Quem está ensinando bom gosto à inteligência artificial?
O avanço da IA generativa chegou a uma fronteira mais subjetiva: ensinar modelos a distinguir o que é apenas correto do que tem qualidade e originalidade
Ben Blumenrose percebeu que o nível mínimo de qualidade do design de sites gerado por IA está subindo rapidamente. Como cofundador e sócio-gerente da empresa de capital de risco Designer Fund, além de designer atuante há duas décadas, Blumenrose acompanha de perto a rápida evolução dos recursos visuais gerados por IA.
Ele ainda consegue identificar a diferença entre um site criado por um designer profissional e outro produzido por um modelo, mas os resultados da IA estão “cinco vezes melhores do que os mesmos tipos de ferramentas produziam um ano atrás”, afirma. “Provavelmente, em seis meses a um ano, será muito difícil até para mim perceber a diferença.”
A indústria de IA vem trabalhando intensamente para melhorar a produção criativa dos modelos por meio de métricas precisas de avaliação, rubricas e testes e ferramentas automatizados. O gosto – ou, pelo menos, uma aproximação dele – tornou-se uma das próximas fronteiras no desenvolvimento de modelos.
Uma série de startups promete que consegue incorporar gosto à IA. Enquanto isso, os grandes laboratórios de IA de fronteira estão pensando em como levar seus modelos para áreas subjetivas, como escrita e design.
Mas, como todo ser humano sabe, mesmo dentro de uma profissão específica, as opiniões sobre o que é considerado “bom” podem variar de acordo com a combinação particular de experiências sociais, culturais e profissionais de cada pessoa.
Desenvolver gosto em qualquer área criativa é um desafio técnico e também um projeto pessoal: é preciso aprender – com especialistas e com a história – informações suficientes sobre o que funciona, mas depois desenvolver uma compreensão do que você gosta e por quê. O mesmo vale para ensinar gosto a um modelo.
O primeiro passo desse processo – reunir informações e avaliá-las – é semelhante à forma como as empresas de tecnologia trabalham há décadas e como os laboratórios de fronteira vêm desenvolvendo a inteligência dos modelos nos últimos anos.
O passo seguinte, porém – decidir o que parece bom e único e fazer uma escolha com base em discernimento – é mais estranho aos processos e sistemas usados para construir tecnologia.
Ainda assim, tecnólogos de toda a indústria estão tentando enfrentar esse dilema qualitativo. Em diferentes escalas, eles estão ensinando aos modelos como é o “bom” trabalho em áreas criativas específicas, com o objetivo de aprimorar o gosto da IA até um nível suficientemente refinado.
Mas, como se vê, esses métodos dependem do gosto de um grande número de profissionais humanos.
ENTRA DADO DE ESPECIALISTA, SAI DADO DE ESPECIALISTA
Bom gosto em nível de especialista exige dados especializados em nível de especialista. Uma nova geração de empresas estabelecidas e startups está tentando ir além da base de conhecimento generalista dos grandes modelos de linguagem para resolver esse problema no universo criativo.
É o caso da Figma, que usa internamente modelos de base para ferramentas de produtividade e produção, mas observa que eles frequentemente apresentam limitações.
“Modelos prontos para uso muitas vezes não têm a capacidade de avaliar a qualidade de um design de maneira confiável. Além disso, a quantidade de raciocínio e a latência resultante nem sempre correspondem à complexidade da tarefa”, afirma Sumithra Bhakthavatsalam, líder de pesquisa em IA da Figma.
Em outras palavras, os modelos de fronteira podem trabalhar demais e por tempo demais para produzir resultados sem muito bom gosto. É por isso que a empresa faz um pós-treinamento voltado a respostas mais rápidas e menos excesso de raciocínio durante o trabalho de design iterativo.
A Figma também ajusta o modelo para obter qualidade geral, variedade e uma compreensão mais profunda da empresa e dos sistemas de design dos seus clientes.
Para alimentar esse pós-treinamento, a equipe de Bhakthavatsalam reúne exemplos selecionados de “melhor da categoria”, entre trabalhos considerados “ótimos” e “bons” pelos designers da empresa.
Desenvolver gosto em qualquer área criativa é um desafio técnico e também um projeto pessoal.
Na Krea, o cofundador Diego Rodriguez sabe que informações genéricas não produzirão resultados que seus clientes – designers, cineastas e arquitetos – possam usar em seu trabalho.
A Krea oferece um conjunto de ferramentas para profissionais criativos, incluindo geradores de imagens e vídeos, além de um modelo que os próprios usuários podem ajudar a treinar. Isso significa que a qualidade dos resultados precisa ser alta.
Para os geradores visuais da Krea, a equipe de Rodriguez reuniu milhões de referências de enquadramentos e estilos cinematográficos, técnicas e materiais de impressão, materiais arquitetônicos e elementos de arquitetura para o pós-treinamento, garantindo que os modelos tenham o vocabulário visual necessário para o trabalho criativo profissional.
Uma parceria recente com o escritório de arquitetura Henning Larsen ajudou a Krea a aprimorar seus dados relacionados à arquitetura e refinou suas ofertas para o setor.
O GOSTO DA IA É FEITO DE DECISÕES HUMANAS
Depois de ensinar aos modelos de IA como são as informações específicas de determinado campo, o desafio passa a ser orientá-los em direção ao discernimento.
Segundo Nick Heiner, responsável pelos ambientes de aprendizado por reforço da Surge, o principal método de pós-treinamento para desenvolver gosto é o aprendizado por reforço com feedback humano, um processo no qual um grupo de pessoas experientes fornece avaliações sobre os resultados da IA. Essas avaliações são então usadas para conduzir o modelo em uma direção melhor, ou mais apurada.
Para entender como isso funciona, imagine 10 poetas analisando na tela dois exemplos de poesia gerada por IA, lado a lado. Eles avaliam e comentam cada um com base em sua experiência profissional, enviam suas respostas e passam ao próximo conjunto de exemplos. Agora imagine centenas de poetas analisando centenas de poemas. Depois, milhares ou até centenas de milhares.
Agora imagine também um grupo de designers analisando layouts de uma página inicial lado a lado. Arquitetos escolhendo o material que seria a melhor combinação para uma parede externa voltada para o leste. Cineastas selecionando a lente adequada para uma cena importante.
Todas essas pessoas estão reforçando para o modelo o que significa “bom”, para que ele possa ajustar seus resultados. O segredo para reproduzir o gosto humano é conseguir que muitas pessoas digam aos computadores do que gostam e por quê.
“No fim das contas, tudo se resume ao gosto dos humanos – não apenas ao gosto dos especialistas, mas também ao gosto do responsável pela produção dos dados e ao gosto das pessoas que lideram seus especialistas em pós-treinamento”, afirma Heiner.
LABORATÓRIO DE DADOS HUMANOS
Depois que a Surge conclui seu trabalho, entra em campo uma nova equipe de humanos do lado do cliente tomando decisões sobre o que significa “bom”.
O processo transforma inúmeras escolhas estéticas individuais de seres humanos em conjuntos de dados que ensinam modelos específicos a fazer escolhas “boas”. Ou talvez seja mais preciso dizer escolhas humanas.
A Surge não é a única empresa que trabalha diretamente com os grandes laboratórios de IA e outros desenvolvedores de modelos para avançar nessa questão.
A Taste Labs saiu recentemente do modo sigiloso com US$ 18,5 milhões em financiamento para treinar modelos, desenvolvendo infraestrutura e ferramentas para coletar anotações e avaliações de especialistas, começando pelo design.
Outra que entro no ramo foi a plataforma de contratação de profissionais criativos Contra, que lançou o Contra Labs, “um laboratório independente de dados humanos e avaliação criativa”.
Leia mais: Artista com obras no MoMA decide treinar inteligência artificial
Ele conecta a rede de mais de 1,7 milhão de profissionais criativos da Contra a laboratórios e desenvolvedores em busca de feedback especializado sobre os resultados dos modelos.
O cofundador e CEO da Contra, Ben Huffman, afirma que designers, escritores, editores de vídeo e outros profissionais criativos no topo de suas áreas podem ganhar cerca de US$ 50 a US$ 250 por hora trabalhando com feedback para IA e outros tipos de pós-treinamento. Ele acredita que a avaliação em nível especializado se tornará uma enorme categoria profissional.
O TRABALHO HUMANO NUNCA TERMINA
É preciso muita gente para construir um sistema automatizado hoje, e muitos especialistas acreditam que continuará sendo assim por algum tempo – se não para sempre.
Na verdade, Huffman não acredita que seja possível dar "gosto" a um modelo. O que a Contra Labs oferece é o feedback de profissionais criativos em atividade sobre qual resultado consideram melhor, com base em sua experiência profissional e em seu gosto pessoal.
“Os modelos podem melhorar seus resultados com base nesses dados”, afirma Huffman, “mas nunca serão capazes de criar algo verdadeiramente sofisticado e competitivo que seja novo e tenha ressonância, porque eles não têm sensibilidade humana.”
Segundo Huffman, em qualquer trabalho criativo que tenha múltiplas definições de bom, os humanos precisam continuar participando do processo.
Rodriguez, da Krea, compara as ofertas de sua empresa à espada, e não ao samurai. Ele quer criar ferramentas, imagens e plataformas com fidelidade suficiente para que os profissionais criativos possam fazer seu trabalho melhor, e não codificar uma definição fechada de gosto.
Bhakthavatsalam, da Figma, afirma que a empresa não vê a IA como substituta do gosto. “Os designers podem usar a IA para ampliar as possibilidades criativas, mas o discernimento e a empatia por trás de cada prompt e ação continuam sendo exclusivamente humanos.”
Bom gosto em nível de especialista exige dados especializados em nível de especialista.
Os modelos podem ser capazes de aprender e reproduzir padrões existentes com qualidade suficiente para a maioria das necessidades profissionais, mas o gosto não é estático – e quem define tendências provavelmente vai continuar ultrapassando qualquer definição que tenha sido incorporada aos modelos.
Na Designer Fund, eles costumam usar a expressão “a IA jamais faria isso” para descrever o tipo de escolha que apenas um designer humano seria capaz de fazer, ou seja, algo inesperado, contraintuitivo ou até mesmo “errado”.
“Como somos humanos, acho que começaremos a fazer coisas que os computadores não conseguem ou não querem fazer”, afirma. E então talvez alguém também ensine isso a uma IA.
