Assim que Tom Smith colocou as mãos no Codex – uma nova tecnologia de inteligência artificial que escreve seus próprios programas de computador – ele deu uma entrevista de emprego.
Ele perguntou se poderia enfrentar os “desafios de codificação” que os programadores muitas vezes enfrentam ao entrevistar para empregos muito lucrativos em empresas do Vale do Silício, como Google e Facebook. Ele poderia escrever um programa que substitua todos os espaços em uma frase por travessões? Melhor ainda, poderia escrever um que identificasse códigos postais inválidos?
Ele fez as duas coisas instantaneamente, antes de concluir várias outras tarefas. “Esses são problemas que seriam difíceis para muitos humanos resolverem, inclusive eu, e a resposta seria digitada em dois segundos”, disse Smith, um programador experiente que supervisiona uma startup de IA chamada Gado Images. “Foi assustador assistir.”
Codex parecia uma tecnologia que logo substituiria os trabalhadores humanos. Enquanto o Sr. Smith continuava testando o sistema, ele percebeu que suas habilidades se estendiam muito além de um talento para responder a perguntas de entrevistas enlatadas. Ele poderia até traduzir de uma linguagem de programação para outra.
Mesmo assim, após várias semanas trabalhando com essa nova tecnologia, Smith acredita que ela não representa uma ameaça para os programadores profissionais. Na verdade, como muitos outros especialistas, ele o vê como uma ferramenta que acabará aumentando a produtividade humana. Pode até ajudar toda uma nova geração de pessoas a aprender a arte dos computadores, mostrando-lhes como escrever códigos simples, quase como um tutor pessoal.
“Esta é uma ferramenta que pode tornar a vida de um programador muito mais fácil”, disse Smith.
Cerca de quatro anos atrás, pesquisadores em laboratórios como o OpenAI começaram a projetar redes neurais que analisavam enormes quantidades de prosa, incluindo milhares de livros digitais, artigos da Wikipedia e todos os tipos de outros textos postados na internet.
Ao localizar padrões em todo aquele texto, as redes aprenderam a prever a próxima palavra em uma sequência. Quando alguém digitava algumas palavras nesses “modelos de linguagem universal”, eles podiam completar o pensamento com parágrafos inteiros. Dessa forma, um sistema – uma criação OpenAI chamada GPT-3 – poderia escrever seus próprios posts no Twitter, discursos, poesia e artigos de notícias.
Para a surpresa mesmo dos pesquisadores que construíram o sistema, ele poderia escrever seus próprios programas de computador, embora fossem curtos e simples. Aparentemente, havia aprendido com um número incontável de programas postados na internet. Portanto, a OpenAI deu um passo adiante, treinando um novo sistema – Codex – em uma enorme variedade de prosa e código.
O resultado é um sistema que entende prosa e código – até certo ponto. Você pode pedir, em inglês simples, por neve caindo em um fundo preto, e isso lhe dará o código que cria uma tempestade de neve virtual. Se você pedir uma bola azul quicando, ela também será fornecida.
“Você pode dizer a ele para fazer algo, e ele o fará”, disse Ania Kubow, outra programadora que usou a tecnologia.
O Codex pode gerar programas em 12 linguagens de computador e até traduzir entre elas. Mas muitas vezes comete erros e, embora suas habilidades sejam impressionantes, não consegue raciocinar como um humano. Ele pode reconhecer ou imitar o que viu no passado, mas não é ágil o suficiente para pensar por conta própria.
Às vezes, os programas gerados pelo Codex não funcionam. Ou eles contêm falhas de segurança. Ou eles não chegam nem perto do que você quer que eles façam. A OpenAI estima que o Codex produz o código certo 37% das vezes.
Quando o Sr. Smith usou o sistema como parte de um programa de teste “beta” neste verão, o código que ele produziu foi impressionante. Mas, às vezes, funcionava apenas se ele fizesse uma pequena alteração, como ajustar um comando para se adequar à configuração de seu software específico ou adicionar um código digital necessário para acessar o serviço de Internet que estava tentando consultar.
Em outras palavras, o Codex era realmente útil apenas para um programador experiente.
Mas pode ajudar os programadores a fazer seu trabalho diário muito mais rápido. Isso pode ajudá-los a encontrar os blocos de construção básicos de que precisam ou direcioná-los para novas ideias. Usando a tecnologia, o GitHub, um serviço online popular para programadores, agora oferece o Co-pilot, uma ferramenta que sugere sua próxima linha de código, da mesma forma que ferramentas de “preenchimento automático” sugerem a próxima palavra quando você digita textos ou emails.
“É uma maneira de escrever código sem ter que escrever tantos códigos”, disse Jeremy Howard, que fundou o laboratório de inteligência artificial Fast.ai e ajudou a criar a tecnologia de linguagem na qual o trabalho da OpenAI se baseia. “Nem sempre é correto, mas está perto o suficiente.”
Howard e outros acreditam que o Codex também pode ajudar os novatos a aprender a programar. É particularmente bom para gerar programas simples a partir de breves descrições em inglês. E também funciona na outra direção, explicando códigos complexos em inglês simples. Alguns, entre eles Joel Hellermark, empresário sueco, já estão tentando transformar o sistema em ferramenta de ensino.
O resto do cenário de IA é semelhante. Os robôs estão cada vez mais poderosos. Então, os chatbots são projetados para conversas online. DeepMind, um laboratório de IA em Londres, construiu recentemente um sistema que identifica instantaneamente a forma das proteínas no corpo humano, o que é uma parte fundamental do desenvolvimento de novos medicamentos e vacinas. Essa tarefa uma vez levou dias ou até anos aos cientistas. Mas esses sistemas substituem apenas uma pequena parte do que os especialistas humanos podem fazer.
Nas poucas áreas em que as novas máquinas podem substituir instantaneamente os trabalhadores, elas normalmente ocupam empregos que o mercado demora a preencher. Os robôs, por exemplo, são cada vez mais úteis dentro dos centros de expedição, que estão se expandindo e lutando para encontrar os trabalhadores necessários para acompanhar o ritmo.
Com sua start-up, Gado Images, o Sr. Smith decidiu construir um sistema que pudesse classificar automaticamente os arquivos de fotos de jornais e bibliotecas, recuperando imagens esquecidas, escrevendo legendas e tags automaticamente e compartilhando as fotos com outras publicações e empresas. Mas a tecnologia só podia lidar com parte do trabalho.
Ele poderia vasculhar um vasto arquivo de fotos mais rápido do que os humanos, identificando os tipos de imagens que podem ser úteis e fazendo uma tentativa nas legendas. Mas encontrar as melhores e mais importantes fotos e marcá-las adequadamente ainda exigia um arquivista experiente.
“Achamos que essas ferramentas iriam remover completamente a necessidade de humanos, mas o que aprendemos depois de muitos anos é que isso não era realmente possível – você ainda precisava de um humano habilidoso para revisar a produção”, disse Smith. “A tecnologia entende as coisas erradas. E pode ser tendencioso. Você ainda precisa de uma pessoa para revisar o que foi feito e decidir o que é bom e o que não é. ”
O Codex estende o que uma máquina pode fazer, mas é outra indicação de que a tecnologia funciona melhor com humanos nos controles.
“A IA não está funcionando como se esperava”, disse Greg Brockman, diretor de tecnologia da OpenAI. “Parecia que ia fazer este trabalho e aquele trabalho, e todos estavam tentando descobrir qual iria primeiro. Em vez disso, não está substituindo empregos. Mas está tirando o trabalho árduo de todos eles de uma vez. ”
Discussão sobre isso post