Um par de cientistas da Universidade de Innsbruck, situada na Áustria, concebeu uma abordagem pioneira visando avaliar o grau de proficiência de um sistema de IA em compreender o conceito de ‘tempo válido’, um aspecto que poderá exercer repercussões altamente relevantes no âmbito da aplicação de produtos gerados por IA, a exemplo do ChatGPT, dentro do setor das fintechs.
A validade temporal, em sua essência, aborda a pertinência de uma dada declaração em relação a outra ao longo de um período de tempo. Ela se concentra no valor cronológico das instruções emparelhadas, buscando determinar a relação temporal entre elas. Ao avaliar a competência de uma IA na previsão da validade temporal, é submetida a um conjunto de afirmações e desafiada a identificar a que mantém a conexão mais sólida ao longo do tempo. No contexto de seu recente artigo de pesquisa, intitulado ‘Antecipação de Variações na Validade Temporal’, os acadêmicos Georg Wenzel e Adam Jatowt ilustram esse conceito por meio de um exemplo em que uma afirmação relata que uma pessoa está lendo um livro em um ônibus. Esse estudo oferece insights valiosos sobre a evolução das capacidades da IA no entendimento da temporalidade das informações.
Os cientistas geraram um conjunto de informações categorizadas com exemplos de preparação, os quais serviram como base para a criação de uma referência na avaliação de modelos de linguagem de grande porte (LLMs). Optaram pelo ChatGPT como modelo principal a ser avaliado devido à sua ampla aceitação entre os usuários finais e constataram que sua eficácia se mostrava consideravelmente inferior quando comparada a modelos menos abrangentes.
Essa análise aponta para a importância crucial da validade temporal em contextos onde sua influência impacta diretamente na utilidade e precisão, como na criação de conteúdo jornalístico ou na análise de tendências financeiras. Nessas situações, modelos de IA especializados tendem a se destacar em relação a soluções mais abrangentes, como o ChatGPT. Os estudiosos também demonstraram que a inclusão de previsões de variação temporal durante o treinamento de um LLM tem o potencial de elevar significativamente os resultados obtidos na avaliação de mudanças temporais, abrindo caminho para aprimoramentos substanciais nesse domínio.
Embora o artigo em questão não aborde especificamente implicações além do escopo do experimento, é relevante destacar que uma das limitações intrínsecas dos sistemas geradores de IA é sua dificuldade em distinguir entre eventos passados e presentes dentro de um conjunto de informações. Dotar esses sistemas com a habilidade de discernir as declarações mais pertinentes em um corpo de literatura, considerando a variável temporal como um fator determinante, possui o potencial de promover uma transformação significativa na capacidade dos modelos de IA de realizar previsões robustas em tempo real, especialmente em setores de grande magnitude, como o mercado de criptomoedas e a bolsa de valores.
Leia mais:
- Wallet Wars: Balthazar DAO lançará em Web3 game de 1970
- IA indica que outro pintor contribuiu para obra famosa
- World of Dypians chega à Epic Games Store
Assine nossas notícias para receber todas as novidades do mundo cripto!
