Grandes modelos de linguagem (LLMs, na sigla em inglês), como GPT e Llama, estão no centro dos avanços mais recentes da inteligência artificial (IA). No entanto, entender como esses sistemas tomam decisões — e garantir que sejam confiáveis — continua sendo um desafio.
Parte do problema está no alto custo computacional necessário para analisar, testar e ajustar o comportamento desses modelos em escala. Contudo, pesquisadores da Universidade de Manchester (Inglaterra) afirmam ter dado um passo importante para superar essa limitação.
Liderada pelos cientistas brasileiros Danilo Carvalho e André Freitas, a equipe desenvolveu duas novas estruturas de software, chamadas LangVAE e LangSpace, que reduzem drasticamente o consumo de hardware e energia necessários para estudar e controlar LLMs.
Os resultados foram divulgados em um artigo publicado no repositório científico arXiv.
Linguagem da IA compactada e controle geométrico
A nova abordagem cria representações compactadas da linguagem gerada pelos próprios modelos de IA.
Em vez de modificar diretamente os LLMs, os pesquisadores tratam seus padrões internos de linguagem como estruturas geométricas — pontos, distâncias e formas em um espaço matemático que pode ser medido, comparado e ajustado.
Isso permite interpretar e influenciar o comportamento dos modelos usando técnicas muito mais eficientes do que as atuais.
Segundo os autores, o método reduz o uso de recursos computacionais em mais de 90% quando comparado a abordagens tradicionais de análise e controle de LLMs.
Leia mais:
IA pode inserir falhas invisíveis em chips e o problema não tem conserto
LegoGPT: sistema monta estruturas de Lego com IA
Não passou de ano: IA é ruim em História, aponta estudo
Impacto para pesquisa, indústria e meio ambiente
O ganho de eficiência pode ampliar significativamente o acesso à pesquisa em IA explicável. Com custos menores, mais universidades, startups e equipes industriais poderão investigar como esses sistemas funcionam e como torná-los mais previsíveis e seguros.
“Reduzimos de forma significativa as barreiras de entrada para o desenvolvimento e a experimentação de modelos de IA explicáveis e controláveis”, afirma Danilo Carvalho.
Segundo ele, a técnica também pode diminuir o impacto ambiental da pesquisa em IA e acelerar o uso de modelos confiáveis em aplicações críticas, como a área da saúde.
O post Pesquisadores brasileiros criam método para tornar a IA mais acessível apareceu primeiro em Olhar Digital.
