desafia a própria terminologia usada para descrever esses sistemas. Traçando paralelos com eletrodomésticos comuns como máquinas de lavar e carros, Shieber afirma que rotular LLMs como “artificiais” é um equívoco.
Ao contrário de construções falsas ou fraudulentas, os LLMs são auxílios genuínos projetados para simplificar e aprimorar os esforços humanos. Seus avanços na compreensão e na compreensão da linguagem, conforme observado em estudos recentes, destacam sua utilidade tangível.
A falácia da “Inteligência Artificial”
Shieber sustenta que o próprio termo “inteligência artificial” é enganoso, pois implica um nível de capacidade cognitiva que os LLMs não possuem. Embora reconheça os avanços significativos feitos pelos LLMs, Shieber afirma que a inteligência é um processo contínuo, e não um atributo estático. Ele refuta argumentos baseados em consciência, incorporação e experiência, focando em vez disso na natureza da inteligência como uma busca coletiva e evolutiva guiada por instituições.
Desmascarando Equívocos: Inteligência vs. Previsão
Central para o argumento de Shieber está uma distinção crucial entre os objetivos da inteligência humana e dos LLMs. Enquanto a inteligência humana visa a busca pela verdade por meio de testes e iteração, os LLMs priorizam a previsão de respostas com base em dados existentes.
Shieber postula que os LLMs se destacam na geração de respostas plausíveis semelhantes às respostas humanas, em vez de representar a realidade com precisão. Essa diferença crítica mina sua classificação como entidades inteligentes.
A crítica de Shieber desafia a sabedoria convencional e desperta uma reavaliação de como a sociedade percebe e rotula os avanços na inteligência artificial. Ao reformular os LLMs como ferramentas genuínas e enfatizar sua natureza preditiva em vez de buscadora de verdade, Shieber oferece uma perspectiva matizada que provoca uma reflexão mais profunda sobre a natureza da inteligência e o papel da tecnologia na moldagem dos esforços humanos.
Implicações para o desenvolvimento futuro
A análise de Shieber tem implicações significativas para o desenvolvimento e implantação contínuos das tecnologias de IA. Ao reconhecer as limitações da terminologia e dos frameworks conceituais atuais, pesquisadores e formuladores de políticas podem adotar uma abordagem mais matizada para a governança e ética da IA.
O chamado de Shieber para reassessar os objetivos e as capacidades dos LLMs encoraja uma mudança para práticas de desenvolvimento de IA mais transparentes e responsáveis.
Redefinir a IA exige uma mudança de paradigma
A crítica de Joseph Shieber desafia noções predominantes de inteligência artificial, defendendo uma reavaliação da terminologia e dos frameworks conceituais. Ao reformular os LLMs como ferramentas genuínas e enfatizar sua natureza preditiva, Shieber promove uma compreensão mais profunda dos objetivos e limitações das tecnologias de IA.
À medida que a sociedade continua a lidar com as implicações da IA, as percepções de Shieber oferecem uma perspectiva valiosa para navegar na complexa interseção entre tecnologia e inteligência humana.
Se você está lendo isso, já está à frente. Mantenha-se assim com nosso boletim informativo.
Aviso Legal. As informações fornecidas não constituem aconselhamento de investimento. Cryptopolitan.com não assume responsabilidade por quaisquer investimentos realizados com base nas informações fornecidas nesta página. Recomendamos fortemente a realização de pesquisa independente e/ou consulta com um profissional qualificado antes de tomar quaisquer decisões de investimento.
Emman Omwanda
A especialidade de Emmanuel Omwanda reside nos mercados de criptomoedas, abrangendo tanto a análise fundamentalista quanto a técnica. Ele trabalhou anteriormente em diversos sites de mídia de criptomoedas antes de se juntar à Cryptopolitan, incluindo CoinEdition, The Crypto Basic, CryptoNews Flash e DroomDroom. Ele possui uma Licenciatura em Ciências (BSc.) em Matemática e Ciência da Computação pela Universidade Kenyatta, no Quênia, e está atualmente no último ano de graduação em Artes em Comunicação e Estudos de Mídia.
