Você já parou para pensar como uma criança aprende? Mostra uma maçã, diz “maçã”. Depois mostra outra, e pronto: ela entendeu. Não precisa de milhares de repetições. Agora imagine que um computador faça a mesma coisa: com apenas alguns exemplos, ele começa a executar tarefas que nunca viu antes. Isso não é ficção científica. É o que o GPT-3, o modelo de linguagem da OpenAI, provou ser capaz de fazer.

O artigo original, intitulado “Language models are few-shot learners”, derrubou uma crença antiga: a de que máquinas precisam de montanhas de dados e ajustes finos para aprender algo novo. O GPT-3, com seus 175 bilhões de parâmetros, consegue pegar uma descrição curta e alguns exemplos – os pesquisadores chamam isso de few-shot learning – e aplicar a tarefa a novos casos com uma precisão impressionante. Traduzir frases, responder perguntas, escrever textos, até criar código. Tudo com muito menos exemplos do que se imaginava.

Mas o que isso significa para o futuro? Vamos direto ao ponto: se uma máquina consegue aprender com tão pouco, o que nos diferencia? A provocação é clara. Estamos acostumados a acreditar que a inteligência humana é flexível, criativa, capaz de generalizar a partir de poucas experiências. Agora a máquina também faz isso. Não perfeitamente, claro. O GPT-3 ainda erra, inventa informações, tem vieses. Mas o salto é enorme.

Pense no seu trabalho. Quantas tarefas repetitivas você faz que poderiam ser resolvidas com um modelo que aprende com três exemplos? Atendimento ao cliente, redação de e-mails, análise de dados simples. O que sobra para você? A pergunta não é se a inteligência artificial vai substituir humanos, mas sim o que faremos quando ela conseguir fazer o básico tão rápido e barato que o custo de contratar uma pessoa para isso se torne inviável.

E não para por aí. O few-shot learning também abre portas para uma democratização do uso de IA. Você não precisa mais ser um cientista de dados para treinar um modelo. Basta dar alguns exemplos. Isso pode empoderar pequenas empresas, artistas, educadores. Mas também pode gerar uma enxurrada de conteúdo medíocre gerado por máquina, dificultando ainda mais a distinção entre o que é humano e o que é artificial.

Há uma questão ética urgente: quem controla esses modelos? O GPT-3 é fechado, acessível apenas via API da OpenAI. Se a tecnologia fica nas mãos de poucas empresas, o poder de decidir o que pode ou não ser aprendido com poucos exemplos se concentra. E se um modelo aprender, com três exemplos, a gerar desinformação política? Ou a imitar seu estilo de escrita? A barreira técnica caiu, mas a barreira ética ainda está sendo construída.

Outro ponto: o que é “aprender” para uma máquina? O GPT-3 não entende o que está fazendo. Ele apenas reconhece padrões. Mas para nós, humanos, o resultado parece inteligente. Isso nos obriga a repensar o que significa aprender. Se uma criança vê três desenhos de gatos e depois identifica qualquer gato, dizemos que ela aprendeu. Se a máquina faz o mesmo, dizemos que é apenas estatística. Será que essa diferença é real ou apenas um preconceito nosso?

O futuro, para mim, não é de total substituição, mas de convivência estranha. Vamos ter que aprender a confiar (ou desconfiar) de sistemas que aprendem com exemplos mínimos. Vamos precisar de novas habilidades: saber formular o exemplo certo, saber avaliar se a resposta da máquina faz sentido, saber quando intervir. O papel do humano pode se tornar o de curador de exemplos, não mais o de executor de tarefas.

E você? Está pronto para viver num mundo onde uma máquina aprende a fazer o seu trabalho com três exemplos? O que você sabe fazer que nenhum modelo, por mais exemplos que receba, conseguirá replicar? Talvez a resposta esteja naquilo que é mais humano: a capacidade de se conectar com outro ser, de sentir empatia, de criar algo que não existia antes. Mas será que isso é suficiente? Ou a máquina também está aprendendo a imitar a empatia? O questionamento fica no ar.

O artigo “Language models are few-shot learners” não é apenas um marco técnico. É um convite à reflexão sobre o que nos torna únicos. E, sinceramente, a resposta não está clara. O que sabemos é que a partir de agora, poucos exemplos podem mudar tudo.

Produtos recomendados: Echo Dot 5ª Geração com Alexa | MacBook Air M2