O Novo Instinto Intuitivo do AI: Por Que Pensar Melhor é Mais Importante do que Pensar Mais

Os avanços em inteligência artificial (IA) foram impulsionados durante muito tempo pela crença de que o aumento de dados e poder computacional pode melhorar o desempenho. Essa abordagem “brute force” levou a sistemas de IA impressionantes, como o GPT-3, que se saíram muito bem ao longo dos anos. No entanto, esse paradigma está alcançando seus limites. À medida que os problemas de IA se tornam mais complexos, fica claro que simplesmente adicionar mais poder de processamento não será uma solução sustentável ou eficaz para o progresso a longo prazo. Essa realização levou os pesquisadores a repensar sua abordagem ao desenvolvimento de IA. Nesse contexto, o modelo Cogito v2 da Deep Cogito introduz uma nova abordagem que pode mudar o futuro do desenvolvimento de IA. Em vez de depender de mais poder de processamento ou raciocínio estendido, o Cogito v2 desenvolve “instintos intuitivos” internos que guiam o modelo para identificar os caminhos certos antes mesmo de começar a busca. Isso é uma mudança de paradigma em como a IA está sendo desenvolvida, focando em pensar melhor, não mais.

Uma Mudança no Desenvolvimento de IA

Por muitos anos, a força motriz por trás dos avanços em IA foi a ideia de que “mais é melhor”. Essa abordagem levou a modelos de IA que geram cadeias de raciocínio extensas para resolver problemas complexos. Os modelos da OpenAI, como o GPT-3, são um exemplo dessa abordagem, onde cadeias de raciocínio mais longas levaram a resultados impressionantes em tarefas difíceis. Embora esse método tenha produzido resultados impressionantes, ele vem com desvantagens significativas. Cadeias de raciocínio mais longas exigem mais recursos computacionais, o que resulta em tempos de inferência mais lentos e custos operacionais mais altos. Além disso, a pesquisa mostrou que esses processos estendidos frequentemente levam a retornos decrescentes, onde o raciocínio mais longo leva a mais viés e menos eficiência. O problema fundamental é que confiar em cadeias de raciocínio longas e aumentar o poder computacional não é mais uma solução eficaz para lidar com problemas de IA complexos. Essas abordagens são limitadas por seus requisitos massivos de tempo de processamento e memória.

Por Que o ‘Instinto Intuitivo’ é Importante para a IA

Ao contrário dos sistemas de IA atuais que dependem de raciocínio estendido, os humanos frequentemente confiam em o que é chamado de “instinto intuitivo” (uma forma de julgamento rápido e intuitivo) para resolver problemas. Embora o instinto intuitivo possa parecer um conceito abstrato, ele é frequentemente o resultado de anos de experiência, aprendizado e processamento de contexto que permite aos humanos tomar decisões rápidas sem analisar completamente todos os detalhes. É esse tipo de intuição que separa a computação bruta do raciocínio humano. Os humanos constroem esse “instinto intuitivo” por meio do reconhecimento de padrões e experiência acumulada, o que nos permite tomar decisões sem explorar exaustivamente todas as opções possíveis. O novo “instinto intuitivo” da IA visa replicar esse processo.

Essa ideia, também referida como “prioridade de inteligência”, pode ser a chave para dotar os sistemas de IA de raciocínio humano e torná-los mais eficientes. Modelos de IA com forte prioridade de inteligência podem antecipar quais soluções são prováveis de ter sucesso sem precisar passar por cálculos extensivos. Em vez de confiar em métodos de busca exaustivos, o instinto intuitivo permite que os sistemas de IA usem conhecimento anterior, focando nos caminhos mais eficazes para uma solução.

Como o Cogito v2 Incorporou o ‘Instinto Intuitivo’

O Cogito incorporou a ideia de “instinto intuitivo” (mais tecnicamente, prioridade de inteligência) em seu modelo recentemente lançado, o Cogito v2. Eles integraram essa ideia usando um mecanismo chamado Iterated Distillation and Amplification (IDA). Esse mecanismo permite que o modelo aprenda com seu próprio processo de raciocínio e refine suas habilidades de resolução de problemas ao longo do tempo. Em vez de confiar em prompts estáticos ou professores fixos, a IDA permite que a IA destile caminhos de raciocínio bem-sucedidos de volta aos parâmetros principais do modelo. Esse processo de auto-aperfeiçoamento refina a capacidade de raciocínio do modelo ao longo do tempo, otimizando não apenas para respostas precisas, mas também para os métodos de pensamento mais eficientes.

• Iterated Distillation and Amplification (IDA)

Para entender como a IDA funciona, podemos olhar para a teoria do processo dual, que divide o pensamento humano em dois sistemas: Sistema 1 e Sistema 2. O Sistema 1 refere-se a decisões rápidas e intuitivas, enquanto o Sistema 2 é mais lento, com raciocínio mais deliberado. A teoria sugere que os humanos confiam no Sistema 1 para a maioria das tarefas, mas mudam para o Sistema 2 quando enfrentam decisões mais complexas.

A IDA é um ciclo de dois passos: amplificação e destilação. Na fase de amplificação, o modelo usa métodos computacionais intensivos para gerar soluções ou traços de raciocínio de alta qualidade. Isso é como o pensamento do Sistema 2, onde a IA leva o tempo para avaliar cuidadosamente as soluções potenciais. Na fase de destilação, o modelo então internaliza as insights da fase de amplificação, transformando o processo de raciocínio do Sistema 2 para o Sistema 1. Assim como um motorista humano se torna mais intuitivo após ganhar experiência, um modelo de IA com IDA pode tomar decisões mais rápidas e eficientes ao longo do tempo.

A ideia-chave por trás da IDA é usar raciocínio computacionalmente intensivo na fase de amplificação, então destilar o raciocínio aprimorado de volta aos parâmetros do modelo. Esse processo permite que o modelo internalize estratégias de raciocínio eficazes que constroem sua capacidade de pensar intuitivamente ao resolver problemas. Ao repetir esse ciclo, o sistema de IA continua a melhorar sua capacidade de tomar decisões com menos recursos computacionais.

Vantagens de Integrar o ‘Instinto Intuitivo’ na IA

Uma das principais vantagens do instinto intuitivo da IA é sua eficiência. Modelos como o Cogito v2 demonstram cadeias de raciocínio que são até 60% mais curtas do que as de modelos concorrentes. Isso significa que eles podem chegar a respostas com menos passos internos, reduzindo o tempo e os recursos necessários para inferência. Por exemplo, um problema que pode levar ao DeepSeek R1 mais de 200 tokens para resolver pode ser completado pelo Cogito v2 em menos de 100 tokens.

Além disso, o custo de treinamento do Cogito v2 é significativamente menor do que o de modelos de IA tradicionais. O processo de treinamento completo para o Cogito v2, abrangendo uma ampla gama de parâmetros, custou menos de $3,5 milhões, o que é muito menos do que os gastos normalmente associados a modelos de grande escala, como o GPT-4.

O Cogito v2 também demonstrou habilidades emergentes em áreas para as quais não foi explicitamente treinado. Por exemplo, apesar de ser treinado principalmente em texto, o Cogito v2 pode raciocinar sobre imagens, tirando insights sobre a composição e os habitats das imagens. Essa capacidade de raciocínio cross-modal é um passo significativo em direção à inteligência geral artificial, um marco importante no caminho para a Inteligência Artificial Geral (IAG).

Repensando o Desenvolvimento de IA

O sucesso da prioridade de inteligência sugere que as estratégias de desenvolvimento de IA precisam de uma mudança fundamental. Em vez de simplesmente dimensionar o tamanho do modelo ou aumentar os recursos computacionais, o desenvolvimento de IA deve se concentrar em construir sistemas que possam desenvolver e refinar suas próprias estratégias cognitivas. Essa mudança reflete o desenvolvimento cognitivo humano, onde a inteligência não é resultado de um cérebro maior ou mais tempo de pensamento, mas sim de melhores modelos mentais e estratégias de raciocínio. Essa mudança de abordagem pode ter implicações de longo prazo. Ao enfatizar o raciocínio mais inteligente em vez do poder bruto de computação, a IA pode se tornar mais versátil, adaptável e capaz de lidar com novos desafios. Essa mudança pode acelerar a aplicação da IA em indústrias como saúde, cibersegurança e transporte autônomo, tornando os sistemas de IA mais eficientes, econômicos e impactantes.

A Linha de Fundo

O sucesso do Cogito v2 demonstra que o futuro da IA não está em dimensionar modelos ou aumentar o poder computacional, mas em aprimorar arquiteturas de raciocínio e otimizar para resolução de problemas mais inteligentes. Essa mudança promete um futuro mais sustentável e acessível para a IA, onde os sistemas podem melhorar e adaptar continuamente com menos dependência de recursos computacionais vastos. Ao se concentrar em raciocínio inteligente em vez de computação bruta, a IA pode se tornar mais capaz de lidar com problemas complexos e do mundo real.