Um modelo mental útil

Pense em um modelo como uma transformação ajustável, e não como um cérebro digital ou um banco de dados de respostas.

O modelo tem uma estrutura que determina como as informações podem fluir por ele. Ele também tem valores aprendidos que determinam com que intensidade diferentes partes da entrada afetam a saída. Juntos, a estrutura e os valores aprendidos definem a transformação.

Forneça medições a um modelo meteorológico, e ele poderá gerar uma probabilidade de chuva. Forneça pixels a um classificador de imagens, e ele poderá gerar pontuações para vários rótulos. Forneça texto a um modelo de linguagem, e ele poderá gerar probabilidades para os textos que podem vir em seguida. As entradas e saídas são diferentes, mas o papel do modelo é o mesmo.

Um modelo não precisa ser uma rede neural. Modelos lineares, árvores de decisão, modelos probabilísticos e outros métodos também podem fornecer o modelo dentro de um sistema de IA. As redes neurais são uma família de modelos especialmente flexível.

Como um modelo de IA é criado e usado

Para um modelo de aprendizado de máquina, o caminho da ideia até a saída tem duas fases principais: treinamento e inferência.

Durante o treinamento, os desenvolvedores escolhem uma estrutura de modelo e um objetivo. O modelo processa exemplos, suas saídas são comparadas com esse objetivo e um procedimento de treinamento ajusta seus valores aprendíveis para reduzir o erro ou aumentar uma recompensa. A repetição desse processo produz um modelo treinado: uma estrutura específica com um estado aprendido específico.

Em seguida, o modelo é avaliado com dados ou em situações que não foram usados para ajustá-lo. Isso testa se ele aprendeu um padrão útil, em vez de apenas reproduzir seus exemplos de treinamento. Ser aprovado em uma avaliação não prova que ele funcionará para todas as populações, configurações ou usos.

Durante a inferência, o modelo treinado recebe uma nova entrada e calcula uma saída sem repetir todo o processo de treinamento. Um serviço implantado pode executar inferências milhões de vezes enquanto os valores aprendidos do modelo permanecem inalterados. O modelo só aprende com interações posteriores se um processo separado coletar feedback e atualizá-lo ou treiná-lo novamente.

A palavra modelo pode se referir a diferentes artefatos ao longo desse caminho:

  • Antes do treinamento, ela pode significar a estrutura proposta.
  • Após o treinamento, geralmente significa a estrutura mais os valores aprendidos com os dados.
  • Em um framework, pode significar um objeto ajustado ou um arquivo que contém o estado aprendido.
  • Em um catálogo de produtos, pode significar uma família nomeada, uma versão específica ou um endpoint que executa essa versão.

Esses usos se sobrepõem, mas não são idênticos. Quando a precisão importa, pergunte se a afirmação diz respeito ao design do modelo, ao seu estado aprendido, aos seus arquivos ou ao serviço ao redor dele.

Um exemplo prático

Considere um modelo deliberadamente simples que sinaliza possíveis spams. O software ao redor transforma cada e-mail em duas entradas:

  • o número de links
  • o número de palavras de uma pequena lista de termos “urgentes”

Suponha que o treinamento aprenda esta pontuação:

pontuação de spam = 1,4 × quantidade de links + 0,9 × quantidade de palavras urgentes − 1,2

Para um e-mail com dois links e uma palavra urgente:

1,4 × 2 + 0,9 × 1 − 1,2 = 2,5

Para um e-mail sem links e sem palavras urgentes:

1,4 × 0 + 0,9 × 0 − 1,2 = −1,2

Se o produto considerar uma pontuação positiva como spam, ele sinalizará o primeiro e permitirá o segundo.

O modelo é a transformação que produz a pontuação: sua fórmula e seus valores numéricos aprendidos. O código que lê o e-mail, conta as características, escolhe o limite, move uma mensagem para uma pasta de spam e permite que um usuário corrija um erro forma o sistema mais amplo.

Este modelo didático é fácil de inspecionar. Uma rede neural moderna pode conter muitas camadas e valores aprendidos, e um modelo generativo pode escolher entre várias saídas possíveis em vez de retornar um único rótulo fixo. O trabalho essencial ainda é transformar uma entrada adequada em uma saída de acordo com o padrão capturado pelo modelo.

O modelo não é todo o sistema de IA

A distinção fica mais fácil de ver como um pipeline:

raw input
    ↓
input preparation
    ↓
AI model: structure + learned state
    ↓
raw model output
    ↓
rules, tools, storage, and presentation
    ↓
system result or action

Um chatbot, por exemplo, pode adicionar instruções, histórico da conversa, documentos recuperados, verificações de segurança, ferramentas e uma interface ao redor de um modelo de linguagem. Alterar qualquer uma dessas camadas pode mudar a experiência do usuário mesmo que o modelo permaneça fixo. Um sistema maior também pode encaminhar uma solicitação por vários modelos.

A fronteira nem sempre é empacotada da mesma maneira. Um limite de classificação pode estar incorporado a um modelo, mas ser aplicado pelo código ao redor em outro sistema. O teste prático é identificar o componente que realiza a transformação central, aprendida, de entrada em saída e, em seguida, identificar o que prepara, restringe, interpreta ou utiliza essa saída para agir.

Por que a distinção importa

Ela evita que você atribua todo sucesso ou falha ao componente errado. Um resultado ruim pode vir do modelo, mas também pode ser causado por contexto ausente, preparação inadequada da entrada, um limite impróprio, uma falha de ferramenta ou uma regra aplicada após a inferência.

Ela também facilita a avaliação das afirmações sobre modelos. Um modelo só é útil em relação a uma tarefa, aos tipos de entrada que receberá, à maneira como sua saída será usada e ao custo dos erros. Portanto, a documentação do modelo deve declarar os usos pretendidos, as condições de avaliação, as limitações conhecidas e os usos que não foram testados. Um único número de acurácia ou uma demonstração do produto não pode responder a todas essas perguntas.

Por fim, a distinção esclarece a que tipo de acesso você tem. Baixar pesos aprendidos, chamar um modelo hospedado por meio de uma API e usar um aplicativo de IA pronto oferecem diferentes níveis de controle. Eles podem envolver a mesma família de modelos, mas não são a mesma coisa.

Equívocos comuns

“O modelo contém seus dados de treinamento”

Um modelo treinado geralmente contém um estado numérico aprendido, e não uma cópia pesquisável, linha por linha, dos exemplos. Esse estado captura padrões úteis para produzir saídas. Ainda assim, em algumas circunstâncias, os modelos podem reproduzir ou revelar partes dos dados de treinamento; portanto, “não é um banco de dados” não significa “não pode memorizar”.

“O modelo aprende toda vez que eu o uso”

A inferência normalmente usa valores aprendidos fixos. Um produto pode salvar conversas, personalizar solicitações posteriores ou usar feedback para treinamentos futuros, mas esses são comportamentos separados do sistema. Eles não mostram que o modelo implantado se atualizou durante a conversa.

“Um modelo de IA é a mesma coisa que um algoritmo”

Um algoritmo é um procedimento. Um algoritmo de treinamento ajusta um modelo, enquanto um algoritmo de inferência o executa. Na linguagem cotidiana, os termos se sobrepõem, mas distinguir o procedimento do resultado aprendido explica como o mesmo método de treinamento pode produzir modelos diferentes a partir de dados diferentes.

“Todos os modelos de IA são modelos de linguagem”

Um modelo de linguagem grande é um tipo de modelo de IA. Outros modelos classificam imagens, preveem quantidades, ordenam resultados de busca, detectam anomalias, recomendam itens, controlam máquinas ou realizam outras tarefas de entrada e saída.

“Um modelo melhor garante um produto melhor”

Um modelo mais forte pode melhorar a capacidade bruta do sistema, mas a qualidade do produto também depende de dados, instruções, ferramentas, proteções, latência, design da interface e da adequação do modelo à tarefa real. O modelo é central, mas não está sozinho.

Como os modelos de IA se encaixam no sistema mais amplo

Um projeto de IA começa com uma tarefa e alguma forma de avaliar um comportamento útil. O treinamento produz ou adapta um modelo. A avaliação verifica seu comportamento em condições escolhidas. A implantação fornece a computação e o software ao redor necessários para executá-lo. O monitoramento então procura falhas, mudanças nas entradas e motivos para atualizar o modelo ou o sistema.

Esse ciclo de vida explica por que “Qual modelo este sistema usa?” é apenas o começo de uma pergunta útil. Talvez você também precise saber qual versão está em execução, quais entradas ela recebe, como sua saída é processada, para que foi avaliada e onde um ser humano ou outro programa toma a decisão final.

Para onde ir em seguida

Leia O que é treinamento em IA? para conhecer o processo que cria o estado aprendido de um modelo e, em seguida, O que é inferência em IA? para entender o que acontece quando um modelo treinado lida com uma nova entrada. O que é um LLM? aborda a família de modelos por trás de muitos produtos de texto e chat.