Special Edition: The Next Big Thing LatAm 2023- A.I.
Artificial Intelligence Deep Dive
Estamos entusiasmados e preocupados. Ao mesmo tempo. Como se estivéssemos indo pular de paraquedas. O que nos levou a sentir isso? Inteligência Artificial.
Estamos à beira de uma revolução tecnológica? Primeiro, vamos compreender o que isto significa: as revoluções tecnológicas podem ser divididas em três fases: introdução, permeação e poder.
Voltando aos tempos de escola para refrescar a nossa memória, os exemplos mais conhecidos de revoluções tecnológicas são: a Revolução Neolítica, a Revolução Industrial que ocorreu no século XIX, a Revolução científico-técnica que ocorreu por volta de 1950-1960 e, finalmente, a Revolução Digital. A verdade é que - não é fácil definir as datas exatas em que cada uma começou, e como foi impacto ou influenciou a vida humana. O que é comum entre elas é que para ser descrita como tal, o movimento deve mudar e afetar vários setores da sociedade e da economia.
Dito isso, de tempos a tempos, nós, como sociedade humana, vivemos uma nova era tecnológica. E este momento atual nos dá indício de que estamos presenciando a mais disruptiva até agora: A revolução da Inteligência Artificial.
No momento em que a maior parte da indústria tech está sofrendo e sendo questionada, a AI está vivendo o seu momento de ouro. É excitante pois se bem utilizada, os seres humanos podem se tornar super produtivos e a sociedade resolverá problemas seculares profundos. Por outro lado, é preocupante pois comoditizará os empregos das pessoas (como os nossos, escritores), provocando assim um medo de substituição. Além disso, há um risco ético e moral. Estes modelos refletem dados, que por sua vez, tendem a ser enviesados, gerando um perigo de ser tendencioso e também causam debates morais sobre cópia/plágio.
Mas há um fato que temos convicção: Definitivamente, AI é o Next Big Thing.
Para compreender o impacto global e as oportunidades com uma visão LatAm, temos o prazer de lançar a nossa nova série: The Next Big LatAm Deep Dive. Começaremos por AI e mensalmente iremos produzir um trabalho de investigação profundo sobre um dos temas que discutimos no nosso relatório anual.
Este artigo é um mosaico de diferentes ideias, artigos e conversas sobre o tema. Compilamos as referências no final do artigo como sugestão de leitura de aprofundamento.
Neste artigo, iremos cobrir:
O momento A.I.
Discussão com Thought Leader: Patrick Arippol
Exemplos de aplicações A.I.
Winners e oportunidades
Investimentos de Venture Capital
O que vem depois?
O primeiro mapa de mercado das startups LatAm de A.I.
Conclusão
Sugestão de leituras
Mas antes de aprofundarmos, se você não é assinante, você deveria se juntar a mais de +10.000 pessoas curiosas e inteligentes assinando as newsletters responsáveis pelo The Next Big Thing LatAm:
O momento A.I.
A Inteligência Artificial (IA) está evoluindo a um ritmo sem precedentes, com um salto significativo nos últimos anos. AI de hoje tem quatro modelos principais: Redes Generativas Adversariais (GANs), Sistemas SCADA, Robôs Autônomos e Redes de Deep Learning
Generative Adversarial Networks (GANs), são redes neurais artificiais treinadas para gerar dados com a ajuda de modelos generativos. Os GANs tornaram possível que as redes neurais artificiais sejam utilizadas em tarefas como prever eventos futuros, gerar novas imagens a partir das existentes, além de outras aplicações.
Os sistemas SCADA, ou sistemas supervisórios de controle e aquisição de dados, utilizam softwares e ferramentas de inteligência artificial para gerenciar processos industriais em tempo real. Este sistema de inteligência artificial tornou-se hoje uma parte essencial da indústria, pois permite sistemas de monitoramento e controle que são mais eficientes e econômicos do que os métodos tradicionais.
Robôs autônomos também utilizam a inteligência artificial para completar tarefas complexas sem qualquer interação humana. Os robôs autônomos são usados em indústrias como fabricação, saúde e defesa para lidar com tarefas perigosas e repetitivas. A inteligência artificial por trás desses robôs tornou-se mais sofisticada com o tempo, permitindo que eles operem com maior precisão e acurácia.
Deep Learning Networks são redes neurais artificiais que utilizam algoritmos de inteligência artificial para identificar padrões em conjuntos de dados. As redes de aprendizagem profunda têm sido usadas para o reconhecimento de imagens, reconhecimento de fala e processamento de linguagem natural, entre outras coisas.
Sim - os GANs estão sob os holofotes. Vamos entender mais.
O que estamos vivenciando agora? E como isso mudou a forma como vemos a inteligência artificial?
É importante ressaltar que não somos escritores técnicos. Mas curiosos. Muito. Há uma razão por trás da recente explosão de AI, que pode ser parcialmente atribuída ao artigo "Attention is all you need" do Google Brain em 2017. Existe um antes e depois na AI a partir deste artigo científico.
Este artigo desenvolveu o conceito do mecanismo de atenção e introduziu a Arquitetura "Tranformer", o que levou a vários avanços no Machine Learning. Modelos famosos como o GPT-3 do OpenAI, o Google BERT e o Turing-NLG da Microsoft são baseados em mecanismos de atenção. O paper catalisou uma era de modelos que cresceram exponencialmente em número de parâmetros analisados, como mostra o gráfico abaixo:
É provável que o modelo "Attention" e a arquitetura "Transformer" sejam os principais building blocks da próxima década da AI. Se você quer entender tecnicamente a revolução, recomendamos a leitura deste artigo do The Sequence.
Modelos se tornando 10x maiores provam o patamar da revolução.
Neste momento, estamos vendo a popularidade de AI, que se deve especialmente a empresa de pesquisa e desenvolvimento OpenAI. Ela foi fundada por referências do Vale do Silício como Elon Musk e através da sua ferramenta ChatGPT3, tornou AI generativa mainstream.
O uso da inteligência artificial é a grande tendência de 2023. A AI está sendo usada de várias maneiras, tais como geração de vídeos, reconhecimento facial, processamento de linguagem natural, melhora de eficiência e precisão das tarefas humanas. Da robótica aos aplicativos de inteligência artificial, os casos de uso são múltiplos.
Em nossa opinião, o que é excitante sobre a AI hoje (e uma das razões pela qual ela agora se tornou mainstream), é que as camadas de infraestrutura e modelo está se solidificando, dando espaço para que o surgimento da camada de aplicação. Em outras palavras, as coisas com as quais interagimos todos os dias (camada de aplicação).
Discussão com Thought Leader: Patrick Arippol
Como fizemos no relatório "The Next Big Thing LatAm 2023", divulgado em dezembro, convidamos um thought leader que conhece a indústria profundamente para nos ajudar a navegar sobre o tema. Patrick Arippol é co-founder e general partner da Alexia Ventures, um dos principais fundos de VC LatAm. Ele começou suas aventuras em inteligência artificial em 2003 com a Banter Systems (que foi vendida para IBM) e tem trabalhado desde então com diversos empreendedores do setor. Como um experiente investidor, ele começou a nossa conversa alertando que o hype pode ser prejudicial tanto para investidores quanto empreendedores. Ele nos contou também que o nível de oportunidade em inteligência artificial é a mesma que alguns anos atrás, dado que AI não é uma nova tendência. O que mudou foi a exposição à experiência de AI que ocorreu de forma massiva com o ChatGPT -- aumentando o entendimento do seu potencial (e ainda não sobre as suas limitações). Abaixo escrevemos um sumário com key points do nosso papo:
Patrick é um entusiasmado por natureza sobre AI. Ele acredita que, no longo prazo, existe uma oportunidade gigante para startups tanto gerarem quanto capturarem valor neste setor. Da camada da infraestrutura para aplicação, LatAm ter o potencial de ser um dos líderes do tema, devido a: (a) o gigante mercado, (b) quantidade enorme de dados que podem ser treinados em país como Brasil, o que resultaria em uma vantagem competitiva técnica para empresas que querem ser globais e (c) talentos atraídos pelas oportunidades da região e também os talentos locais.
Um take interessante compartilhado por Patrick é que o "time to profit", isto é, o tempo para monetizar é mais longo no caso de empresas de AI. A parte do produto da equação de Product Market Fit leva mais tempo para ser construída, e os modelos destas startups precisam de grandes quantidades de dados para fazê-los funcionar corretamente. Dito isto, fica claro que o ajuste do produto ao mercado é mais longo. A operacionalização de um produto AI é desafiadora.
Em sua experiência, é game changer para uma startup de AI se concentrar em uma vertical e fornecer um claro benefício para seu cliente. Um desafio que ele compartilhou é que os empresários/cientistas idealizam muito o modelo/tecnologia ao invés de focar em uma aplicação concreta. Isto leva a outro insight: Dado o quanto é difícil rentabilizar, as startups de AI devem ter uma aplicação chave para o cliente. Um caso de uso claro é um requisito para o sucesso no setor.
Patrick mencionou que só se pode discutir AI se for atrelada a discussão de dados. É requisito para qualquer empresa de inteligência artificial a capacidade de acessar e usar dados significativos. Este fato representa uma vantagem competitiva para aqueles com um grande banco de dados (como muitas empresas SaaS) e um desafio para a startups de "embedded AI" que precisam convencer outras empresas a compartilharem seus dados. Para "embedded" startups, é preciso um resultado potencial claro para convencer os clientes.
Quando perguntado sobre o estoque brasileiro de talentos, ele aponta que o sucesso depende da qualidade dos talentos e que o Brasil tem potencial para fazê-lo. Temos alguns hotspots em universidades como UFMG, UFMS, PUC-RS, UFRGS, USP e UNICAMP. Além disso, com trabalho remoto, podemos importar e utilizar talentos em todo o mundo. As fronteiras não são mais um problema. O talento em AI precisa de profundo conhecimento técnico, mas é um desafio que o Brasil pode superar.
Exemplos de aplicações A.I.
A melhor forma de compreender as capacidades de AI é experimentando. À medida que a tecnologia evolui, novos exemplos continuam a emergir, e esta sessão serve como "starting point". Aqui, nós demonstraremos exemplos de alguns dos mais notáveis produtos de AI criados recentemente:
A revolução na programação com GitHub CoPilot
O GitHub CoPilot ajuda os desenvolvedores a codificar mais rápido e melhor usando A.I. Mais de um milhão de desenvolvedores já programaram com CoPilot e os que a utilizam estão gerando mais de 40% dos seus códigos com a ferramenta.
Uma pesquisa quantitativa do GitHub prova o seu benefício:
Github recrutou 95 desenvolvedores e os dividiu aleatoriamente em dois grupos com uma tarefa: escrever um servidor web em JavaScript.
O primeiro grupo utilizou GitHub CoPilot. 78% finalizaram a tarefa. O tempo médio foi de 1 hora e 11 minutos.
O segundo não o utilizou. 70% finalizaram a tarefa. O tempo médio foi de 2 horas e 41 minutos.
Nesta versão, que vai evoluir muito, os desenvolvedores que usaram GitHub Copilot completaram a tarefa significativamente mais rápido: ~55% mais rápido do que aqueles que não o fizeram. É impressionante. Imagine uma equipe de desenvolvedores que, para tarefas médias, é 2 vezes mais produtiva.
O tweet abaixo, de uma das maiores influências do mercado de AI e ex-diretor de AI da Tesla, mostra o quão disruptivo é este tipo de ferramenta:
Outro produto que vale mencionar é o Replit, que tem um recurso de AI chamado Ghostwriter, usado por mais de 10 milhões de desenvolvedores. Ele fornece, além da AI, funcionalidades colaborativas que permite trabalhos em conjunto dentro dos times de Devs.
A revolução linguística com ChatGPT3 e Jasper
A geração de textos automática é uma revolução liderada por ferramentas como ChatGPT3 e Jasper. A grande mudança é que basta você escrever uma pequena frase (prompt) e partir dela, você consegue criar textos de qualidade. O artigo abaixo, em inglês, "What’s the Big Deal with AI Right Now" foi escrita pela ferramenta Jasper baseado no seguinte prompt: "Write an 80 word article about how AI will transform content production.."
How AI is Transforming Content Production
Content production has always been a tedious and time-consuming process. But with the emergence of Artificial Intelligence (AI), content production is now more efficient and accurate than ever before. In this article, we will explore how AI is transforming content production and how it can benefit businesses in the long run.
AI has made it possible to automate certain aspects of content production and editing, allowing businesses to save time and energy when creating content. For example, AI powered tools can help businesses create compelling data visualizations that make their stories easier to digest. Furthermore, AI can also be used to generate engaging copy quickly and accurately, making it easier for businesses to produce high quality content at scale.
AI is also helping streamline the review process by providing automated feedback on grammar, spelling, readability and other important metrics. This helps ensure that even large volumes of content are error-free and up to standards before they are published or shared with others. Finally, AI can help businesses personalize their content by recommending relevant topics based on user behavior or demographic data.
As you can see, AI is revolutionizing the way we produce content. By automating many of the tedious tasks associated with content creation and editing, businesses no longer have to rely solely on manual labor to generate high quality outputs in an efficient manner. With these advances in technology, businesses now have access to powerful tools that allow them to create engaging experiences for their customers without having to invest heavily in manpower or resources. So if you're looking for ways to improve your content production process, consider leveraging the power of AI!
A revolução "linguística" será muito maior. Não usaremos apenas para negócios, mas para o dia-dia também. Só estamos na ponta do iceberg. A grande revolução começou com GPT3, que foi nasceu há menos de 3 anos com ~200 bilhões de parâmetros. A nova versão, o GPT4, terá 1 trilhão de parâmetros. Isso significa que a nova versão (esperado para o segundo semestre de 2023) será significativamente melhor.
A revolução no processo e geração de imagens
O impacto da AI em 2022 veio inicialmente com os modelos de geração de imagens. Foi o primeiro "Uau". A Image Generation tem uma variedade de casos de uso, desde divertidos até uteis. A revolução em si deriva do custo marginal zero de produção. Você escreve um prompt adequado e se torna uma imagem. Algumas boas empresas já estão por trás desta tecnologia: Dall-E, MidJourney, Stable Difusion. Essa tecnologia pode ser usada para design, jogos, mídia, produção de conteúdo social,etc. Para tangibilizar, vamos usar um exemplo através do DreamStudio (versão beta), que usa a tecnologia Stable Diffusion. Nós escrevemos este prompt: "Panda dancing in a farm painted by Leonardo da Vinci". Em 5 segundos, obtivemos esta imagem gerada pela IA:
A AI não está inovando apenas na geração, mas também no processamento de imagens.
O reconhecimento de imagem alimentado por AI está se tornando game-changer para várias indústrias, especialmente no comércio eletrônico e varejo. Os sistemas de AI analisam imagens de produtos e identificam automaticamente itens, seus atributos e até geram etiquetas, que podem ser usados para buscas mais rápidas e mais precisas em plataformas de comércio eletrônico. O processamento de imagens baseado em AI também pode ser usado na medicina, por exemplo, na análise de imagens médicas como raios X e MRIs, para auxiliar no diagnóstico de doenças.
Os avanços no processamento e geração de imagens através da AI estão em constante evolução, e é esperado que se tornem ainda mais impressionantes em breve.
A revolução na geração e edição de vídeo
Outro campo com avanços significativos é na geração de vídeos. Um dos casos de uso mais impressionantes é a capacidade de criar vídeos complexos a partir de um texto ou fala. Essa tecnologia pode ser usada para criar vídeos explicativos, demonstrações de produtos e até mesmo noticiários.
Text-to-Video (T2V) é considerado uma das próximas fronteiras de avanço para modelos generativos de inteligência artificial. Recentemente, pesquisadores da Meta AI revelaram o Make-A-Video, um modelo T2V capaz de criar videoclipes curtos realistas a partir de entradas de texto.
Uma das empresas mais badaladas nesta área é a RunwayML. Eles levantaram US$ 50 milhões com avaliação de US$ 500 milhões em dezembro. Eles lançaram recentemente um modelo de AI generativo que a partir de qualquer texto é possível gerar novos vídeos. Vale a pena ver o vídeo abaixo:
Outros casos de uso
Existem múltiplos casos de uso surgindo em Inteligência Artificial. É uma tecnologia tão poderosa que pode ser aplicada a uma ampla gama de setores devido à sua versatilidade na capacidade de analisar e tomar decisões com base em grandes quantidades de dados. Isso a torna ideal para tarefas que seriam muito demoradas e complexas para os humanos, como analisar imagens médicas ou rastrear níveis de estoque. Uma ampla variedade de casos de uso, como:
Manutenção preditiva: os sistemas de IA podem analisar os dados dos sensores dos equipamentos para identificar possíveis falhas antes que elas aconteçam, permitindo que as empresas realizem a manutenção de forma proativa, reduzindo o tempo de inatividade e os custos.
Detecção de fraude: sistemas de AI podem analisar dados de transações para identificar padrões e anomalias que possam indicar atividade fraudulenta, ajudando instituições financeiras e outras empresas a evitar perdas.
Gerenciamento de energia: os sistemas de IA podem analisar dados de uso de energia para identificar oportunidades de melhorias de eficiência, como ajustar sistemas de aquecimento e resfriamento ou identificar equipamentos que consomem mais energia do que deveriam.
Agricultura: sistemas baseados em AI podem analisar dados de sensores e drones para otimizar o rendimento das culturas, identificar possíveis problemas com irrigação e prever padrões climáticos que podem afetar o crescimento das culturas.
Imagens médicas: sistemas alimentados por AI podem analisar imagens médicas, como raios-X e ressonâncias magnéticas, para auxiliar no diagnóstico de doenças.
Esses casos de uso representam uma pequena fração do que a AI pode fazer, e as possibilidades são infinitas à medida que a tecnologia evolui.
Compartilhe este artigo com sua rede.
Winners e oportunidades
O desenvolvimento da Inteligência Artificial tomou um caminho singular em comparação a outras inovações. Normalmente, o chapéu de disruptor pertence às startups. No entanto, no caso da AI, grande parte da inovação recente foi impulsionada pelos laboratórios de pesquisa de gigantes da tecnologia como Microsoft, Google, Amazon e Meta. Essas empresas desenvolveram algumas das principais plataformas de AI e adquiriram startups em estágio inicial para expandir seu conjunto de talentos em ciência de dados, tornando esse ciclo benéfico para os incumbentes.
Para analisar o complexo debate da captura de valor no mercado de AI, desenhamos um mapa da indústria e discorremos abaixo sobre cada setor
1. Semicondutores: Essas empresas são a base da indústria de AI, uma vez que só através de chips de alto desempenho que é possível o aumento exponencial do poder computacional, que é requerimento para AI.
Empresas: Nvidia, Intel, AMD e TSMC.
2. Plataformas de nuvem: As empresas de nuvem, como AWS e Azure, são as principais compradoras de chip das empresas de semicondutores. De forma simplista, as plataformas em nuvem possuem “computadores” e vendem seu poder para empresas construírem seu sistema em cima dele. Eles cobram de seus clientes pelo uso desses recursos de hardware, também conhecidos como computação (energia + uso do chip). Os modelos de machine learning exigem grandes quantidades de computação para treinar e manter, o que é benéfico para empresas cloud.
Empresas: AWS, Azure, GCP e Oracle Cloud
3. Rotulagem de dados: os modelos de IA exigem extensa coleta de dados, sanitização e rotulagem. A maioria das empresas de IA coleta dados internamente, mas emprega terceiros para rotular e higienizar conjuntos de dados manualmente. Dados de maior qualidade significam melhor desempenho do modelo e dado este fato, empresas agindo neste processo de melhora de dados se tornam parte importante da infraestrutura.
Empresas: Scale AI, Appen, Hive, Labelbox, Snorkel AI etc.
4. Empresas de pesquisa: empresas de pesquisa de IA combinam recursos de computação e dados para treinar modelos de aprendizado de máquina. Um modelo é construído reunindo vários transformadores, bilhões de parâmetros e investindo milhões de dólares em recursos de computação. Ao final desse processo, as empresas de pesquisa produzem um modelo funcional como o GPT-3.
Empresas: OpenAI, Deepmind, Stability e Anthropic
5. Aplicações: A maioria das empresas de pesquisa de IA está focada em construir e refinar seus modelos. Depois que um modelo é treinado, as empresas da camada de aplicações adaptam o modelo para funcionalidades específicas, como marketing copy, algoritmos para análise de imagem de satélite, criação de imagem ou até mesmo geração de código, dentre outras infinidades de aplicações.
Empresas: Copy.AI, Jasper, Midjourney, Stable Diffusion, Github Copilot, Replit
Quem é o big winner desta cadeia?
A Cloud Infrastructure está bem posicionada para capturar um valor relevante. Eles têm poder de compra contra empresas de semicondutores, e a indústria de pesquisa, rotulagem de dados e aplicativos dependem deles para criar modelos enormes. Além disso, as empresas de cloud contam com fortes vantagens competitivas, dadas as economias de escala e o alto custo de troca por parte dos clientes. Essas empresas (AWS, Google Cloud, Azure) estão bem posicionadas para capturar um montante relevante do mundo AI. A nuvem continua sendo o "aluguel", como também era na revolução anterior.
Prevemos que a onda das startups ocorrerá na camada de aplicação. A pesquisa provavelmente será um jogo para grandes empresas e para aquelas que podem acessar investimentos significativos. As empresas de processamento de dados são muito interessantes e relevantes, mas provavelmente o sucesso estará concentrado na mão de poucos players, devido ao moat gerado pelo Data network effect.
As empresas na camada de aplicação são as que vão distribuir e massificar a adoção. Elas agregam valor na produção (ux) e na distribuição da tecnologia. Seu papel é polir, criar use cases e tornar fácil de usar modelos complexos de AI.
É interessante ressaltar que as empresas de aplicação também podem desenvolver seus próprios modelos específicos de machine learning, o que pode ser uma grande vantagem competitiva. A verticalização é provavelmente uma tendência no médio prazo. As empresas de aplicativos não serão apenas AI nativa, mas também aquelas que usam AI para fornecer um produto melhor.
O campo da AI ainda é relativamente incipiente. Esse tailwind é tão poderoso que o CAGR agregado da indústria será tão alto que todos irão capturar muito valor. Uma boa parte dele será capturada pelos incumbentes da nuvem, o "aluguel" do setor. Mas também há enormes oportunidades para empresas de pesquisa e aplicação.
Investimentos de Venture Capital
De fato, a maioria das startups focadas exclusivamente em AI ainda estão em seus estágios iniciais. Apesar do momento do mercado, o interesse dos investidores atingiu o seu pico no setor em 2022, conforme mostrado no gráfico abaixo da CB Insights. Foi um ano recorde para investimentos em startups de AI generativa, com cerca de US$ 2,6 bilhões em 110 negócios. As maiores rodadas foram as seguintes (ainda sem transações na América Latina mencionadas aqui):
· Anthropic, empresa de AI focada em pesquisa e segurança($580M Series B)
· Inflection AI, que foca em produtos de interação humano-máquina ($225M Series A)
· Cohere, startup focada em NLP ($125M Series B)
· Jasper, startup de produção de textos via AI generativa ($125M Series A)
A indústria está apenas começando - os dados da CB Insights mostram que entre as mais de 250 empresas de AI generativa identificadas, 33% não levantaram nenhum financiamento de capital externo. 51% são da Série A ou anterior, confirmando que ainda estamos nos estágios iniciais da indústria de AI como um todo. Até agora, o espaço AI generativo tem 6 unicórnios:
OpenAI, Hugging Face, Lightricks, Jasper, Glean, Stability AI
Dos investidores no setor, Insight Partners foi o mais ativo nos últimos 2 anos.
O que vem a seguir?
Espera-se que o setor de AI atinja US$ 42,4 bilhões em 2023. O momentum deste mercado continuará a ser vigoroso com o lançamento de novas ferramentas e serviços baseados em AI em diferentes setores. O que virá em 2023 em meio a tudo isso?
Falando de forma geral...
1. A democratização da AI continuará
A AI está se tornando um diferencial fundamental para os negócios. Para garantir que estejam no topo de seu jogo, as empresas buscarão os melhores talentos de engenharia e ciência de dados – que permanecerão caros devido à escassez. Dado essa dificuldade, uma massiva propagação de casos de uso depende de ferramentas no-code e low-code, o que é plausível de ocorrer.
Além disso, em 2023, os fornecedores de nuvem irão oferecer na suite de seus produtos soluções de AI. Isso é importante porque é incluirá empresas menos sofisticadas nesta tendência de negócios.
2. A AI generativa será comercializada
A AI generativa está tendo seu momento e neste ano veremos muitos outros produtos e serviços chegando ao mercado. A tecnologia Speech-to-speech (S2S) tem o potencial de mudar a forma a execução de tarefas cotidianas. Um exemplo simples: digamos que em uma reunião virtual por AI haja uma pessoa resfriada. Através de um programa de AI, ela pode tornar sua voz mais fácil de entender, permitindo que ela se concentre em suas contribuições de trabalho em vez de possíveis mal-entendidos. Mais soluções como esta – fáceis de usar e acessar, surgirão.
3. A ética da AI se tornará uma prioridade
Este ponto é crítico - apesar de seu valor e potencial comprovados, esta tecnologia ainda possui questões legais e éticas complexas. Tal tecnologia a fácil disposição da sociedade pode ocasionar uma série de desinformação através de deep fakes e algoritmos tendenciosos, além de outros problemas mais graves. A estrutura regulatória precisará se adaptar rápido a esta evolução.
É um debate complexo que vai tomar o palco público. No Brasil, há uma discussão no congresso sobre Inteligência Artificial. Especialistas apontam que a reforma, nos termos da lei, pode ser muito restritiva para as empresas do setor. Isso é algo que deveria ser prioridade nas startups de IA: trabalhar junto ao governo para estabelecer uma norma que beneficie a inovação e o progresso tecnológico.
Indo para os detalhes…
1. O Chat GPT4 será lançado ao longo de 2023 e será um grande negócio.
Rumores dizem que representará uma melhoria significativa de desempenho em relação ao GPT-3 e 3.5. Especialistas dizem que a reação do público será ainda maior.
O modelo não será muito maior que seu antecessor. Ou seja, os pesquisadores dizem que “os grandes modelos de linguagem de hoje são de fato maiores do que deveriam ser para o desempenho ideal do modelo (dado um orçamento de computação finito), os modelos de hoje devem ter menos parâmetros, mas treinar em conjuntos de dados maiores. Dados de treinamento, em outras palavras, superam o tamanho do modelo.”
A maioria dos principais modelos de linguagem de hoje, incluindo ChatGPT3, foram treinados em corpus de dados de cerca de 300 bilhões de tokens (175 bilhões de parâmetros de tamanho). GPT-4 provavelmente será treinado em um conjunto de dados pelo menos uma ordem de grandeza maior que isso.
2. Vamos começar a ficar sem dados para treinar grandes modelos de linguagem.
Sim, como muitos dizem, os dados são o novo petróleo. Isso significa que os recursos para machine learning são finitos. A maneira mais eficaz de melhorar os modelos é treiná-los usando mais dados. Logo, acessar dados começará a ser um desafio para as empresas de AI, o que deverá inclusive abrir mercados secundários de venda de dados.
3. A pesquisa mudará mais em 2023 do que desde que o Google se tornou popular no início dos anos 2000.
A busca é o centro da experiência moderna da internet. A AI pode alterar significativamente seu mecanismo de pesquisa habitual dado que o ChatGPT trouxe luz à pesquisa de conversação. Por que inserir uma palavra e esperar links se você pode se envolver em uma conversa dinâmica com seu mecanismo de pesquisa para descobrir o que está procurando?
O primeiro mapa de mercado das startups AI LatAm
Um dos outputs deste projeto é dar visibilidade as empresas LatAm trabalhando com inteligência artificial. Nós perguntamos no Linkedin, Twitter, Instagram e na nossa rede de relacionamento para descobrir empresas de AI. A partir das respostas, mapeamos 58 startups no setor. É ainda um trabalho em progresso. Está sentindo falta de alguma? Sugira nesse formulário que iremos adicionar!
Conclusão
Está claro que, por meio da Inteligência Artificial, as empresas têm a oportunidade de reformular completamente suas operações e criar novas oportunidades que antes eram consideradas impossíveis. Não é nenhuma surpresa também o interesse dos investidores por startups do setor. Depois de fazer essa pesquisa aprofundada, ficamos ainda mais entusiasmados com o tema. Acreditamos que o importante atualmente é conseguir separar as empresas realmente boas daquelas que estão surfando o hype.
A AI veio para ficar, e todos os dias há uma novidade sobre o tema. Além de ser um grande exercício de aprendizagem, todo o processo de escrita deste relatório foi interessante por si só. Desde que começamos, em meados de janeiro, várias coisas aconteceram nos obrigando a atualizar o conteúdo em tempo real. Tudo isso em menos de um mês, o que prova que esse assunto é de extrema importância e tem muito espaço para evoluir. Os modelos de negócios estão mudando, o trabalho está mudando, os procedimentos acadêmicos estão mudando, nós estamos mudando! É uma revolução e nem imaginamos, no ritmo que as coisas estão indo, como vamos encerrar o tema do ano e prever seu Next Big Thing para 2024…
Estamos entusiasmados e preocupados. Ao mesmo tempo. Como se estivéssemos indo pular de paraquedas.
Mas, resolvemos pular, viver o momento, estudar os conceitos e usar a inteligência artificial a nosso favor. Esperamos que você faça o mesmo depois de ler este relatório!
Leituras sugeridas
AI 2022: The Explosion - Coatue
AI: Startup Vs Incumbent Value - Elad Gil
The State of Generative AI - Tanay
Se considerou The Next Big Thing valioso:
Compartilhe com empreendedores, colegas, investidores.
Assine as newsletter responsáveis pelo assunto e fique por dentro das principais tendências de tecnologia da LatAm