Generative AI

A IA generativa refere-se a um subconjunto da inteligência artificial (IA) focado na criação de novos conteúdos, como texto, imagens, áudio, vídeo e código de computador, em resposta aos prompts dos utilizadores. Ao contrário dos sistemas tradicionais de IA, concebidos principalmente para analisar ou classificar dados existentes, os modelos generativos utilizam algoritmos de aprendizagem profunda (DL) para aprender os padrões, as estruturas e as distribuições de probabilidade subjacentes a enormes conjuntos de dados. Depois de treinados, estes sistemas conseguem gerar resultados inéditos que partilham semelhanças estatísticas com os dados de treino, mas são criações únicas. Esta capacidade posicionou a IA generativa como uma pedra angular dos modernos modelos fundacionais, impulsionando a inovação nas indústrias criativas, no desenvolvimento de software e na investigação científica.

Como funcionam os modelos generativos#

No centro da IA generativa estão arquiteturas complexas de redes neuronais que aprendem a codificar e descodificar informação. Estes modelos são normalmente treinados através de aprendizagem não supervisionada com grandes corpora de dados.

• Transformers: Para texto e código, a arquitetura Transformer utiliza mecanismos como a autoatenção para acompanhar as relações entre palavras a longas distâncias numa sequência. Isto permite que os modelos de linguagem de grande escala (LLMs) gerem texto coerente e contextualmente relevante.
• Modelos de difusão: Para a geração de imagens, os modelos de difusão funcionam adicionando ruído a uma imagem até que esta se torne irreconhecível e, em seguida, aprendendo a inverter este processo para reconstruir uma imagem nítida a partir de ruído aleatório.
• GANs: As redes generativas adversariais (GANs) utilizam duas redes neuronais — um gerador e um discriminador — que competem entre si, levando o gerador a produzir resultados cada vez mais realistas.

IA generativa vs. discriminativa#

Para compreender a IA generativa, é crucial distingui-la da IA discriminativa. Embora ambas sejam pilares da aprendizagem automática, os seus objetivos diferem significativamente.

• A IA generativa centra-se na criação. Modela a distribuição de cada classe para gerar novas amostras. Por exemplo, um modelo como o Stable Diffusion gera uma nova imagem de um cão com base em descrições textuais.
• A IA discriminativa centra-se na classificação e na previsão. Aprende as fronteiras de decisão entre classes para categorizar os dados de entrada. Modelos de visão de alto desempenho como o YOLO26 são discriminativos; destacam-se na deteção de objetos ao analisar uma imagem para identificar e localizar objetos específicos (por exemplo, detetar um cão numa fotografia), em vez de criarem a própria imagem.

Aplicações no mundo real#

A versatilidade da IA generativa permite aplicá-la em vários domínios, muitas vezes em conjunto com modelos discriminativos para criar fluxos de trabalho avançados.

1. Geração de dados sintéticos: Uma das aplicações mais práticas para engenheiros de visão computacional é a criação de dados sintéticos. A recolha de dados do mundo real para casos-limite raros — como defeitos industriais específicos ou condições rodoviárias perigosas — pode ser perigosa ou dispendiosa. Os modelos generativos conseguem produzir milhares de imagens fotorrealistas destes cenários. Estes dados são depois utilizados para treinar detetores robustos como o YOLO26, melhorando a sua precisão no mundo real.

2. Design criativo e prototipagem: No setor criativo, as ferramentas baseadas em modelos de texto para imagem permitem aos designers visualizar rapidamente conceitos. Ao introduzir um prompt, um artista pode gerar várias versões de um design de produto, de uma planta arquitetónica ou de um recurso de marketing, acelerando significativamente a fase de criação de ideias.

3. Geração e depuração de código: O desenvolvimento de software foi transformado por modelos treinados em repositórios de código. Estes assistentes ajudam os programadores ao sugerirem excertos de código, escreverem documentação e até identificarem erros, simplificando o ciclo de vida do software.

Sinergias com a visão computacional#

A IA generativa e os modelos discriminativos de visão computacional funcionam frequentemente como tecnologias complementares. Um pipeline comum envolve utilizar um modelo generativo para aumentar um conjunto de dados, seguido do treino de um modelo discriminativo com esse conjunto de dados enriquecido, utilizando ferramentas como a Ultralytics Platform.

O exemplo seguinte em Python demonstra como utilizar o pacote ultralytics para carregar um modelo YOLO26. Num fluxo de trabalho híbrido, podes utilizar este código para validar objetos numa imagem gerada sinteticamente.

from ultralytics import YOLO

# Load the YOLO26 model (Latest stable Ultralytics model)
model = YOLO("yolo26n.pt")

# Run inference on an image (e.g., a synthetic sample from a generative model)
# The model identifies objects within the generated content
results = model("https://ultralytics.com/images/bus.jpg")

# Display the detection results to verify the synthetic data quality
results[0].show()

Desafios e considerações#

Embora poderosa, a IA generativa introduz desafios específicos que os utilizadores têm de enfrentar. Os modelos podem ocasionalmente produzir alucinações, criando informações plausíveis, mas factualmente incorretas, ou artefactos visuais. Além disso, como estes modelos são treinados com dados à escala da Internet, podem propagar inadvertidamente preconceitos na IA presentes no material de origem.

As preocupações éticas relacionadas com direitos de autor e propriedade intelectual também são proeminentes, conforme discutido em vários referenciais de Ética da IA. Investigadores e organizações, como o Stanford Institute for Human-Centered AI, estão a trabalhar ativamente em métodos para garantir que estas ferramentas poderosas sejam desenvolvidas e implementadas de forma responsável. Além disso, o custo computacional do treino destes modelos massivos levou a um interesse crescente na quantização de modelos para tornar a inferência mais eficiente do ponto de vista energético em dispositivos de edge.