Webtagr - Sumário de Notícias de Tecnologia

TAO do Databricks: Superando o ajuste fino com dados não rotulados

2025-03-26

O Databricks apresenta o TAO (Test-time Adaptive Optimization), um novo método de ajuste fino de modelos que requer apenas dados de uso não rotulados. Ao contrário do ajuste fino tradicional, o TAO utiliza computação em tempo de teste e aprendizado por reforço para melhorar o desempenho do modelo com base em exemplos de entrada anteriores. Surpreendentemente, o TAO supera o ajuste fino tradicional, aproximando modelos de código aberto como o Llama à qualidade de modelos proprietários caros como o GPT-4. Essa inovação está disponível em prévia para clientes do Databricks e impulsionará produtos futuros.

(www.databricks.com)

IA Ajuste fino de modelos

Protocolo de Contexto de Modelo (MCP): Uma porta USB-C para IA

2025-03-26

O Protocolo de Contexto de Modelo (MCP) é um protocolo aberto que padroniza como os aplicativos fornecem contexto aos LLMs. Pense nele como uma porta USB-C para IA: ele conecta modelos de IA a várias fontes de dados e ferramentas. O SDK Agents suporta MCP, permitindo o uso de diversos servidores MCP para equipar Agents com ferramentas. Os servidores MCP vêm em dois tipos: servidores stdio (locais) e servidores HTTP sobre SSE (remotos). O cache da lista de ferramentas minimiza a latência. Exemplos completos estão disponíveis no diretório examples/mcp.

(openai.github.io)

IA

StarVector: Modelo de vetorização de imagem para SVG baseado em Transformer

2025-03-26

StarVector é um modelo de vetorização de imagem para SVG baseado em Transformer, com modelos de 8B e 1B de parâmetros lançados no Hugging Face. Ele alcança resultados de ponta no benchmark SVG-Bench, sendo excelente na vetorização de ícones, logotipos e diagramas técnicos, demonstrando desempenho superior no manuseio de detalhes gráficos complexos. O modelo utiliza conjuntos de dados extensos para treinamento, abrangendo uma ampla gama de estilos de gráficos vetoriais, desde ícones simples até ilustrações coloridas intrincadas. Em comparação com métodos de vetorização tradicionais, o StarVector gera código SVG mais limpo e preciso, preservando melhor os detalhes e informações estruturais da imagem.

(starvector.github.io)

IA vetorização de imagem modelo Transformer

A Revolução Inesperada da IA: Brevidade Triunfa sobre Verbosidade

2025-03-26

A proliferação de Grandes Modelos de Linguagem (LLMs) inicialmente causou pânico em escolas e empresas, com medo de sua substituição de tarefas escritas e comunicação profissional. No entanto, o autor argumenta que o verdadeiro impacto dos LLMs reside em seu potencial para revolucionar como nos comunicamos e programamos. Os LLMs revelam a simplicidade subjacente de e-mails comerciais prolixos e códigos complexos, impulsionando-nos para uma comunicação concisa. Isso pode levar à obsolescência dos próprios LLMs, dando origem a uma comunicação comercial e linguagens de programação mais eficientes e simplificadas. Essa mudança para a brevidade promete mudar o mundo.

(thomashunter.name)

IA Revolução na Comunicação

Dapr Agents: Uma estrutura para sistemas de agentes de IA escaláveis e resilientes

2025-03-26

Dapr Agents é uma estrutura para desenvolvedores projetada para construir sistemas de agentes de IA resilientes e de nível de produção que operam em escala. Construído sobre o projeto Dapr, comprovado em batalha, ele permite que os desenvolvedores criem agentes de IA que raciocinam, agem e colaboram usando Modelos de Linguagem Grandes (LLMs), enquanto aproveitam a observabilidade integrada e a execução de fluxo de trabalho com estado para garantir que os fluxos de trabalho agentic sejam concluídos com sucesso, não importa o quão complexos sejam. Recursos-chave incluem execução eficiente de vários agentes, mecanismos de retry automáticos, implantação nativa do Kubernetes, integração com diversas fontes de dados, colaboração segura entre vários agentes, prontidão para a plataforma, custo-efetividade e neutralidade de fornecedor.

(github.com)

IA

Gemini 2.5 Pro: IA que conhece seus limites

2025-03-26

O autor tentou fazer com que o Gemini 2.5 Pro recriasse o famoso sintetizador dos anos 90, ReBirth RB-338. Surpreendentemente, em vez de tentar o impossível, o Gemini 2.5 Pro avaliou a dificuldade da tarefa e explicou sua inviabilidade, demonstrando poderosas capacidades de raciocínio. O autor negociou um sintetizador mais simples, mas funcional. Isso mostra o progresso da IA em direção à compreensão de suas limitações e à tomada de decisões racionais.

(everything.intellectronica.net)

IA

Aprendizado por Reforço: De AlphaGo a AlphaGo Zero

2025-03-26

Este artigo apresenta uma visão geral abrangente do aprendizado por reforço (RL), começando com a história cativante do AlphaGo derrotando campeões humanos de Go. Ele explica conceitos centrais de RL, como MDPs, equações de Bellman, programação dinâmica, métodos de Monte Carlo, aprendizado TD (SARSA, Q-learning, DQN), métodos de gradiente de política (REINFORCE, Actor-Critic, A3C) e estratégias evolutivas. O artigo aprofunda os detalhes de cada algoritmo, usando o AlphaGo Zero como um estudo de caso convincente para ilustrar as aplicações práticas de RL e seu poder na resolução de problemas complexos.

(lilianweng.github.io)

IA

Embeddings do Whisper se alinham surpreendentemente com a atividade cerebral humana durante a fala

2025-03-26

Um estudo revela uma surpreendente alinhamento entre o modelo de reconhecimento de fala Whisper da OpenAI e a atividade neural no cérebro humano durante conversas naturais. Ao comparar as embeddings do Whisper com a atividade cerebral em regiões como o giro frontal inferior (IFG) e o giro temporal superior (STG), os pesquisadores descobriram que as embeddings de linguagem atingiram o pico antes das embeddings de fala durante a produção da fala, e vice-versa durante a compreensão. Isso sugere que o Whisper, apesar de não ter sido projetado com mecanismos cerebrais em mente, captura aspectos importantes do processamento da linguagem. As descobertas também destacam uma 'hierarquia suave' no processamento da linguagem cerebral: áreas de ordem superior, como o IFG, priorizam informações semânticas e sintáticas, mas também processam recursos auditivos de baixo nível, enquanto áreas de ordem inferior, como o STG, priorizam o processamento acústico e fonêmico, mas também capturam informações em nível de palavra.

(research.google)

IA

Protocolo de Contexto de Modelo (MCP): O momento USB-C para IA?

2025-03-26

O Protocolo de Contexto de Modelo (MCP), da Anthropic, lançado no final de 2024, está revolucionando o mundo da IA. Pense nele como a porta USB-C das integrações de IA: permite que Modelos de Linguagem Grandes (LLMs) como Claude ou ChatGPT se comuniquem perfeitamente com fontes de dados externas e ferramentas (Obsidian, Gmail, calendários, etc.) sem precisar de milhões de integrações personalizadas. O MCP usa uma arquitetura de três camadas — hosts, clientes e servidores — para permitir acesso seguro e confiável a dados e acionamento de ações, simplificando significativamente o desenvolvimento e gerando aplicativos inovadores. Exemplos incluem a conexão de LLMs a bancos de dados pessoais, repositórios de código e até dados de ações em tempo real. A natureza de código aberto do MCP o tornou um tópico popular na comunidade de desenvolvedores, integrado a vários aplicativos de IA, e prenuncia uma mudança revolucionária na forma como interagimos com aplicativos de IA.

(pieces.app)

IA

Gemini 2.5: O Modelo de IA Pensante do Google Assume a Liderança

2025-03-25

O Google revelou o Gemini 2.5, seu modelo de IA mais inteligente até agora. Uma versão experimental, o 2.5 Pro, alcançou o primeiro lugar no LMArena, superando significativamente os concorrentes. A inovação principal do Gemini 2.5 é sua capacidade de 'pensar': ele raciocina antes de responder, resultando em maior precisão e desempenho. Esse raciocínio vai além da simples classificação e previsão; envolve analisar informações, tirar conclusões lógicas, entender contexto e nuances e tomar decisões informadas. Baseado em trabalhos anteriores com aprendizado por reforço e prompts de cadeia de pensamento, o Gemini 2.5 combina um modelo base aprimorado com treinamento posterior avançado. O Google planeja integrar essas capacidades de pensamento em todos os modelos futuros, permitindo que eles resolvam tarefas mais complexas e alimentem agentes mais sofisticados e conscientes do contexto.

(blog.google)

IA

Apple usará imagens do Apple Maps para treinar modelos de IA

2025-03-25

A Apple atualizou recentemente seu site, revelando que, a partir de março de 2025, usará imagens e dados coletados para seu recurso Apple Maps Look Around para treinar modelos de IA para reconhecimento, criação e aprimoramento de imagens. Esses dados, coletados por veículos e mochilas equipadas com câmeras, sensores e iPhones/iPads, têm rostos e placas de veículos desfocados. A Apple afirma que apenas imagens desfocadas serão usadas e aceita solicitações para desfocar casas. Isso aprimorará os recursos de IA em produtos e serviços da Apple, como a ferramenta de limpeza e a funcionalidade de pesquisa do aplicativo Fotos.

(www.theverge.com)

IA

Google lança Gemini 2.5: Um salto gigante no raciocínio de IA

2025-03-25

O Google apresentou o Gemini 2.5, seu modelo de IA mais inteligente até agora. A versão experimental 2.5 Pro apresenta desempenho superior em vários benchmarks, alcançando o 1º lugar no LMArena por uma margem considerável. Os modelos Gemini 2.5 são modelos de 'pensamento', capazes de raciocinar suas respostas, levando a maior precisão e desempenho. Esse raciocínio vai além da simples classificação e previsão, abrangendo análise de informações, conclusões lógicas, compreensão contextual e tomada de decisões informadas. Com base em trabalhos anteriores com aprendizado por reforço e prompts de cadeia de pensamento, o Gemini 2.5 representa um avanço significativo, combinando um modelo base muito melhorado com treinamento pós-treinamento aprimorado. O Google planeja integrar esses recursos de pensamento a todos os modelos futuros, permitindo que eles resolvam problemas mais complexos e suportem agentes mais sofisticados.

(blog.google)

IA

Sam Altman da OpenAI: Uma gigante acidental de tecnologia de consumo

2025-03-25

Esta entrevista da Stratechery apresenta o CEO da OpenAI, Sam Altman, detalhando a jornada da OpenAI de um laboratório de pesquisa a uma gigante de tecnologia de consumo, e o sucesso inesperado do ChatGPT. Altman fala abertamente sobre a mudança no modelo de negócios da OpenAI, seu relacionamento com a Microsoft, opiniões sobre segurança e regulamentação de IA e o futuro da IAG. A entrevista também aborda a estratégia de código aberto da OpenAI, o desenvolvimento do GPT-5 e as implicações da IA em vários setores. Altman acredita que uma plataforma de IA com bilhões de usuários será mais valiosa do que modelos de ponta, insinuando potenciais estratégias alternativas de monetização além da publicidade.

(stratechery.com)

IA

VGGT: Reconstrução de Cena 3D em Segundos

2025-03-25

O Facebook Research apresenta o VGGT (Visual Geometry Grounded Transformer), uma rede neural feed-forward que consegue inferir todos os atributos 3D-chave de uma cena — parâmetros intrínsecos e extrínsecos da câmera, mapas de pontos, mapas de profundidade e rastreamento de pontos 3D — de uma, poucas ou centenas de vistas em meros segundos. Este modelo fácil de usar, que utiliza o poder dos Transformadores, oferece uma ferramenta de visualização 3D interativa. Surpreendentemente, o VGGT demonstra capacidades impressionantes de reconstrução de visão única, obtendo resultados competitivos em comparação com métodos monoculares de última geração, apesar de não ter sido explicitamente treinado para esta tarefa.

(github.com)

IA

O Conforto Falso do Otimismo em IA: Uma Crítica a Casey Newton e Kevin Roose

2025-03-25

Este artigo critica a visão cegamente otimista dos jornalistas de tecnologia Casey Newton e Kevin Roose sobre IA generativa. O autor argumenta que suas previsões positivas carecem de base factual, simplesmente atendendo às demandas do mercado e ao próprio interesse. As afirmações de Roose sobre a chegada iminente da IAG, e o elogio excessivo de Newton aos modelos OpenAI, carecem de argumentação rigorosa. O autor aponta que essa atitude de 'otimismo cauteloso' é na verdade uma forma covarde de evitar a realidade, ignorando diversos problemas e riscos potenciais da tecnologia de IA, como alucinações de modelos, a manipulação de benchmarks e o impacto nas indústrias criativas. O artigo também usa a CoreWeave como exemplo para revelar o superaquecimento de investimentos e a falta de modelos de negócios sustentáveis no campo da IA, incentivando as pessoas a manterem o pensamento crítico e a enfrentarem os desafios no desenvolvimento da tecnologia de IA.

(www.wheresyoured.at)

IA Otimismo em IA Crítica de tecnologia Crítica da mídia

Código-fonte do AlexNet lançado: O início da revolução do aprendizado profundo

2025-03-25

Em 2012, o AlexNet, desenvolvido por Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton, demonstrou pela primeira vez o enorme potencial das redes neurais profundas para o reconhecimento de imagens, inaugurando a era do aprendizado profundo. Recentemente, o código-fonte do AlexNet foi disponibilizado em código aberto, fruto de uma colaboração entre o Computer History Museum e o Google. O sucesso do AlexNet decorreu da sua escala — uma grande rede neural convolucional treinada com imensa capacidade computacional e o conjunto de dados ImageNet, superando as limitações anteriores do aprendizado profundo. Esta inovação impulsionou décadas de inovação em IA, levando a empresas como a OpenAI e aplicações como o ChatGPT, transformando o mundo.

(www.zdnet.com)

IA

Desvendando a Amnésia Infantil: O Hipocampo de um Bebê de um Ano Acende

2025-03-25

Um novo estudo usando fMRI escaniou os cérebros de 26 bebês com idades entre 4 e 25 meses, tentando resolver o mistério centenário da amnésia infantil. A pesquisa descobriu que por volta de um ano de idade, o hipocampo, responsável pela formação da memória, torna-se ativo, gerando sinais neurais relacionados às coisas que os bebês se lembravam dos testes. Isso sugere que os bebês começam a codificar memórias por volta de um ano de idade, mesmo que seu hipocampo ainda esteja em desenvolvimento. O estudo fornece pistas valiosas para entender o desenvolvimento precoce do cérebro e a formação da memória, sugerindo que um dia poderemos recuperar memórias perdidas da infância.

(singularityhub.com)

IA amnésia infantil hipocampo formação de memória

Chatbots de IA e solidão: uma faca de dois gumes

2025-03-25

Dois novos estudos revelam um lado negro potencial do uso intenso de chatbots de IA: aumento da solidão e dependência emocional, particularmente entre usuários frequentes. Os pesquisadores descobriram que indivíduos solitários são mais propensos a buscar laços emocionais com a IA, refletindo pesquisas anteriores sobre mídia social. Embora os chatbots de IA possam oferecer suporte emocional, as plataformas devem priorizar o bem-estar do usuário, prevenindo o uso excessivo e a exploração emocional, e implementando medidas para identificar e intervir em padrões de uso não saudáveis. Os legisladores também devem abordar essa questão emergente, desenvolvendo regulamentos apropriados.

(www.platformer.news)

IA

Método de Newton recebe atualização moderna: Algoritmo de otimização mais rápido e abrangente

2025-03-25

Há mais de 300 anos, Isaac Newton desenvolveu um algoritmo para encontrar os valores mínimos de funções. Agora, Amir Ali Ahmadi da Universidade de Princeton e seus alunos melhoraram esse algoritmo para lidar eficientemente com uma classe mais ampla de funções. Essa inovação utiliza derivadas de ordem superior e transforma habilmente a expansão de Taylor em uma forma convexa de soma de quadrados, alcançando uma convergência mais rápida do que o método tradicional de descida do gradiente. Embora atualmente seja computacionalmente caro, avanços futuros na computação podem permitir que esse algoritmo supere a descida do gradiente em áreas como aprendizado de máquina, tornando-se uma ferramenta poderosa para problemas de otimização.

(www.quantamagazine.org)

IA algoritmo de otimização método de Newton

Grupo Ant reduz custos de treinamento de IA em 20% usando chips chineses

2025-03-25

O Grupo Ant, apoiado por Jack Ma, desenvolveu técnicas de treinamento de modelos de IA usando semicondutores produzidos na China, de empresas como Alibaba e Huawei, obtendo reduções de custos de 20%. Embora ainda utilize chips da Nvidia, o Ant agora depende principalmente de alternativas da AMD e chips chineses para seus modelos mais recentes, com resultados semelhantes aos do chip H800 da Nvidia. Isso destaca os esforços da China para reduzir a dependência de chips de alto desempenho da Nvidia. Os novos modelos de linguagem da Ant, Ling-Plus e Ling-Lite, superaram até mesmo o modelo Llama da Meta em alguns benchmarks. Esses modelos, destinados a aplicações em saúde e finanças, representam um avanço significativo no desenvolvimento de IA de baixo custo na China.

(au.finance.yahoo.com)

IA treinamento de modelos de IA chips chineses

ARC-AGI-2: O benchmark de AGI mais fácil para humanos, mais difícil para IA

2025-03-24

A competição ARC Prize 2025 está de volta com o ARC-AGI-2, um benchmark de AGI significativamente mais difícil para IA, mas que permanece relativamente fácil para humanos. Ao focar em tarefas simples para humanos, mas difíceis para IA, o ARC-AGI-2 destaca lacunas de capacidade que não são resolvidas simplesmente pela ampliação de modelos existentes. Com um prêmio de US$ 1 milhão, a competição incentiva a inovação de código aberto para sistemas de IA eficientes e gerais, com o objetivo de preencher a lacuna entre humanos e IA e atingir a verdadeira AGI.

(arcprize.org)

IA

Qwen2.5-VL-32B: Modelo de linguagem visual de 32 bilhões de parâmetros mais alinhado com preferências humanas

2025-03-24

Após o grande sucesso da série de modelos Qwen2.5-VL, lançamos o novo modelo de linguagem visual de 32 bilhões de parâmetros, Qwen2.5-VL-32B-Instruct, de código aberto. Este modelo apresenta melhorias significativas em raciocínio matemático, compreensão de imagem de grão fino e alinhamento com preferências humanas. Os testes de referência mostram sua superioridade sobre modelos comparáveis em tarefas multimodais (como MMMU, MMMU-Pro e MathVista), superando até mesmo o modelo Qwen2-VL-72B-Instruct, de 72 bilhões de parâmetros. Também alcança desempenho de ponta em capacidades de texto puro em sua escala.

(qwenlm.github.io)

IA modelo de linguagem visual

AMD Apresenta Instella: Família de Modelos de Linguagem Abertos com 3 Bilhões de Parâmetros

2025-03-24

A AMD anunciou a Instella, uma família de modelos de linguagem de ponta totalmente abertos, com 3 bilhões de parâmetros, treinados do zero em GPUs AMD Instinct™ MI300X. Os modelos Instella superam os modelos totalmente abertos existentes de tamanho semelhante e alcançam desempenho competitivo em comparação com modelos de peso aberto de última geração, como Llama-3.2-3B. A AMD está disponibilizando em código aberto todos os artefatos do modelo, incluindo pesos, configurações de treinamento, conjuntos de dados e código, para promover a colaboração e a inovação na comunidade de IA. Os modelos utilizam técnicas de treinamento eficientes e um pipeline de treinamento de múltiplas etapas.

(rocm.blogs.amd.com)

IA

GPT-4o mini TTS: Conversão de texto em fala simplificada

2025-03-24

Esta ferramenta usa a API GPT-4o mini TTS da OpenAI para converter texto em fala natural. São três etapas simples: insira seu texto, personalize as configurações (seis vozes e velocidade ajustável) e gere áudio de alta qualidade. O áudio é transmitido diretamente para o seu navegador, sem ser armazenado em nossos servidores. Experimente diferentes vozes e velocidades para encontrar a combinação perfeita para seu conteúdo!

(hitts.cc)

IA síntese de voz com IA

CUDA com 18 anos: O Segredo da Nvidia e a Dominação da IA

2025-03-24

A plataforma CUDA da Nvidia completa 18 anos. Muito mais do que uma linguagem de programação ou API, é o núcleo do ecossistema de software da Nvidia, impulsionando inúmeras tarefas de computação "facilmente paralelizáveis", de IA a mineração de criptomoedas. O sucesso da CUDA advém do investimento consistente de longo prazo da Nvidia e de atualizações constantes, um contraste gritante com concorrentes como a AMD. O sucesso do AlexNet destacou a influência inicial da CUDA no aprendizado profundo, e hoje, ela é o padrão de fato em IA, formando uma forte proteção competitiva para a Nvidia.

(thechipletter.substack.com)

IA

beeFormer: Superando a Lacuna entre Similaridade Semântica e Interação em Sistemas de Recomendação

2025-03-24

O projeto beeFormer apresenta uma nova abordagem para sistemas de recomendação, projetada para resolver o problema de inicialização a frio. Ele utiliza modelos de linguagem para aprender padrões de comportamento do usuário a partir de dados de interação e transferir esse conhecimento para itens não vistos. Ao contrário do filtro baseado em conteúdo tradicional, que depende de atributos de itens, o beeFormer aprende padrões de interação do usuário para recomendar melhor itens alinhados com os interesses do usuário, mesmo sem dados de interação anteriores. Experimentos demonstram melhorias significativas de desempenho. O projeto fornece etapas de treinamento detalhadas e modelos pré-treinados, suportando conjuntos de dados como MovieLens, GoodBooks e Amazon Books.

(github.com)

IA Inicialização a Frio Modelos de Linguagem

LangManus: Framework de Automação de IA de código aberto para colaboração multi-agente

2025-03-23

LangManus é um framework de automação de IA de código aberto e impulsionado pela comunidade que integra modelos de linguagem com ferramentas para pesquisa na web, rastreamento e execução de código Python. Desenvolvido por ex-colegas em seu tempo livre, este projeto visa explorar os campos de multi-agente e pesquisa profunda, participando do leaderboard GAIA. LangManus emprega um sistema hierárquico multi-agente com papéis como Coordenador, Planejador, Supervisor, Pesquisador, Codificador, Navegador e Relator, suportando várias integrações de LLM, incluindo modelos compatíveis com Qwen e OpenAI. O projeto é de código aberto sob a licença MIT e dá as boas-vindas às contribuições da comunidade.

(github.com)

IA automação de IA sistema multi-agente

Crosscoder Aprimorado Desvenda Segredos do Fine-tuning de LLMs

2025-03-23

Pesquisadores introduzem um novo método, o 'crosscoder vinculado', para comparar os modelos base e de bate-papo ajustados de grandes modelos de linguagem (LLMs). Diferentemente dos crosscoders tradicionais, o crosscoder vinculado permite que os mesmos fatores latentes disparem em momentos diferentes para os modelos base e de bate-papo, levando a uma identificação mais eficaz de recursos novos no modelo de bate-papo. Experimentos demonstram que essa abordagem fornece explicações mais claras de como o comportamento de bate-papo surge das capacidades do modelo base e produz latentes mais monosemânticos. Esta pesquisa oferece novas perspectivas sobre o processo de ajuste fino de LLMs e orienta as melhorias futuras do modelo.

(www.lesswrong.com)

IA ajuste fino do modelo

Verificação Formal de Modelos de ML em Lean 4

2025-03-23

O projeto `formal_verif_ml` fornece uma estrutura Lean 4 para verificação formal de propriedades (robusto, imparcialidade, interpretabilidade) de modelos de aprendizado de máquina. Inclui uma biblioteca Lean, tradutor de modelos, interface web e pipeline CI/CD, suportando vários tipos de modelos. Um portal web interativo permite que os usuários carreguem modelos, vejam o código Lean gerado, acionem a compilação de provas e visualizem a arquitetura do modelo.

(github.com)

IA

A Computação Vence: O Novo Paradigma no Desenvolvimento de IA

2025-03-23

Este artigo explora uma nova tendência no desenvolvimento de IA: a supremacia da computação. O autor usa experiências pessoais e analogias para ilustrar que sistemas de IA superengenheirados são como plantas meticulosamente cuidadas que lutam para se adaptar a ambientes em mudança, enquanto sistemas de IA baseados em computação em larga escala, como plantas que crescem naturalmente, podem aprender e se adaptar autonomamente. Ao comparar abordagens baseadas em regras, com computação limitada e em larga escala para a construção de sistemas de automação de atendimento ao cliente, o autor demonstra a superioridade da solução em larga escala. A ascensão do Aprendizado por Reforço (RL) confirma ainda mais essa tendência, pois explora várias soluções por meio de computação massiva, obtendo resultados que superam o projeto humano. No futuro, o papel dos engenheiros de IA mudará de criar algoritmos perfeitos para construir sistemas que podem usar recursos computacionais massivos de forma eficaz.

(ankitmaloo.com)

IA Computação

Category: IA